El Fin Del Conocimiento - Vault 3 - G.TEC BCI & Neurotecnología Escuela de Primavera 2024 - Día 4 - Maria Antonia Piedrahita, Patrick Reitner

graph LR classDef main fill:#f9d4d4, font-weight:bold, font-size:14px classDef wireless fill:#d4f9d4, font-weight:bold, font-size:14px classDef fnirs fill:#d4d4f9, font-weight:bold, font-size:14px classDef eeg fill:#f9f9d4, font-weight:bold, font-size:14px classDef experiments fill:#f9d4f9, font-weight:bold, font-size:14px classDef analysis fill:#d4f9f9, font-weight:bold, font-size:14px classDef challenges fill:#f9d4d4, font-weight:bold, font-size:14px classDef future fill:#d4f9d4, font-weight:bold, font-size:14px A["Registros inalámbricos de EEG
y fNIRS"] --> B["gTech Colombia presenta registros
inalámbricos de EEG/fNIRS. 1"] A --> C["fNIRS: neuroimagen no invasiva
con luz infrarroja cercana. 2"] C --> D["Acoplamiento neurovascular, cromóforos, propiedades
del tejido cruciales para fNIRS. 3"] D --> E["La actividad neuronal aumenta el flujo
sanguíneo, concentración de HBO. 4"] D --> F["HBO, HBR tienen diferentes
espectros de absorción infrarroja cercana. 5"] C --> G["fNIRS utiliza fuentes en el cuero cabelludo,
detectores formando canales. 6"] G --> H["Canales cortos miden capas superficiales,
largos miden la corteza. 7"] C --> I["fNIRS de onda continua mide
intensidad de luz, usa Beer-Lambert. 8"] C --> J["La señal de fNIRS contiene respuesta
hemodinámica, ruido fisiológico. 9"] C --> K["Respuesta promedio de HBO: caída inicial,
pico, retorno a la línea base. 10"] A --> L["EEG/fNIRS: información complementaria, mejorada
resolución espaciotemporal, mejora BCI. 11"] A --> M["Tres sistemas inalámbricos de EEG/fNIRS
presentados con software. 12"] A --> N["Experimento: ejecución motora, agarre
de mano derecha, EEG/fNIRS sobre corteza motora. 13"] N --> O["Datos grabados, sincronizados vía
LSL para análisis en tiempo real. 14"] N --> P["Calidad de señal verificada antes
del experimento: EEG, fNIRS. 15"] N --> Q["Paradigma alterna descanso, tarea
con señales visuales. 16"] N --> R["Visualización en tiempo real en MATLAB monitorea
señales EEG/fNIRS, disparadores, filtrado. 17"] A --> S["Análisis offline en MATLAB:
filtrado EEG, ERD/ERS, promediado fNIRS. 18"] S --> T["fNIRS: aumento de HBO, disminución
de HBR en corteza motora contralateral. 19"] S --> U["EEG: ERD en corteza
motora durante el agarre. 20"] A --> V["EEG/fNIRS aprovecha fortalezas complementarias:
resolución temporal, localización espacial. 21"] A --> W["Desafíos de fNIRS: obstrucción del cabello,
atenuación de señal, optodos con resorte. 22"] A --> X["Neurotecnología emergente en Colombia,
América Latina, potencial de crecimiento. 23"] A --> Y["Paradigmas típicos de fNIRS: 10s
línea base, 20-25s ventana post-estímulo. 24"] A --> Z["Artefactos comunes de fNIRS: cardíacos,
respiración, ondas de Mayer, movimiento. 25"] A --> AA["Demostración en vivo muestra potencial
real de EEG/fNIRS, desafíos. 26"] A --> AB["Futuro: mejorando calidad de señal,
análisis robusto, ampliando aplicaciones. 27"] A --> AC["Preguntas abiertas: paradigmas óptimos,
eliminación de artefactos, interpretación de acoplamiento neurovascular. 28"] A --> AD["Colaboración avanza el campo, traduce
hallazgos en soluciones neurotecnológicas. 29"] A --> AE["Entrenamiento práctico construye habilidades,
impulsa innovación neurotecnológica global. 30"] class A main class B,L,M,V,W,X,AA wireless class C,D,E,F,G,H,I,J,K,T,Y,Z fnirs class N,O,P,Q,R experiments class S,U analysis class AB,AC,AD,AE future

Resumen:

1.- Maria Antonia Piedrahita de gTech Colombia presenta sobre registros inalámbricos de EEG y fNIRS.

2.- fNIRS es una técnica de neuroimagen no invasiva que utiliza luz infrarroja cercana para medir cambios en las concentraciones de hemoglobina oxigenada y desoxigenada.

