El Fin Del Conocimiento - Bóveda 3 - G.TEC BCI & Neurotecnología Escuela de Primavera 2024 - Día 1

graph LR classDef experiments fill:#f9d4d4, font-weight:bold, font-size:14px classDef devices fill:#d4f9d4, font-weight:bold, font-size:14px classDef eeg fill:#d4d4f9, font-weight:bold, font-size:14px classDef fes fill:#f9f9d4, font-weight:bold, font-size:14px classDef tms fill:#f9d4f9, font-weight:bold, font-size:14px classDef closedLoop fill:#d4f9f9, font-weight:bold, font-size:14px A["Alexander Lechner"] --> B["diseño de experimentos
de bucle cerrado. 1"] A --> C["GE StimFES: estimulación muscular
ajustable. 2"] C --> D["FES: certificada, operada por batería,
estimulación programable. 3"] A --> E["16 electrodos EEG: actividad
del córtex motor. 4"] E --> F["amplificador gHIamp: grabación EEG
de 256Hz. 5"] D --> G["electrodos FES: contracción muscular
del flexor de la muñeca. 6"] A --> H["MATLAB/Simulink: procesamiento EEG,
modelo de clasificación. 7"] E --> I["40 ensayos: movimiento imaginado de
mano izquierda/derecha. 8"] E --> J["Análisis offline: patrones espaciales,
script de clasificación. 9"] J --> K["88% de precisión lograda,
algunos artefactos rechazados. 10"] H --> L["Clasificador optimizado importado,
control FES en tiempo real. 11"] L --> M["Modo de retroalimentación: movimiento
imaginado correcto desencadena FES. 12"] L --> N["Retroalimentación visual: movimiento
imaginado sostenido requerido. 13"] L --> O[">80% de precisión efectiva,
precisión menor frustrante. 14"] A --> P["EEG desencadena TMS para
estimular el cerebro. 15"] P --> Q["Modelo Simulink de TMS:
desencadenador de potencia de banda EEG. 16"] Q --> R["EEG de 4800Hz, detección de
alfa frontal/occipital. 17"] R --> S["Umbral de potencia alfa
desencadena pulso TMS. 18"] Q --> T["gStimbox envía desencadenador
a la máquina TMS. 19"] P --> U["Artefactos de estimulación:
20ms de retraso post-TMS. 20"] P --> V["Umbral de potencia alfa: estimulación
de bucle cerrado sin clasificador. 21"] D --> W["Seguridad FES: límite de corriente,
verificación de impedancia. 22"] D --> X["Evitar estimulación dolorosa,
efectos mínimos en la piel. 23"] D --> Y["Sesiones FES de 30-40min,
beneficios de retroalimentación sensorial. 24"] A --> Z["Enfoque multimodal EEG+fNIRS,
respuesta fNIRS más lenta. 25"] B --> AA["5000+ inscritos: interés significativo
en interfaz cerebro-computadora. 26"] A --> AB["Retroalimentación de estimulación refuerza
actividad cerebral deseable. 27"] E --> AC["Movimiento imaginado decodificado por EEG
controla estimulación muscular. 28"] A --> AD["Estimula el cerebro en bucle cerrado
modula actividad neural. 29"] A --> AE["MATLAB/Simulink: procesamiento EEG flexible
control de hardware. 30"] class A,AA,AB,AC,AD,AE closedLoop class B experiments class C,D,W,X,Y fes class E,F,I,J,K,Z eeg class G,H,L,M,N,O devices class P,Q,R,S,T,U,V tms

Resumen:

1.-Alex Lechner de GTEC explica cómo diseñar experimentos de bucle cerrado grabando EEG y usando estimulación eléctrica y TMS para retroalimentación.

2.-El dispositivo GE StimFES se usa para estimular músculos, con parámetros ajustables como corriente, duración de fase y características del tren de pulsos.

3.-El dispositivo FES está certificado médicamente y funciona con batería. Proporciona advertencias para alta impedancia y permite programar patrones de estimulación personalizados.

