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

graph LR classDef gtec fill:#f9d4d4, font-weight:bold, font-size:14px classDef tools fill:#d4f9d4, font-weight:bold, font-size:14px classDef demo fill:#d4d4f9, font-weight:bold, font-size:14px classDef clinical fill:#f9f9d4, font-weight:bold, font-size:14px classDef research fill:#f9d4f9, font-weight:bold, font-size:14px A["Martin Walchshofer"] --> B["Walchshofer presenta la suite g.tec
biosignal 1"] A --> C["Suite: herramientas de investigación
auto-actualizables 2"] C --> D["Herramientas: simulador, grabador,
utilidades MATLAB 3"] C --> E["APIs: C#, Python,
MATLAB, licencias 4"] A --> F["Demo: configuración, adquisición,
procesamiento, análisis 5"] F --> G["Configuración del gorro en
colega Michael 6"] F --> H["Modelo Simulink adquiere
datos EEG 7"] H --> I["Filtros eliminan ruido,
limitan rango 8"] I --> J["Datos filtrados muestran
parpadeos, artefactos 9"] I --> K["Análisis espectral revela
pico alfa 10"] H --> L["Extracción de potencia de banda
de un solo canal 11"] L --> M["Gráficas de alcance de potencias
de banda extraídas 12"] F --> N["Datos en bruto registrados
en archivo 13"] F --> O["Capa de transmisión envía
datos 14"] O --> P["Aplicación de consola recibe
flujo EEG 15"] F --> Q["Análisis fuera de línea en
gBS Analyze 16"] Q --> R["Filtro de paso de banda limpia
datos cargados 17"] Q --> S["Recorte, escalado para
visibilidad EEG 18"] Q --> T["Filtro de muesca, señalización de
canales malos 19"] A --> U["gRecorder: manejo clínico
fácil de datos 20"] U --> V["Filtros limpian datos
ruidosos de gRecorder 21"] V --> W["Parpadeos, artefactos visibles
en gRecorder 22"] A --> X["Adquisición de datos de investigación
paralela gHIsys 23"] X --> Y["gHIsys filtra, visualiza
ambos flujos 24"] Y --> Z["Datos de investigación limpios
junto a clínicos 25"] X --> AA["gHIsys transmite para
VR 26"] A --> AB["Bluetooth limita transmisión
de dispositivos g.tec 27"] A --> AC["EEG capacitivo enfrenta
desafíos de electrodos 28"] U --> AD["Datos de gRecorder pueden
transmitirse 29"] A --> AE["g.tec se une a muchas
colaboraciones de investigación 30"] class A,B,AB,AC,AE gtec class C,D,E tools class F,G,H,I,J,K,L,M,N,O,P,Q,R,S,T demo class U,V,W,AD clinical class X,Y,Z,AA research

Resumen:

1.-Martin Walkshofer, un desarrollador de software en g.tec, presenta la suite g.tec para manejar amplificadores de señales biológicas, procesamiento en tiempo real y análisis fuera de línea.

2.-La suite g.tec incluye varias herramientas de investigación que pueden actualizarse automáticamente, algunas requieren licencias y otras están disponibles gratuitamente.

3.-Las herramientas incluyen un simulador eléctrico funcional, grabador para uso médico, creador de montajes, herramientas MATLAB para conversión de datos y análisis fuera de línea.

4.-Las APIs están disponibles para C#, .NET, Python, MATLAB y herramientas de estímulos visuales. Las licencias activan/desactivan el acceso a ciertas funciones profesionales.

5.-Martin demostrará la configuración de un experimento, adquisición de datos, preprocesamiento, extracción de características, transmisión de datos entre aplicaciones y análisis fuera de línea.

6.-Usando un gorro a base de gel con electrodos de pin seco en su colega Michael, Martin inicia un nuevo modelo Simulink en MATLAB.

