El Fin Del Conocimiento - Vault 3 - G.TEC BCI & Neurotecnología Escuela de Primavera 2024 - Día 2

graph LR classDef present fill:#f9d4d4, font-weight:bold, font-size:14px classDef hse fill:#d4f9d4, font-weight:bold, font-size:14px classDef solutions fill:#d4d4f9, font-weight:bold, font-size:14px classDef talk fill:#f9f9d4, font-weight:bold, font-size:14px classDef brain fill:#f9d4f9, font-weight:bold, font-size:14px classDef harpool fill:#d4f9f9, font-weight:bold, font-size:14px classDef challenges fill:#f9d4d4, font-weight:bold, font-size:14px A["Alex Ossadtchi"] --> B["Alex: charla sobre TMS en
la escuela de BCI de Christoph. 1"] A --> C["Alex en la Escuela Superior
de Economía, Rusia. 2"] C --> D["Equipo: ML para sensores
magnéticos compactos del cerebro. 3"] A --> E["Rastrear el cerebro para el procesamiento
basado en el estado. 4"] E --> F["Ritmos cerebrales: contexto de procesamiento,
estados excitatorios/inhibitorios. 5"] F --> G["Los ritmos afectan la percepción, atención,
memoria, lenguaje, sincronización. 6"] F --> H["Estados cerebrales transitorios: influyen
en motor, memoria, simultaneidad. 7"] F --> I["Debate: los ritmos impactan
comportamiento/cognición. 8"] F --> J["Se necesitan herramientas: estudiar el complejo,
jerárquico, rítmico cerebro. 9"] A --> K["Ciclo cerrado: los retrasos dificultan
el seguimiento preciso de fase. 10"] K --> L["Retrasos de filtrado: se necesitan
algoritmos en tiempo real. 11"] A --> M["HARPOOL: seguimiento de oscilaciones
EEG de ultra baja latencia. 12"] M --> N["Funciona en EEG, en tiempo real,
activa en fases. 13"] M --> O["Seguimiento de espacio de estado supera
modelado autorregresivo. 14"] M --> P["HARPOOL: espacio de estado, 1/f
ruido, en tiempo real. 15"] M --> Q["Fase y amplitud importantes:
espacio de estado calcula ambos. 16"] M --> R["Validado con simulaciones, datos,
fantasmas: modula MEPs. 17"] M --> S["Mapeo cortical de músculos con TMS:
la fase afecta MEPs. 18"] S --> T["Fases excitatorias: representaciones motoras
de músculos espacialmente desentrelazadas. 19"] M --> U["Permite exploración de redes TMS,
diagnósticos, mapeo, TACS, neurofeedback. 20"] A --> V["Desafíos: seguimiento corazón/cerebro, bobinas TMS,
resolución EEG. 21"] V --> W["Futuro: EEG de alta densidad, modelado inverso/
directo para resolución. 22"] V --> X["Variabilidad de fantasma TMS: usar
sujetos con ritmo sensorimotor. 23"] V --> Y["Modelado para EEG/TMS óptimo:
refinar configuración de fantasma. 24"] V --> Z["HARPOOL: agregar condición corazón-cerebro
para reducir variabilidad. 25"] V --> AA["HARPOOL para fNIRS, fMRI-EEG
neurofeedback: se necesitan hipótesis. 26"] A --> AB["Mapeo de habla ECOG: alinear
pasivo/activo mediante ML. 27"] AB --> AC["Palabras pronunciadas decodificadas: imaginadas
habla falló hasta ahora. 28"] AB --> AD["Electrodos precisos cruciales: límites legales
dificultan reclutamiento. 29"] A --> AE["Alex, Christoph: colaborar más,
reunirse cuando sea posible. 30"] class A,B,AE present class C,D hse class E,F,G,H,I,J brain class K,L,M,N,O,P,Q,R,S,T,U,Z harpool class V,W,X,Y,AA,AB,AC,AD challenges

Resumen:

1.-Alex presentó sobre la activación precisa de experimentos TMS para aplicaciones médicas en la escuela BCI organizada por Christoph.

2.-Alex trabaja en la Escuela Superior de Economía en Rusia, que se ha convertido en una gran universidad con varios departamentos.

3.-El equipo de Alex desarrolla soluciones de aprendizaje automático para analizar datos de sensores compactos y móviles de campos magnéticos alrededor del cerebro.

4.-La charla se centró en rastrear lecturas cerebrales con precisión para determinar cómo el cerebro procesa información externa según su estado.