4.-16 electrodos EEG activos se colocan sobre el córtex motor para registrar la actividad cerebral mientras el sujeto imagina movimientos de la mano izquierda/derecha.

5.-El amplificador gHIamp se usa para grabar EEG a 256 Hz con un electrodo de referencia y filtros opcionales para visualización.

6.-Los electrodos FES se colocan sobre los músculos flexores de la muñeca. La corriente se incrementa gradualmente hasta que se produce una contracción muscular visible.

7.-Se utiliza un modelo MATLAB/Simulink para procesar los datos EEG, calcular filtros espaciales y características, y aplicar un clasificador.

8.-El sujeto realiza 40 ensayos de movimiento imaginado de la mano izquierda/derecha durante 4 segundos cada uno mientras se graba el EEG.

9.-Los datos grabados se analizan offline usando un script de patrones espaciales comunes y clasificación para evaluar el rendimiento del sujeto.

10.-Se logra una precisión de clasificación del 88%, con algunos ensayos rechazados debido a artefactos. Una clase puede desempeñarse mejor que la otra.

11.-El clasificador optimizado se importa al modelo Simulink. Emite una señal para controlar el dispositivo FES en tiempo real.

12.-En modo de retroalimentación, el FES solo se activa cuando el clasificador EEG detecta que el sujeto está imaginando el movimiento de mano correcto.

13.-La retroalimentación visual muestra la salida del clasificador en tiempo real. El sujeto debe mantener el movimiento imaginado para activar el FES.

14.-Se logra un control efectivo con una precisión de clasificación superior al 80%. Una precisión menor puede ser frustrante para el sujeto.

15.-El EEG también se puede usar para activar otros dispositivos como la estimulación magnética transcraneal (TMS) para estimular directamente el cerebro.

16.-Se utiliza un modelo Simulink diferente para el experimento de bucle cerrado de TMS. Calcula la potencia de banda EEG para activar la estimulación.

17.-El modelo utiliza una tasa de muestreo EEG más alta de 4800 Hz y canales adicionales frontal/occipital para detectar actividad alfa.

18.-La potencia de la banda alfa de un electrodo sobre el córtex visual se compara con un umbral ajustable para activar el pulso TMS.

19.-Siempre que la potencia alfa supera el umbral, se envía un desencadenador desde el dispositivo gStimbox a la máquina TMS.

20.-Los artefactos de estimulación aparecen en la señal EEG inmediatamente después de cada pulso TMS con un retraso de aproximadamente 20 ms.

21.-Esta configuración permite la estimulación cerebral de bucle cerrado sin necesidad de entrenar un clasificador EEG, usando el umbral de potencia alfa.

22.-El dispositivo FES tiene características de seguridad para evitar la sobre-estimulación, como limitar la corriente máxima y verificar la impedancia del electrodo.

23.-Se debe evitar la estimulación dolorosa. Puede aparecer algo de enrojecimiento bajo los electrodos, pero la piel no se daña.

24.-El FES se utiliza típicamente en sesiones de 30-40 minutos para rehabilitación. La retroalimentación sensorial del FES puede ayudar a mejorar el equilibrio y la marcha.

25.-El EEG se puede combinar con otras señales como fNIRS para un enfoque multimodal, pero fNIRS tiene un tiempo de respuesta más lento.

26.-Más de 5000 personas se registraron para este taller en línea, demostrando un interés significativo en este enfoque y aplicaciones de interfaz cerebro-computadora.

27.-La estimulación se puede usar para proporcionar retroalimentación en tiempo real para "cerrar el bucle" y reforzar patrones de actividad cerebral deseables.

28.-El movimiento imaginado se puede decodificar del EEG y usar para controlar la estimulación muscular para restaurar funciones motoras perdidas.

29.-La estimulación cerebral directa puede modular las oscilaciones neuronales y la actividad en una región objetivo. El bucle cerrado permite una estimulación adaptativa y receptiva.

30.-MATLAB/Simulink proporciona una plataforma flexible para implementar el procesamiento EEG en línea y controlar hardware externo para experimentos de bucle cerrado.

Bóveda del Conocimiento construida porDavid Vivancos 2024