Summary

Gelijktijdig Scalp Elektro-encefalografie (EEG), Elektromyografie (EMG) en Whole-body Segmental Inertial Opname voor Multi-modale Neural Decoding

Published: July 26, 2013
doi:

Summary

Ontwikkeling van een effectief brein-machine-interface (BMI)-systeem voor de restauratie en rehabilitatie van tweebenige voortbeweging vereist nauwkeurige decodering van opzet gebruiker. Hier presenteren we een nieuwe experimentele protocol en gegevensverzameling techniek voor simultane niet-invasieve overname van neurale activiteit, spieractiviteit, en het hele lichaam kinematica tijdens diverse motoriek taken en omstandigheden.

Abstract

Recente studies ondersteunen de betrokkenheid van supraspinale netwerken in de controle van tweevoetige menselijke lopen. Een deel van dit bewijsmateriaal omvat studies, met inbegrip van onze eerdere werk, waaruit blijkt dat de kinematica en coördinatie ledematen tijdens loopband wandelen kan worden afgeleid uit de hoofdhuid elektro-encefalogram (EEG) met redelijk hoge nauwkeurigheden decodering. Deze resultaten geven impulsen voor de ontwikkeling van niet-invasieve brain-machine-interface (BMI) systemen voor gebruik in restauratie en / of vergroting van het lopen-een primair doel van de revalidatie onderzoek. Tot op heden hebben studies die EEG decoderen van activiteit tijdens het lopen beperkt tot loopband lopen in een gecontroleerde omgeving. Echter, praktisch haalbaar als een BMI geldend voor gebruik in dagelijkse motorische taken zoals over de grond lopen en draaien zijn. Hier, een nieuw protocol voor niet-invasieve collectie van hersenactiviteit (EEG), spieractiviteit (elektromyografie (EMG)), en gro presenteren wee-body kinematische data (hoofd, romp en ledematen trajecten) tijdens zowel de loopband en over de grond lopen taken. Door het verzamelen van deze gegevens in de ongecontroleerde omgeving inzicht kan worden verkregen over de haalbaarheid van het decoderen ongedwongen manier van lopen en het oppervlak EMG van scalp EEG.

Introduction

Dit protocol maakt gebruik van drie systemen voor gegevensverzameling om tegelijkertijd op te nemen EEG, EMG, en het gehele lichaam kinematica (figuur 1, tabel 1). EEG-gegevens worden draadloos verzameld uit 64 kanalen met een sampling frequentie van 1000 Hz, terwijl proefpersonen lopen. Elektromyografie (EMG) wordt verzameld bij 1000 Hz van oppervlakte-elektroden bilateraal geplaatst op vier spiergroepen: tibialis anterior (TA), gastrocnemius (Gast), biceps femoris (BF) en vastus lateralis (VL). Kinematische gegevens worden verzameld op 128 Hz van 11 draadloze sensoren gemonteerd op het hoofd, bovenlichaam, lumbale regio, armen, dijen, schachten, en voeten om beweging op te nemen tijdens het lopen. Elke sensor bevat een drieassige magnetometer, drieassige gyroscoop en accelerometer triaxiaal (ie een MARG sensor).

Gegevens worden verzameld van elk systeem en gesynchroniseerd in de tijd door een enkele host-pc. Synchronisatie wordt bereikt met behulp van een trigger-signaal verzonden over een continue serial communicatieverbinding toegankelijk voor alle drie data systemen tegelijk. De trekker is uitgevoerd als een eenvoudige schakelaar. Wanneer de knop wordt een triggersignaal ingedrukt (1) wordt naar de hostcomputer, en een nulsignaal (0) wordt verzonden wanneer niet ingedrukt. Door op de trekkerknop lokt een 0,5 sec toon gebruikt als audio-effect voor het onderwerp, zoals beschreven in het onderstaande protocol. Vijf paren infrarood (IR) naderingsschakelaars werden gemaakt voor gebruik als locatie activeert tijdens het over de grond lopen experimenten hieronder beschreven. Wanneer de IR-signaal wordt onderbroken een triggersignaal (1) wordt op de host-pc verstuurd over de seriële verbinding via een radiofrequentie (RF)-verbinding met de trekker doos handleiding.

Een aangepaste C + + applicatie, het gebruik van de software development kit (SDK) die door elk systeem, is ontwikkeld om op te nemen en gegevens synchroniseren. De code maakt gebruik van een multi-threading techniek, functies voor het opslaan van gegevens van elk systeem (EEG, EMG, en managers) zijn opgenomen in individual threads. De software algoritme wordt getoond in figuur 2. Gegevens verzameld vanaf wanneer de toepassing wordt uitgevoerd en eindigt wanneer de "q" toets wordt ingedrukt. Vijf vragen die worden geactiveerd bij het uitvoeren van applicaties. Een draad (figuur 2) controleert de waarde (0 of 1) van het triggersignaal van de seriële verbinding. Aanvankelijke drempelwaarde nul. Wanneer een trigger wordt ontvangen (dwz wanneer de knop wordt ingedrukt of zichtlijn tussen de IR-sensor paar gebroken is) de wereldwijde trekker variabelen zijn ingesteld op 1. Deze variabelen blijven 1 totdat ze worden teruggezet in de collectie threads gegevens.