3.- El acoplamiento neurovascular, los cromóforos de interés (HBO y HBR) y las propiedades del tejido biológico son importantes para entender fNIRS.

4.- La actividad neuronal aumenta el flujo sanguíneo y la concentración de HBO en regiones cerebrales activas debido al acoplamiento neurovascular.

5.- HBO y HBR tienen diferentes espectros de absorción en el rango infrarrojo cercano; el tejido biológico es relativamente transparente a esta luz.

6.- fNIRS utiliza fuentes y detectores colocados en el cuero cabelludo; se crean canales con una fuente y un detector.

7.- Los canales de separación corta miden capas superficiales; los canales de separación larga miden actividad cortical más profunda.

8.- fNIRS de onda continua ilumina el tejido y mide la intensidad de luz transmitida, que se convierte en concentración usando la ley de Beer-Lambert modificada.

9.- La señal medida de fNIRS contiene la respuesta hemodinámica y otros componentes de ruido fisiológico como pulsaciones cardíacas y respiración.

10.- La respuesta promedio de HBO muestra una caída inicial, un pico alrededor de 8 segundos, luego regresa a la línea base; HBR disminuye o se mantiene constante.

11.- La combinación de EEG y fNIRS proporciona información complementaria, mejora la resolución espaciotemporal y puede mejorar las interfaces cerebro-computadora.

12.- Se presentan tres sistemas inalámbricos de EEG/fNIRS: g.Nautilus con g.HIamp/NIRx NIRSport2, g.Nautilus con Artinis Brite, integrados con el software respectivo.

13.- Configuración del experimento: paradigma de ejecución motora con agarre de mano derecha; 32 electrodos de EEG y 8 canales de fNIRS sobre la corteza motora.

14.- Los datos se registran utilizando el software de adquisición de cada sistema, sincronizados a través de Lab Streaming Layer (LSL) para visualización y análisis en tiempo real.

15.- Se verifica la calidad de la señal para EEG (impedancia, ruido, ondas alfa) y fNIRS (calidad del canal, acoplamiento al cuero cabelludo) antes de comenzar el experimento.

16.- El paradigma experimental alterna entre períodos de descanso y tarea, con señales visuales que indican cuándo realizar el agarre de mano.

17.- La visualización de datos en tiempo real en MATLAB/Simulink permite monitorear señales de EEG y fNIRS, activación, filtrado y promediado.

18.- Análisis offline en MATLAB con scripts personalizados o gHiSys Analyze procesa datos de EEG (filtrado, activación, ERD/ERS) y fNIRS (filtrado, activación, promediado).

19.- Los resultados de fNIRS muestran aumento de HBO y disminución de HBR en canales de la corteza motora contralateral durante el agarre de mano derecha.

20.- El análisis de tiempo-frecuencia de EEG revela desincronización relacionada con eventos (ERD) en electrodos de la corteza motora durante el agarre de mano.

21.- La combinación de EEG y fNIRS aprovecha sus fortalezas complementarias: alta resolución temporal de EEG y mejor localización espacial de fNIRS.

22.- Los desafíos con fNIRS incluyen obstrucción del cabello y atenuación de señal en piel más oscura; técnicas como adelgazamiento del cabello y optodos con resorte pueden ayudar.

23.- La neurotecnología aún está emergiendo en Colombia y América Latina, con potencial de crecimiento e impacto en aplicaciones de salud neurológica y mental.

24.- Los paradigmas típicos de fNIRS utilizan una línea base de 10 segundos y una ventana post-estímulo de 20-25 segundos para capturar la respuesta hemodinámica más lenta.

25.- Los artefactos comunes de fNIRS incluyen pulsación cardíaca, respiración, ondas de Mayer, cambios de presión arterial y movimiento; los canales de separación corta pueden ayudar a eliminarlos.

26.- Esta demostración en vivo, a pesar de condiciones subóptimas, muestra el potencial y los desafíos de los experimentos de EEG/fNIRS en el mundo real.

27.- Las direcciones futuras incluyen mejorar la calidad de la señal, desarrollar métodos de análisis robustos y expandir aplicaciones en neurociencia básica y clínica.

28.- Quedan preguntas abiertas sobre el diseño óptimo de paradigmas, eliminación de artefactos e interpretación del acoplamiento neurovascular en varias poblaciones y condiciones.

29.- Los esfuerzos de colaboración entre investigadores, clínicos y socios de la industria pueden avanzar en el campo y traducir hallazgos en soluciones neurotecnológicas impactantes.

30.- Las oportunidades de entrenamiento práctico como esta demostración son valiosas para desarrollar habilidades prácticas e impulsar la innovación en la comunidad neurotecnológica global.

Vault de Conocimiento construido porDavid Vivancos 2024