7.-Añade un bloque de amplificador para adquirir datos del gorro conectado y visualiza la señal EEG en bruto en un osciloscopio.

8.-Filtros de muesca a 50Hz y 60Hz eliminan el ruido de la línea eléctrica. Un filtro de paso de banda de 2-30Hz limita los datos al rango EEG.

9.-Un segundo osciloscopio muestra los datos EEG filtrados. Se pueden ver parpadeos, dientes apretados y ondas alfa con los ojos cerrados.

10.-El análisis espectral revela un pico alfa alrededor de 10Hz. Configurar la adquisición de datos y el preprocesamiento básico tomó alrededor de 10 minutos.

11.-Martin separa un solo canal y calcula las características de potencia de banda para los rangos de frecuencia delta, theta, alfa y beta.

12.-Un tercer osciloscopio traza las potencias de banda extraídas. La potencia alfa aumenta visiblemente cuando el sujeto cierra los ojos.

13.-Los datos en bruto se registran en un archivo. La configuración completa para adquisición, preprocesamiento, extracción de características y grabación tomó alrededor de 15 minutos.

14.-Se añade una interfaz de Capa de Transmisión de Laboratorio para transmitir los datos EEG en bruto a otra aplicación para un procesamiento adicional.

15.-Se muestra una aplicación de consola simple recibiendo el flujo EEG para demostrar la separación de la adquisición/procesamiento de fondo de la GUI de frontend.

16.-A continuación, Martin demuestra la carga del archivo EEG guardado en la caja de herramientas de procesamiento fuera de línea gBS Analyze de MATLAB.

17.-En gBS Analyze, elimina el canal de marca de tiempo, diseña y aplica un filtro de paso de banda Butterworth de 2-30Hz para limpiar los datos.

18.-Se cortan los primeros 10 segundos que contienen artefactos del filtro. La amplitud se escala a ±100 µV para una buena visibilidad EEG.

19.-Un filtro de muesca de 50Hz limpia aún más el ruido en un canal. Las métricas de calidad de la señal señalan un par de canales potencialmente malos.

20.-En un entorno clínico, la aplicación compilada gRecorder permite una fácil visualización, filtrado y grabación de datos sin programación.

21.-Conectándose al amplificador en gRecorder, el EEG en bruto sin filtrar es muy ruidoso. Aplicar un filtro de muesca de 50Hz y un paso de banda de 2-30Hz lo limpia.

22.-Los parpadeos oculares, artefactos musculares y ondas alfa son visibles en el EEG clínico filtrado. Los datos pueden luego guardarse en disco.

23.-Mientras se graba en gRecorder, se configura un experimento de investigación paralelo en gHIsys usando su bloque de adquisición de datos remota.

24.-El modelo gHIsys aplica filtros y visualiza tanto los datos en bruto de gRecorder como el EEG de grado de investigación adicionalmente filtrado.

25.-Los parpadeos oculares, EMG y alfa son visibles en ambos flujos, con datos de grado de investigación más limpios. Esta configuración paralela tomó solo minutos.

26.-Los modelos gHIsys no pueden exportar directamente a sistemas embebidos, pero pueden transmitir datos para combinar con, por ejemplo, VR en otras aplicaciones.

27.-Hasta 2 dispositivos g.tec pueden transmitir en una PC antes de que se alcancen los límites de Bluetooth. Varias PC pueden fusionar más flujos.

28.-El EEG capacitivo aún enfrenta desafíos con el tamaño de los electrodos, la interferencia y el blindaje en comparación con los electrodos a base de gel en contacto cercano con la piel.

29.-Aunque no existe un SDK abierto para hardware personalizado en gRecorder, sus datos pueden transmitirse a otras aplicaciones a través de API.

30.-g.tec participa activamente en alrededor de 15 proyectos de investigación internacionales en cualquier momento dado con aproximadamente 100 socios en total.

Bóveda de Conocimiento construida porDavid Vivancos 2024