Het EEG draad op afstand toegang scalp EEG data in real-time met behulp van TCP / IP-protocol. De gegevens worden naar een tekstbestand lijn geschreven door lijn bij de overeenkomstige sampling frequentie (1000 Hz). De wereldwijde EEG triggersignaal wordt geschreven naar de eerste kolom, terwijl de kolommen 2-65 zijn 64 EEG kanalen. Als de globale EEG triggersignaal was 1, wordt het opnieuw ingesteld op nul. Gegevensschrijven gaat door totdat de EEG thread wordt beëindigd. Twee onafhankelijke discussies opnemen MARG sensor data. Twee draden nodig omdat de 11 draadloze sensoren MARG gegevens verzenden met software fabrikant in robuuste streamingmodus, die gegevens over de afzonderlijke sensors buffert gegevens verlies te voorkomen bij draadloze transmissie problemen. Deze buffering degradeert real-time data-overdracht: als er een sensor is in staat om gegevens voor een gegeven monster alle 11 sensoren behouden die tijd punt in hun buffer en zendt deze aan de volgende beschikbare sample punt overbrengen. MARG draadloze data-overdracht onvermijdelijk achterblijft EEG; dus MARG sensoren hebben tijd nodig om offload gebufferde data naar de host-pc na het verzamelen van gegevens wordt gestopt. Om dit probleem op te lossen, worden twee draden gebruikt in de MARG gegevensverzameling algoritme (figuur 2). De eerste draad vult een MARG trekker buffer uit de globale MARG trekker variabele op de sensor sampling frequentie (128 Hz), terwijl het EEG draad is het verzamelen vangegevens. Bij het verzamelen van gegevens stopt schriftelijk aan de trigger buffer ook eindigt. De MARG thread (figuur 2) gebruikt functies van de sensor SDK gegevens worden ontvangen van de sensoren en schrijven naar een bestand op dezelfde wijze als de EEG data. Dat is, de eerste kolom is de waarde van de globale MARG trekker (verkregen van de trekker MARG buffer) en de volgende 99 kolommen zijn de waarden van de 11 MARG sensoren (9 sensoren MARG per eenheid). De MARG thread schrijft data tot het moment index van de trekker MARG buffer is gelijk aan de laatste tijdindex van de EEG data waarna draad-uitvoering wordt beëindigd.

In tegenstelling tot de EEG en MARG gegevens, zijn EMG data niet draadloos opgenomen. In plaats daarvan worden EMG data opgenomen op een SD-kaart in de gegevensopslag eenheid. Een signaal wordt verzonden via een Bluetooth-verbinding om gegevens te schrijven naar de SD-kaart te starten en te stoppen. Schrijven begint wanneer de eerste handmatige trigger wordt ontvangen door de EEG thread. Wegschrijven van gegevens stopt met de EEGdraad wanneer de 'q' knop wordt ingedrukt.

Het volgende protocol werd onderzocht en goedgekeurd door de Institutional Review Board aan de Universiteit van Houston. Ontvangen alle vakken, lezen, en ondertekende een toestemmingsformulier voor deelname.

