Descargar

Interfaz Cerebro-Computador (página 2)

Enviado por Pablo Turmero


Partes: 1, 2, 3
edu.red

ENTRADA

La creación de un nuevo canal de comunicación requiere:

el uso de sensores adecuados que puedan medir efectivamente las características de la señal cerebral que contienen la intención del usuario

la definición de un lenguaje que permita la interacción correcta entre usuario y el sistema de comunicación: el usuario utiliza símbolos para construir un mensaje y el sistema entiende el mensaje

edu.red

1) Sensores

Las señales cerebrales se detectan mediante diferentes tipos de electrodos metálicos (plata, oro, platino, estaño) situados en el cuero cabelludo

Los electrodos miden pequeños potenciales eléctricos que reflejan la actividad de las neuronas (±20µV)

Para detectar la débil amplitud de las señales es necesario amplificarlas. El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos

En la mayoría de los sistemas BCI, existe un electrodo de referencia común al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)

La conexión del electrodo al cuero cabelludo se potencia mediante un gel conductor

La nomenclatura y el esquema de colocación de los electrodos estándar se denomina sistema internacional 10-20. En este sistema se puede trabajar con más de 70 electrodos ubicados en posiciones preestablecidas

edu.red

1) Sensores

Esquema 10-20 de ubicación de electrodos

edu.red

2) Señal

No es posible detectar en la señal aquello que el usuario no puede producir físicamente:

La información utilizable puede ser la actividad electrofisiológica espontánea que genera el sujeto o una señal evocada por algún estímulo

Los dos fenómenos neurofisiológicos más representativos y relevantes para la comunicación BCI

la realización o imaginación del movimiento de determinadas partes del cuerpo tiene efectos detectables en la señal cerebral: ritmos sensorimotores

cuando se presenta al usuario un estímulo, se produce una respuesta detectable en la señal: potencial evocado P300

edu.red

i) Ritmos Sensorimotores (I)

La mayoría de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando está en reposo, esto es, sin realizar movimientos ni procesar información sensorial

Esta oscilación localizada en el córtex sensorimotor o motor se conoce como ritmo mu, o ritmo alfa cuando se localiza en el córtex visual. Se cree producida por circuitos tálamo-corticales

Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz

Son las señales asociadas con las áreas corticales más directamente conectadas con los canales normales de la salida motora del cerebro

edu.red

i) Ritmos Sensorimotores (II)

Ejemplo de ritmos mu/beta.

A, B: mapas topográficos de la diferencia entre la densidad de potencia EEG calculada para movimientos reales de la mano derecha y para reposo (A) y la diferencia entre movimientos imaginados de la mano derecha y reposo (B) en una banda de frecuencia de 3Hz centrada en 12 Hz.

C: Cambios en el voltaje en diferentes frecuencias en la corteza sensorimotora izquierda comparando descanso (línea discontinua) con imaginación de movimiento

edu.red

i) Ritmos Sensorimotores (III)

Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras. El movimiento, la intención del mismo o su imaginación se acompañan de un decremento en la actividad mu y beta, normalmente en el hemisferio contralateral al movimiento

Este fenómeno neurofisiológico se denomina desincronización relacionada con el evento de moverse o de intentar moverse. La sincronización, fenómeno opuesto, tiene lugar cuando cesa el movimiento y se pasa a un estado de relajación: migración de ritmos

Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una vía para comunicación BCI y constituyen la base de estos desarrollos desde los años 80

edu.red

i) Ritmos Sensorimotores (IV)

Grupo Wadsworth:

Se enseña a la gente con o sin problemas motores a controlar la amplitud de los ritmos mu y beta con el fin de mover y controlar un cursor en una o dos dimensiones y dirigirlo hacia un objetivo en una pantalla Mientras el usuario imagina el movimiento de alguna parte de su cuerpo, una ecuación lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posición del cursor. El usuario aprende a controlar el sistema en sesiones de 40 minutos, dos veces por semana La tasa de aciertos es del 95% y se comprueba moviendo el cursor para responder Sí o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas

edu.red

i) Ritmos Sensorimotores (V)

Grupo Graz:

Este sistema se basa en la sincronización y desincronización de los ritmos mu y beta. Las aplicaciones utilizan la imaginación del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopédico que abre o cierra una mano paralizada

Se realizan series de ejercicios de imaginación de una o varias partes del cuerpo (mano, pie, lengua). Se analiza en el dominio de la frecuencia la señal EEG entre las bandas 5-30 Hz. Cada señal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento

edu.red

i) Ritmos Sensorimotores (VI)