5.-Los ritmos cerebrales (alfa, theta, delta, beta, gamma) determinan el contexto del cerebro para procesar información y reflejan estados excitatorios/inhibitorios.

6.-Los estudios muestran que los ritmos cerebrales influyen en la percepción, atención, memoria, lenguaje; la sincronización de regiones cerebrales es clave para la comunicación.

7.-Los estados cerebrales son transitorios; los potenciales evocados motores, el rendimiento de la memoria y los juicios de simultaneidad son modulados por las fases de oscilación cerebral.

8.-Algunos estudios cuestionan si la actividad rítmica influye en el comportamiento/cognición; el cerebro es no lineal y cambia en pequeñas escalas de tiempo.

9.-Se necesitan herramientas adecuadas para estudiar los sistemas funcionales complejos y jerárquicos del cerebro que cambian rítmicamente a diferentes ritmos.

10.-En sistemas de ciclo cerrado, los retrasos desde el procesamiento de datos EEG hasta la generación de estímulos dificultan el seguimiento preciso de la fase de las oscilaciones cerebrales.

11.-La filtración para extraer ritmos causa retrasos en la salida; se necesitan nuevos algoritmos para eliminar retrasos y trabajar en sistemas en tiempo real.

12.-El equipo de Alex desarrolló un sistema de hardware de ultra baja latencia (HARPOOL) para rastrear estados oscilatorios del cerebro en un dispositivo EEG.

13.-HARPOOL funciona en el procesador del dispositivo EEG, evita transferencias de datos a PC, trabaja en tiempo real y activa estímulos en fases objetivo.

14.-El seguimiento de espacio de estado usando filtros de Kalman y modelado de ruido de observación supera los enfoques anteriores de modelado autorregresivo hacia adelante.

15.-HARPOOL extiende el seguimiento de espacio de estado, modela el ruido cerebral 1/f y se implementa en un dispositivo EEG para el seguimiento de fase en tiempo real.

16.-Tanto la fase como la amplitud de la oscilación son importantes; los enfoques de espacio de estado permiten el cálculo eficiente de la amplitud y fase instantáneas.

17.-HARPOOL fue validado con simulaciones, datos reales y experimentos con fantasmas; mostró la modulación esperada de los potenciales evocados motores.

18.-HARPOOL se utilizó para el mapeo de representación muscular cortical con TMS; las fases inhibitorias produjeron potenciales evocados motores más débiles.

19.-Las fases excitatorias revelaron representaciones musculares espacialmente desentrelazadas en la corteza motora en comparación con la estimulación agnóstica de fase o inhibitoria.

20.-HARPOOL permite la exploración de redes cerebrales TMS, diagnósticos y mapeo eficiente; también puede guiar la fase TACS y el neurofeedback.

21.-Persisten desafíos, incluyendo la combinación del seguimiento de la actividad del corazón y el cerebro, la posición de las bobinas TMS y las limitaciones de resolución espacial del EEG.

22.-El EEG de alta densidad con hasta 1024 electrodos, combinado con el modelado inverso/directo, puede mejorar la resolución espacial en el futuro.

23.-Los experimentos de fantasma TMS del equipo tuvieron cierta variabilidad; planean usar sujetos con ritmos sensorimotores pronunciados para el refinamiento.

24.-El modelado puede ayudar a determinar la altura óptima de los electrodos EEG para TMS; pelar la piel de la sandía puede mejorar su configuración de fantasma.

25.-La interacción corazón-cerebro puede incorporarse como una condición adicional en HARPOOL para reducir la variabilidad en el seguimiento del estado cerebral.

26.-El enfoque HARPOOL podría funcionar para neurofeedback EEG compatible con fNIRS y fMRI, pero se necesitan hipótesis para este último.

27.-El equipo de Alex está trabajando en el mapeo del habla basado en ECOG, alineando los resultados del mapeo cortical pasivo y activo usando aprendizaje automático.

28.-Lograron una precisión razonable al decodificar palabras pronunciadas a partir de datos ECOG pre-habla, pero fallaron con el habla imaginada hasta ahora.

29.-La colocación precisa de electrodos es crucial para la decodificación del habla imaginada; las limitaciones legales en Rusia dificultan el reclutamiento óptimo de sujetos.

30.-A pesar de las dificultades de viaje, Alex y Christoph esperan colaborar más y reunirse en persona cuando las circunstancias lo permitan.

Vault de Conocimiento construido porDavid Vivancos 2024