Protocol

1. Betreft Voorbereiding Meet hoogte subject, gewicht en registreren hun leeftijd. Beoordelen voorkeur loopband snelheid van het onderwerp door ze zichzelf aanpassen loopband snelheid tot comfortabel. Met behulp van een viltstift, markeert de top van het hoofd als het middelpunt tussen de nasion en INION van het onderwerp. Daarnaast markeert 10% van de nasion te INION afstand als een referentie voor het uitlijnen van de dop. 2. Hoofdhuid Elektro-encefalografie (EEG) Bevestig EEG-elektroden zoals gespecificeerd door de internationale 10-20 systeem met een EEG cap het onderwerp gemonteerd in 12. De kap verzekert de juiste plaatsing van de elektroden op de hoofdhuid. Plaats de EEG dop op het onderwerp door het gelijktrekken van de 10% merk uit stap 1.3 in het midden van de Fp1 en Fp2 elektroden en de Cz elektrode met het gemarkeerde hoekpunt. Meer details voor de plaatsing van de kap zijn te vinden in 12. Segenezen van de dop door strapping onder de kin. Sluit EEG-elektroden op de besturingskast EEG. Te beginnen met de grond en referentie-elektroden, gebruik een kleine spuit elektrolyt-gel inspuiten in elke elektrode tot impedantie van elke maatregelen onder de 25 kOhm, zoals aangegeven door elektrode LED draaien groen. Verdere details over het EEG-elektrode voorbereiding zijn verkrijgbaar in 12,13. Sluit de EEG-elektroden om de draadloze zender EEG. Bevestig de zender om het onderwerp op een klittenband riem die rond de schouders en sluit de draadloze EEG-ontvanger om twee 32 kanaals versterkers. Sluit de versterkers naar de host-pc via een USB-poort met behulp van een glasvezel-naar-USB-converter. Stel EEG kanaal resolutie tot 0,1 mV, lage cutoff frequentie naar DC, en hoge cutoff frequentie tot 1000 Hz in de EEG data collectie software. 3. Oppervlak Elektromyografie (EMG) Bereid je voor EMG elektrodestage bij 8 spier plaatsen: scheren huid, schuren met schuurpapier, en schoon met een isopropylalcohol pad. Elektroden op geprepareerde sites en verbinden met EMG data logging-eenheid. Plaats EMG aardelektrode links of rechts pols, en verbinding maken met datalogging-eenheid. 4. Motion Capture Synchroniseer MARG sensoren terwijl gedokt volgens de instructies van de fabrikant. Verwijder MARG sensoren en plaats op het onderwerp met behulp van klittenband of dubbelzijdig tape op locaties in tabel 2. 5. Milieu Voorbereiding Bereid loopband met tape een diagonale lijn (45 ° van horizontaal) op de band. Plaats een tv-monitor is aangesloten op een videocamera ongeveer 1 m in de voorkant van de loopband. Tape een stuk papier met een 2 inch diameter zwarte cirkel op de televisie. Setup lopen arena door het plaatsen van 5 sets van IR proximity sensors, kegels, en televisie screen zoals in figuur 3. 6. Tredmolen Betreft stijgt op loopband. Bevestig veiligheidsharnas. Voorafgaand aan het verzamelen van gegevens, onderzoeken EEG en EMG signalen naar de juiste plaatsing van de elektroden, elektrode-aansluiting, en datatransmissie te controleren. Begin verzamelen van gegevens door het uitvoeren van de C + + console applicatie. Druk op de drukknop manuele trigger om EMG-opname te starten en geven een audio cue (piep) om het experiment te starten. Het onderwerp blijft in een rustige houding gedurende 30 sec. Na 30 sec push-signaal knop om te starten lopen, de loopband langzaam versneld om het onderwerp vooraf ingestelde snelheid. Het onderwerp loopt gedurende 5 minuten. Aan het einde van 5 minuten, duw trigger knop om lopen te starten om de overgang te staan ​​door langzaam het stoppen van de loopband. Na het komen tot een stop het onderwerp blijft staan ​​gedurende 30 sec. Druk op de 'q' knop om te stoppen met het verzamelen van gegevens trial en de gegevens op te slaan. Herhaal stappen 6,2-6,7 voor alle drie loopband voorwaarden: Tredmolen lopen tijdens het kijken naar zwarte stip in de verte. Loopband wandelen met inachtneming van motie van eigen benen op tv-scherm. Tredmolen lopen tijdens het gebruik van video-feedback op diagonale lijn op de loopband (het simuleren van cognitieve belasting 6) te vermijden. 