Grupo Graz:

El clasificador se puede usar en sesiones posteriores para trasladar los movimientos imaginados dando una salida continua, como el movimiento de un cursor o una barra vertical que aumenta o disminuye su altura, o una salida discreta, como seleccionar una letra

Normalmente, el clasificador se debe ajustar entre sesiones

En 6-7 sesiones de entrenamiento se consigue una tasa de acierto del 90% y es apropiado para usar por el 90% de la gente

Este tipo de BCI puede ser de uso doméstico con control remoto. El análisis y la actualización del clasificador se hace en laboratorio

edu.red

i) Ritmos Sensorimotores (y VII)

Progreso sobre estas dos corrientes:

reducir el número de sensores (electrodos) y elaborar nuevos algoritmos de transformación de datos a comandos nuevos enfoques en el ámbito de laboratorio: potenciales relacionados con movimientos voluntarios ampliando la información del córtex sensorimotor con la del córtex motor suplementario diferencias en los clasificadores obtenidos de entrenamientos síncronos, en los que se indica al usuario cuando moverse o imaginar, con respecto a entrenamientos asíncronos, donde el usuario decide el momento de inicio del ejercicio relación entre movimientos simples y combinados

edu.red

ii) Potencial evocado P300 (I)

Además de las respuestas cerebrales moduladas por la acción o la imaginación motora, existen otras señales útiles para la operativa de un BCI:

respuesta evocada que se produce en el córtex parietal cuando a un sujeto se le presenta un estímulo poco frecuente auditivo, visual o somatosensorial

Esta respuesta se recoge normalmente en el córtex parietal a los 300ms de percibir el estímulo. La amplitud de este potencial es mayor en los electrodos parietales y se atenúa en las zonas centrales y frontales

edu.red

ii) Potencial evocado P300 (II)

Este potencial se observa cuando: 1) Se presenta una secuencia aleatoria de estímulos 2) El sujeto cuenta el número de veces que percibe el estímulo deseado 3) Se calcula la amplitud de la señal en el córtex parietal para cada estímulo

El ejemplo más conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada: El usuario fija su atención en un elemento de la matriz y cuenta el número de veces que ha parpadeado ese elemento Se mide la señal P300 que evoca cada fila y cada columna Tras promediar varias respuestas, un programa establece qué elemento seleccionó el usuario: la intersección de fila y columna que produce el P300 con mayor amplitud

edu.red

ii) Potencial evocado P300 (III)

Respuesta P300 A: Distribución topográfica del potencial P300 500 ms después del estímulo B: Curso temporal del voltaje registrado en el electrodo Pz para el estímulo esperado (línea sólida) o el no esperado (línea discontinua) El clásico paradigma para deletrear una palabra basado en P300. Las filas y las columnas de la matriz parpadean aleatoriamente y la que contiene la letra buscada evoca un potencial

edu.red

ii) Potencial evocado P300 (y IV)

Un BCI basado en P300 puede servir para construir un procesador de palabras y frases. Normalmente, estos BCIs producen 5 letras por minuto. Para personas con déficits visuales, se pueden emplear estímulos auditivos

Este tipo de BCIs no requieren entrenamiento ya que esta señal se da de forma natural cuando una persona elige una opción de entre varias

edu.red

3) Selección de características de la señal (I)

Filtrado de ruido y artefactos

En los registros de la señal EEG se detectan en ocasiones interferencias debidas al ruido de equipos eléctricos, en frecuencias de 50-60hz, si las condiciones experimentales no son las adecuadas. Por ello, la mayoría de los amplificadores EEG están provistos de un filtro que eliminan esas frecuencias de la señal Otro tipo de ruido procede de los parpadeos o de los movimientos oculares. Este efecto se registra como un pico positivo de amplitud en la región frontal pero se propaga hacia otros canales atenuándose. El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido Por último, se encuentran los artefactos producidos por los movimientos musculares (mandíbula apretada). La distribución de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta. La inclusión de un medidor de la señal electromiográfica en los experimentos permite detectarlos y eliminarlos La amplitud de la señal EEG se mueve en el rango de ±20µV. Los artefactos introducen amplitudes de ±100µV

edu.red

Filtrado de ruido y artefactos

Ruido de 60 Hz debido a la línea eléctrica contaminando un canal Artefactos por pestañeo Artefactos por movimientos oculares Artefactos por movimientos musculares

edu.red

3) Selección de características de la señal (II)