7. Arena Wandelen (1) Plaats onderwerp aan het begin van de arena loopt loop (figuur 3). Begin verzamelen van gegevens als in 6,2-6,4. Duw de trigger knop te wandelen initiëren. Op het moment dat de trekker wordt gegeven, de eerste richtingspijl (→, ← of ↑) wordt weergegeven op het scherm tegenover het subject (figuur 3). Indien → of ← wordt waargenomen, het onderwerp verlaat de ingang set van kegels, draait 90 ° in die richting, voltooit de lus en keert terug naar de ingang kegels. Als & uarr, wordt waargenomen, het onderwerp blijft recht uit de ingang kegels en een handmatige trekker en richting pijl (→ of ←) wordt gegeven wanneer het onderwerp bereikt ongeveer 2 meter voor de IR-sensoren. Het onderwerp verloopt via het eerste stel IR-sensoren en maakt dan de overeenkomstige 90 ° draaien om de lus te voltooien, terug naar de ingang kegels. (Tijdens het lopen, de experimentator volgt het onderwerp op een afstand van ongeveer 3-5 meter met de host-pc op een verrijdbaar frame aan draadloze signaal kwaliteit te verbeteren.) Het onderwerp blijft lopen wanneer hij / zij de ingang kegels bereikt na het voltooien van een enkele lus. Sequence 7.3 wordt herhaald met willekeurige ordening van pijlen tot 3 lussen zijn voltooid voor iedere eerste pijl (→, ←, of ↑). Na het voldoen aan voorwaarde 7.4, duw de manuele trigger-knop als onderwerp bereikt de ingang kegels om de overgang naar draagkracht signaleren. Onderwerp staat stil voor 30 sec en danverzamelen van gegevens wordt beëindigd door op de 'q' knop op de host-pc. 8. Arena Wandelen (2) Herschikken arena wandelroute zodat de vijf sets van IR-sensoren zijn geplaatst in een halve cirkel voor het subject (figuur 4). Begin het verzamelen van gegevens als bij de vorige proeven (7,1-7,2). Vergelijkbaar met Arena Wandelen ik, geef een handmatige trigger om te starten lopen. Ten tijde van de trekker van een 5 richtingpijlen (←, →, , Of ↑) wordt weergegeven op het scherm. Elke pijl komt overeen met een stel IR-sensoren die zijn geplaatst rond de arena (figuur 4). Het onderwerp neemt de pijl op het scherm en walks de overeenkomstige reeks infraroodsensoren, die een U-bocht rond de kegel buiten de sensors, die door de sensoren tweemaal (Figuur 4). Nadat de U-bocht, het onderwerp terug naar het beginpunt en blijft lopen. Herhaal sequence 8,3-8,4, met willekeurige ordening van pijlen, totdat 3 lussen zijn voltooid voor elke richtingspijl. Na het voldoen aan voorwaarde 8.6, druk op de knop handmatig trekker wanneer het onderwerp het startpunt om de overgang naar draagkracht signaal bereikt. Volledige verzameling van gegevens zoals in 7.5. 9. Zit naar Stand Positioneer een stoel achter het onderwerp bevindt en begint het verzamelen van gegevens als in 6,2-6,3. Het onderwerp staat stil gedurende 15 sec bij het begin van de gegevensverzameling. Na 15 seconden, druk op de knop handmatig trekker. Na het horen van cue onderwerp overgangen van stand om houding te zitten, houden zitpositie tot de volgende audio cue (drukknop). <li> Wacht een willekeurig interval (5-15 sec) en druk manuele trigger om cue geven voor gaan zitten om de overgang te staan. Staande houding wordt aangehouden tot de volgende audio cue. Herhaal 9,2-9,3 tot 10 volledige stand-aan-zitten en sit-to-stand manoeuvres zijn voltooid, waarna het onderwerp staat stil voor 15 sec. Vervolgens beëindigen dataverzameling door op 'q' knop. Herhaal de stand-aan-zitten-protocol (9,1-9,4) voor zelf-geïnitieerde stand-aan-zitten en sit-to-stand transitie. In plaats van het geven van het onderwerp een trigger om de overgang, hebben het onderwerp inleiding van de overdracht zelf hun eigen tot 10 van iedere manoeuvre is voltooid. 10. Hal Walking Plaats onderwerp en gegevensverzameling kar in het midden van de 1/8 ste mijl, rechte gang. Begin het verzamelen van gegevens als met de loopband lopen experimenten (6,2-6,4). Na de eerste 30 seconden rustperiode, geef een handmatige trigger om het lopen te initiëren. De subject loopt continu gedurende 5 minuten. Wanneer het onderwerp bereikt binnen 10 meter van de hal eind, hij / zij zelf initieert een U-bocht en blijft lopen in de tegenovergestelde richting. Eind 5 min drukt de handmatige trigger stoppen met lopen. Het onderwerp staat stil voor 30 seconden terwijl u recht vooruit. Beëindigen verzamelen van gegevens door op de 'q' knop. Beginnen aan een tweede hal experiment als in 10.1. Na een willekeurig tijdsinterval van wandelen (20-40 sec), geven een handmatige trigger-en audio cue om het onderwerp stoppen met lopen hebben. Het onderwerp blijft staan ​​voor de korte, willekeurige duur (5-15 sec). Duw de handmatige trigger om onderwerp cv wandelen hebben. Herhaal de stappen 10,5-10,7 tot 10 cycli van stop-start zijn voltooid; dataverzameling beëindigen zoals in 10.3.

Representative Results

Figuur 5 toont 10 seconden van de tijd opgesloten EEG, MARG, en EMG-gegevens geregistreerd tijdens tredmolen lopen (Protocol hoofdstuk 3). Merk op dat elke MARG senor registreert eigenlijk 9 signalen (triaxiaal magnetometers, gyroscopen en versnellingsmeters) maar alleen verticale versnelling wordt weergegeven. De ruwe gegevens in Figuur 5 bevat artefacten die voorafgaand aan de analyse en neurale decoderen moet rekening worden gehouden tijdens de voorbewerking. Voorbeelden van EEG artefacten in figuur 5 zijn ogen knippert aanwezig op ongeveer 8,5 seconde en laagfrequente bewegingsartefact overal aanwezig. Figuur 6 toont een volledige lus (~ 35 sec) van over de grond lopen in de arena walking (1) protocol. Kwalitatief gegevens van de arena op grond lopen opgedragen taken meer artefacten dan tredmolen loopt door de extra beweging van het hoofd en de nek van de patiënt tijdens het draaien. Het gezicht en schedel spieractiviteit is bijzonderularly merkbaar op de temporele elektroden (kanalen gelabeld FT en T in figuur 1) in figuur 6. Merk de toename EMG signaal activiteit vergeleken met loopband lopen (figuur 5), met name in de enkel agonist-antagonist pair. Figuur 6 toont ook gebeurtenissen van suboptimale draadloze EEG verzamelen van gegevens die moeten worden verwerkt tijdens de verwerking van gegevens. Onmiddellijk voorafgaand aan de 4 e trigger, EEG-gegevens blijkt vlakke lijnen, wat wijst op een draadloze transmissie onderbreking tussen de host-pc en de EEG-systeem. Dit gedeelte van de gegevens moet worden getrimd vanaf de volledige gegevensset (EEG, MARG, en EMG). Figuur 7 toont een cyclus stand-aan-zitten en sit-gegevens staan. Zoals met andere gegevens, bewegingsartefacten aanwezig in EEG, zowel tijdens het einde van de overgang en de kop wordt gestabiliseerd als zittend (of staand) wordt gehandhaafd. Een interval van hal lopen, waaronder stand-aan-lopen eennd walk naar stand transitie is weergegeven in figuur 8. Noteer de ramping van EMG en versnelling gegevens na de geluidssignalen te starten en te stoppen met lopen. Samenvallend met deze ramping het verschijnen en verdwijnen van bewegingsartefacten in de EEG data. Figuur 8 toont ook een suboptimale verbinding op EEG electrode PO10 die optreedt bij ongeveer 7 s. Dit probleem wordt soms waargenomen tijdens het experiment en is waarschijnlijk te wijten aan verlies van contact tussen de EEG electrode en de hoofdhuid. Elektrode PO10 moet uit de data-analyse worden verwijderd voor deze proef. Omdat EEG data kunnen worden waargenomen in real time, en de aansluiting van de EEG-elektroden wordt geverifieerd (protocol stap 6.2) vóór elk onderzoek in het protocol, kan de arme elektrodeverbinding voorafgaande verholpen worden de volgende proef. Naam Vennootschap Kwantiteit BrainAmp Amplifier Brain Producten, Gmbh 2 actiCAP EEG cap met 64 elektroden Brain Producten, Gmbh 1 Brainvision MOVE draadloos EEG-systeem Brain Producten, Gmbh 1 DATALOG MWX8 EMG data verzamelen eenheid Biometrie, Ltd 1 SX230 EMG elektroden Biometrie, Ltd 8 R506 EMG aardelektrode Biometrie, Ltd 1 Opal beweging monitor (MARG sensor) APDM, Inc 11 Opaal docking station voor draadloze data-streaming APDM, Inc 2 Opal draadloos toegangspunt APDM, Inc 2 <td> Infrarood licht Barrier Kit MK120 Velleman, Inc 5 Wixel Programmable USB draadloze module Pololu, Inc 6 Tabel 1. Apparatuur. Sensor Plaats Hoofd Midden van het voorhoofd boven de wenkbrauwen Romp Tussen de borstspieren op basis van het borstbeen Lumbaal Midden op de rug bij minimaal lumbale curve Arm 1 Zijkant van de arm, proximaal pols ~ 10% tot elleboog Dij 1 Laterale zijde van de dij; 50% tussen heup en knie Shank 1 Laterale zijde van de schacht; 75% distaal van de knie Voet 1 Gecentreerd op de wreef van de voet 1 Arm, Dij, Shank, en Voet sensoren worden bilateraal geplaatst. Tabel 2. MARG Sensor Locations. Figuur 1. Sagittal (a) en de frontale (b) weergave van een onderwerp dragen van EEG, EMG, en MARG inertiaalsensoren voor het verzamelen van gegevens. (C) Topografische weergave van EEG elektrode locaties op de hoofdhuid, uitgezet met EEGlab Matlab toolbox 14. ( d) Mobiele data verzamelen winkelwagen met host-pc, handmatige trigger, EMG Bluetooth, MARG draadloze toegangspunten, en EEG draadloze ontvanger, versterkers, en voeding.d/50602/50602fig1large.jpg "target =" _blank "> Klik hier om een grotere afbeelding te bekijken. Figuur 2. Stroomschema waarin het algoritme voor de op maat ontworpen, multi-threaded software voor het verzamelen. Klik hier om een grotere afbeelding te bekijken . Figuur 3. Schematisch (bird's eye) representatie van arena walking (1) experimenteel protocol. Een pijl (→, ←, of ↑) is gepresenteerd op de monitor als het onderwerp aan het eind van de ingang kegel s. Als rechts (→) of links (←) wordt gepresenteerd, het onderwerp volgt de rode of groene lus, respectievelijk, die door vier sets van infrarood (IR)-sensoren (IR1-IR4). Als de rechte (↑) wordt gepresenteerd, het onderwerp loopt naar de monitor (blauwe lijn), en een tweede pijl (→ of ←) wordt gepresenteerd als het onderwerp is ongeveer 1 meter voordat de IR-sensoren (IR5). Na door de sensor IR5 set, het onderwerp voltooit de lus langs de overeenkomstige (rood of groen) pad, terug naar het beginpunt. Figuur 4. Schematisch (bird's eye) representatie van arena walking (2) experimenteel protocol. Bij de start van het experiment, een enkele pijl (pload/50602/50602larrhighres.jpg "/>, , →, ←, of ↑) wordt voorgesteld om het onderwerp op de monitor. Op basis van de pijl ontvangen, het onderwerp loopt rechtstreeks met de bijbehorende reeks infraroodsensoren, gaat door de sensoren, voltooit een U-bocht rond de kegel, en keert terug naar het beginpunt (lus overeenkomt met pijl is hierboven weergegeven). Figuur 5. Steekproef van gegevens uit 10 sec van de loopband lopen. Top paneel toont 64 kanaals ruwe EEG-gegevens met de naam van het kanaal 10-20 internationale conventie. Midden paneel toont versnelling in verticale richting van 11 MARG sensors. Onderste paneel toont 8 kanaals ruwe EMG. Klik hier om een grotere afbeelding te bekijken . Figuur 6. Sample data van de ene lus (pijl naar rechts weg, figuur 3) van het lopen in de arena I protocol. EEG, versnelling en EMG-gegevens worden weergegeven als in figuur 5. Verticale zwarte balken zijn plaats van triggers ontvangen door de software. De eerste trigger is van de manuele drukknop inleiding van de lus door de presentatie van de → pijl. De volgende vier triggers van infraroodsensoren IR1-IR4 (figuur 3) als onderwerp doorkruist de lus.tp_upload/50602/50602fig6large.jpg "target =" _blank "> Klik hier om een grotere afbeelding te bekijken. Figuur 7. Sample data van stand-naar-zitten en sit-to-stand transitie. EEG, acceleratie, en EMG data wordt gepresenteerd als in figuur 5. Verticale balken geven handmatige triggers (en auditieve signalen) te initiëren staan ​​en zitten, resp. Klik hier om een grotere afbeelding te bekijken . Figuur 8. Sample data uit hal lopen toont overgang van standing aan het lopen en wandelen te staan. EEG, acceleratie, en EMG-gegevens worden weergegeven als in figuur 5. verticale balken geven handmatige triggers en audio cue om te beginnen ansd stoppen met wandelen, respectievelijk. Klik hier om een grotere afbeelding te bekijken .