Filtrado espacial

Persigue reducir el efecto de la deformación de la señal desde la zona del cerebro en la que se produce hasta que es capturada por los electrodos a su paso por un conjunto de tejidos heterogéneos. Con ello se busca aumentar la calidad de la señal

Entre los métodos computacionales de filtrado espacial más empleados se encuentra: Análisis de Componentes Independientes (ICA), que representa la señal mediante componentes independientes estadísticamente. Se trata de una técnica de análisis que requiere de un exhaustivo volumen de datos

Patrones Espaciales Comunes (CSP), que pondera las señales procedentes de los distintos canales en función de su capacidad para discriminar entre diferentes clases de señales cerebrales

edu.red

3) Selección de características de la señal (III)

Filtrado espacial

Referencia Media Común (CAR), que referencia la amplitud de la señal de cada electrodo a la media de todos ellos

Laplaciano, que calcula en cada instante de tiempo de medida y para cada electrodo, la diferencia entre el valor de la amplitud de la señal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos próximos que le rodean

edu.red

3) Selección de características de la señal (IV)

Extracción de características

Una vez recogida la señal y eliminados los artefactos, la señal digitalizada se somete a un conjunto de procedimientos para extraer las características que transportan el mensaje que el usuario quiere comunicar

Para ello, ha sido y es esencial la investigación llevada a cabo sobre los efectos que tienen en determinadas señales cerebrales la realización de determinadas tareas: imaginar el movimiento de una mano se traduce en la desincronización del ritmo mu en una posición específica del cerebro

Sin embargo, este hecho general está sometido a numerosas contingencias. La primera de ellas es que depende de cada sujeto. La segunda, depende del momento o estado del sujeto:

Elegir, por ejemplo, el ritmo mu para construir un BCI implica seleccionar para cada sujeto la tarea, las frecuencias, los canales y las ventanas temporales que mejor codifican ese ritmo

edu.red

3) Selección de características de la señal (V)

Extracción de características

El propósito de la extracción de características es representar la señal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral

Los dos posibles dominios son el temporal y el de la frecuencia:

en el dominio temporal se encuentra la amplitud de los potenciales evocados P300 (voltaje de la señal a lo largo del tiempo)

en el dominio de la frecuencia, la densidad de potencia de los ritmos sensorimotores (cuadrado de la amplitud de la señal para cada frecuencia)

edu.red

3) Selección de características de la señal (y VI)

Extracción de características

Filtrado temporal: (arriba) Dominio de la frecuencia: Diferentes amplitudes de la señal EEG durante imaginación de movimiento de la mano izquierda (línea roja) y durante el reposo (línea azul) (abajo) Distribución espacial (C4): El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta

edu.red

ALGORITMO

La etapa siguiente a la extracción de características es la del procedimiento que traduce o transforma esas características, que contienen la intención del usuario, en las órdenes o comandos a un dispositivo

El algoritmo que lo lleva a cabo puede usar métodos lineales (análisis estadístico clásico) o no lineales (bayesiano, redes neuronales, vectores de soporte, árboles de decisión)

Cualquiera que sea su naturaleza, el papel del algoritmo es el de combinar las variables independientes que representan las características de la señal (frecuencia, canal, tiempo) en variables dependientes que representan los parámetros de control del dispositivo

edu.red

ALGORITMO

La señal EEG, como otras señales electrofisiológicas, presenta una gran variabilidad no sólo entre distintos sujetos, sino de un día a otro en cada sujeto e incluso a lo largo del día debido a factores como la fatiga, los niveles hormonales, las circunstancias, etc.

Los algoritmos pueden adaptarse al usuario en tres niveles:

i) Cuando el usuario utiliza por primera vez un BCI, el algoritmo se adapta a las características de su señal

Si el BCI está basado en ritmos mu (ritmos alfa medidos en el córtex sensorimotor), el algoritmo se ajusta al rango que el usuario presenta en esos ritmos. Si la característica es la amplitud del potencial evocado P300, el sistema ha de ajustarse a los valores de esa característica en ese usuario Un BCI que presente sólo este primer nivel de adaptación podrá ser eficaz en el transcurso del tiempo solo si la señal del usuario es muy estable

Partes: 1, 2, 3
 Página anterior Volver al principio del trabajoPágina siguiente