Discussion

Het protocol hier gepresenteerde bundelt drie systemen voor gegevensverzameling om hersenactiviteit tegelijkertijd op te nemen, spieractiviteit, en het hele lichaam kinematica tijdens diverse locomotief taken. Voltooiing van het gehele protocol duurt ongeveer 3 uur, inclusief 1 uur van onderwerp voorbereiding. Elk systeem is gemonteerd, en beweegt met het onderwerp. Daarom is het essentieel om de verbindingen van EEG en EMG-elektroden voor het begin van elk nieuw proces controleren. Dit kan gemakkelijk worden gedaan met behulp van de software van de respectievelijke fabrikant, die gegevens kunnen worden onderzocht in real time via grafische interfaces op de host-pc. Het verzamelen van gegevens toepassing vereist deze softwarepakketten te draaien, het verificatieproces vereenvoudigen. Bovendien moet erop worden gelet dat MARG sensoren robuust zijn aan het onderwerp voor elke proef.

EEG en MARG gegevens worden draadloos via de 2,4-2,5 GHz verzondenspectrum range. Omdat vele andere elektronische apparaten gebruiken deze frequentieband, is het belangrijk de mogelijkheid van draadloze interface in het experimentele omgeving overwegen. Een cruciaal aspect van het verzamelen van gegevens is line-of-sight zicht tussen de mobiele kar en het onderwerp, die stevigheid geeft aan draadloze interferentie. Zowel de EEG draadloze ontvanger en de MARG toegangspunten (figuur 1) geven LEDs om verbinding trouw aan te geven. De host-pc en draadloze ontvangers voor EEG en MARG sensoren worden op een mobiele kar geplaatst om directe lijn van het zicht te behouden en te maximaliseren draadloze gegevensoverdracht als het onderwerp liepen over de grond. We vonden solide dataverzameling werd best onderhouden door het houden van de mobiele kar binnen 5 meter van het onderwerp, een afstand die geen beweging van het onderwerp tijdens een van de taken niet beperkten. De C + + applicatie maakt gebruik van meerdere threads voor het verzamelen van gegevens om robuustheid te bieden aan het verlies van gegevens als gevolg van onderbreking van de draadloze connection van EEG. Indien de EEG verbinding wordt verbroken, wordt MARG en EMG data nog steeds opgenomen, maar geen EEG-gegevens zullen beschikbaar zijn voor degenen tijdstippen zijn. De MARG sensoren geven op de eenheid buffering zoals hierboven besproken gegevens verlies te voorkomen bij draadloze verbinding, terwijl EMG data wordt opgeslagen op een SD-kaart in de mobiele data logging eenheid.

Een veel voorkomend probleem met het verzamelen van gegevens van het EEG tijdens het lopen is de aanwezigheid van artefact in de signalen. In grote lijnen, kunnen artefacten worden gesplitst in twee groepen: fysiologische bronnen van artefacten, waaronder knippert, oog beweging, gezichtsuitdrukking spieractiviteit, hartslag, en mechanische artefacten zoals beweging van elektroden en / of kabels tijdens experimenteel protocol uitvoeren. Artefact verwijderen is een onderwerp van lopend onderzoek, en omvat dergelijke technieken als onafhankelijke componentenanalyse 15,16 en channel-gebaseerde template regressieprocedures 17. Artefact minimaliseren en verwijderen is een cruciale stap in het preprocessing van gegevens voor neurale decodering van beweging van het lichaam. De setup hier gepresenteerde is vergelijkbaar met eerdere studies in die EEG elektrodenkabels werden gebundeld in een enkele connector. De resultaten van die onderzoeken geven aan dat mechanische artefacten als gevolg van kabel slingeren of beweging een rol speelde bij de ontcijfering van de beweging van neurale activiteit 7,8. Die resultaten worden ondersteund door andere studies die concluderen dat gait gerelateerde artefacten waren substantieel in slow tot matige loopsnelheden 17. Echter, dit experiment meet EEG tijdens activiteiten die meer beweging van het lichaam vereisen dan eerdere studies, waaronder sit-to-stand overgangen, over de grond lopen, en draaien, en dus zorgvuldig onderzoek van het ruwe EEG data moeten worden ondernomen om de potentiële identificeren vervuiling van mechanische artefacten. Maar nog niet op grote schaal beschikbaar, zouden deze potentiële problemen worden opgelost door middel van de integratie van nieuwe hardware in het huidige protocol. Dergelijke hardware incLudes actieve EEG-elektroden (gebruikt in dit protocol) en verende, droge EEG-elektroden, die potentieel voor de huid-elektrode contact impedantie tijdens beweging 18 te verbeteren. Deze technologieën worden verwerkt in draadloze EEG-systemen die het effect van beweging artefacten 19 mei verminderen. Integratie van nieuwe hardware niettegenstaande, dit protocol biedt een unieke gelegenheid om te blijven ontwikkelen van nieuwe algoritmen voor beweging en EMG artefact afwijzing omdat elk segment van het lichaam is geweest geïnstrumenteerd 16. We zijn van plan om tijdreeksen correlatie en frequentiedomein samenhang tussen de EEG, EMG, en segment beweging om robuuste artefact afwijzing paradigma van toepassing is op dit moment beschikbaar EEG opstellingen ontwikkelen bestuderen. Onze decoderen methoden hebben aangetoond robuustheid tegen artefacten 7,8; deze methoden zullen onder meer complexe scenario's in het huidige protocol worden onderzocht.

Kenmerken van opgenomen oppervlakEMG zijn afhankelijk van vele factoren en interpretatie oppervlakte EMG signalen voor het onderzoek van neurale strategieën vereist ter overweging 20. De strikte procedures voor de bereiding huid en EMG elektrodenplaatsing die in dit protocol werden ontworpen om de invloed van niet-fysiologische factoren op het oppervlak EMG signalen te minimaliseren. De amplitude en frequentie van de EMG die met dit protocol zijn betreffende netto aandrijving activiteit, en derhalve de opname moet niet worden opgevat als een directe deelname van de neurale activiteit van de gewenste spier. Maar toch, een zorgvuldige afweging van het oppervlak EMG signaal en meer geavanceerde methoden om neurale rijden om spieren te schatten door ontbindend het EMG-signaal om relatieve veranderingen in neurale activering (bijvoorbeeld door het identificeren van de ontlading tijden van motorische eenheden) te bepalen kan waardevol inzicht geven in spieractivatiepatronen 20. Bovendien, in de context van neurale decoderen, maar hersenactiviteitinvasively verworven is aangetoond informatie oppervlakte EMG 21 bevat, is nog niet bekend of scalp EEG ook worden gebruikt om de onderste ledematen spieractiviteit decoderen tijdens het lopen naast kinematica. We verwachten dat dit protocol zou ons in staat om te onderzoeken of de verminderde ruimtelijke resolutie van niet-invasieve beeldvorming van de hersenen modaliteiten voldoende is om neurale activiteit met betrekking tot de individuele spieren isoleren.

Eerdere studies hebben aangetoond haalbaarheid gebruik invasieve EEG om kinematica decoderen tijdens tredmolen loopt 7,8 gangmaker voor de ontwikkeling van hersenen machine interface (BMI) te herstellen lopen met signalen uit de hersenen. Time-domain decoderingswerkwijzen basis amplitudemodulatie van delta-band EEG signalen ook aangetoond ongevoelig artefacten te onderdelen 7,8. Toch loopband studies vinden plaats in een gecontroleerde omgeving waarin de visie en beweging van de gebruikerbeperkt, waardoor de verontreiniging van neurale activiteit door externe stimuli beperken. Door incorporatie van draadloze data logging, dit protocol maakt collectie gesynchroniseerd EEG, EMG en kinematische gegevens tijdens een verscheidenheid van motoriek taken en omgevingen. Integratie van inertiesensoren voor motion tracking vergt meer rekentijd en offline verwerking tot kinematica uitpakken dan een motion capture systeem, en de daaruit voortvloeiende maatregelen bevatten een kleine – maar acceptabel – foutmarge die niet aanwezig zouden zijn in een camera gebaseerd systeem 22. Deze beheersbare problemen zijn een noodzaak om een ​​experimenteel protocol dat mobiele studie van cognitieve-motorisch gedrag in veranderende omgevingen mogelijk maakt vast te stellen. Zoals elders 10,11 besproken, een dergelijke setup is bijna onbeperkt in de onderzoeksvragen die kunnen worden aangepakt. Onze focus in de nabije toekomst zal zijn op kwesties van cruciaal belang voor de ontwikkeling van een BMI voor rehabilitatie van staan ​​en lopen nahersenletsel en neuropathie. Een belangrijk onderdeel, zoals hierboven vermeld, zal de ontwikkeling van nieuwe robuuste decodering strategieën voor brain-machine interfaces naar revalidatie robotsystemen die fysiologische en mechanische artefacten kunnen weigeren om de beweging te herstellen met behulp van gemeten signalen uit de hersenen. Bijvoorbeeld, wordt de hal loopt protocol uitgevoerd in een openbare ruimte met andere mensen aanwezig zijn tijdens het verzamelen van gegevens, en geeft dus een test bed voor de ontwikkeling van neurale decoderingstechnieken in de natuurlijke omgeving. Andere onderzoeksvragen van belang het gebruik van dit protocol zijn revalidatie robot paradigma waarbij ritmische versus niet-ritmische looptraining, en studie van neurale activiteit te vergelijken tijdens functioneel herstel na letsel bij zowel acute als chronische fase.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit werk werd ondersteund door het Nationaal Instituut voor Neurologische Aandoeningen en Stroke (NINDS) verlenen # R01NS075889-01. Dit onderzoek werd mede ondersteund door de Intramurale Research Program van de NIH, Clinical Center. De auteurs ook bedanken Shahriar Iqbal en Yongtian Hij voor hulp bij het verzamelen van gegevens. De kosten van open access publicatie van dit artikel werd gesponsord door APDM, Inc (Portland, OR; http://apdm.com ).

Materials

Name Company Quantity
BrainAmp Amplifier Brain Products, Gmbh Quantity: 2
actiCAP EEG cap with 64 electrodes Brain Products, Gmbh Quantity:1
Brainvision MOVE wireless EEG system Brain Products, Gmbh Quantity:1
DataLOG MWX8 EMG data collection unit Biometrics, Ltd. Quantity:1
SX230 EMG electrodes Biometrics, Ltd. Quantity:8
R506 EMG ground electrode Biometrics, Ltd. Quantity:1
Opal movement monitor (MARG sensor) APDM, Inc. Quantity:11
Opal docking station for wireless data streaming APDM, Inc. Quantity:2
Opal wireless access point APDM, Inc. Quantity:2
Infrared Light Barrier Kit MK120 Velleman, Inc. Quantity:5
Wixel Programmable USB Wireless Module Pololu, Inc. Quantity:6
Table 1. Equipment

References

  1. Choi, J. T., Bastian, A. J. Adaptation reveals independent control networks for human walking. Nature Neuroscience. 10 (8), 1055-1062 (2007).
  2. Grillner, S., Wallen, P., et al. Neural bases of goal-directed locomotion in vertebrates – an overview. Brain Research Reviews. 57, 2-12 (2008).
  3. Petersen, T. H., Willerslev-Olsen, M., Conway, B. A., Nielsen, J. B. The motor cortex drives the muscles during walking in human subjects. Journal of Physiology. 590 (10), 2443-2452 (2012).
  4. Fitzsimmons, N. A., Lebedev, M. A., et al. Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity. Frontiers in Integrative Neuroscience. 3, 3 (2009).
  5. Harada, T., Miyai, I., Kubota, K. Gait capacity affects cortical activation patterns related to speed control in the elderly. Experimental Brain Research. 193 (3), 445-454 (2009).
  6. Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. Electrocortical activity is coupled to gait cycle phase during treadmill walking. Neuroimage. 54, 1289-1296 (2011).
  7. Presacco, A., Goodman, R., Forrester, L., Contreras-Vidal, J. L. Neural decoding of treadmill walking from noninvasive electroencephalographic signals. Journal of Neurophysiology. 106, 1875-1887 (2011).
  8. Presacco, A., Forrester, L. W., Contreras-Vidal, J. L. Decoding intra-limb and inter-limb kinematics during treadmill walking from scalp electroencephalographic (EEG) signals. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 20 (2), 212-219 (2012).
  9. Wagner, J., Solis-Escalante, T., et al. Level of participation in robotic-assisted treadmill walking modulates midline sensorimotor EEG rhythms in abled-bodied subjects. NeuroImage. 63, 1203-1211 (2012).
  10. Makeig, S., Gramann, K., et al. Linking brain, mind, and behavior. International Journal of Psychophysiology. 73, 95-100 (2009).
  11. Gramann, K., Gwin, J. T., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Reviews in the Neurosciences. 22, 593-608 (2011).
  12. Wilson, J. A., Schalk, G., et al. Using an EEG-based brain computer interface for virtual cursor movement with BCI2000. J. Vis. Exp. (29), e1319 (2009).
  13. Brummer, V., Schneider, S., et al. Coherence between brain cortical function and neurocognitive performance during changed gravity conditions. J. Vis. Exp. (51), e2670 (2011).
  14. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  15. Makeig, S., Bell, A. J., et al. Independent component analysis of electroencephalographic data. Advances in Neural Information Processing Systems. 8, 145-151 (1996).
  16. Rong, F., Contreras-Vidal, J. L. Magnetoencephalographic artifact identification and automatic removal based on independent component analysis and categorization approaches. Journal of Neuroscience Methods. 157, 337-354 (2006).
  17. Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. Removal of movement artifact from high-density EEG recorded during walking and running. Journal of Neurophysiology. 103, 3526-3534 (2010).
  18. Liao, L. D., Wang, I. J., Chen, S. F., Chang, J. Y., Lin, C. T. Design, fabrication, and experimental validation of a novel dry-contact sensor for measuring electroencephalography signals without skin preparation. Sensors. 11, 5819-5834 (2011).
  19. Liao, L. D., Lin, C. T., et al. Biosensor technologies for augmented brain-computer interfaces in the next decades. Proceedings of the IEEE. 100, 1553-1566 (2012).
  20. Farina, D., Merletti, R., Enoka, R. M. The extraction of neural strategies from the surface EMG. Journal of Applied Physiology. 96, 1486-1495 (2004).
  21. Flint, R. D., Ethier, C., et al. Local field potentials allow accurate decoding of muscle activity. Journal of Neurophysiology. 108, 18-27 (2012).
  22. Luinge, H. J., Veltink, P. H. Measuring orientation of human body segments using miniature gyroscopes and accelerometers. Medical & Biological Engineering & Computing. 43, 273-282 (2005).

Play Video

Cite This Article
Bulea, T. C., Kilicarslan, A., Ozdemir, R., Paloski, W. H., Contreras-Vidal, J. L. Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding. J. Vis. Exp. (77), e50602, doi:10.3791/50602 (2013).

View Video