Dra. M. D. del Castillo Grupo de Bioingeniería Centro de Automática y Robótica CSIC
82
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG ra. M. D. del Castillo rupo de Bioingeniería entro de Automática y Robótica SIC
Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG. Dra. M. D. del Castillo Grupo de Bioingeniería Centro de Automática y Robótica CSIC. Grupo de bioingeniería: neurorehabilitación. - PowerPoint PPT Presentation
TRANSCRIPT
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA
DE DATOS DE LA SENtildeAL EEG
Dra M D del CastilloGrupo de BioingenieriacuteaCentro de Automaacutetica y RoboacuteticaCSIC
bull Nuevas tecnologiacuteas y meacutetodos para la evaluacioacuten rehabilitacioacuten y compensacioacuten funcional de deacuteficits motores y cognitivos consecuencia de desoacuterdenes neuroloacutegicos
bull Estas intervenciones persiguen
(1) restaurar la funcioacuten perdida induciendo neuroplasticidad al asistir la rehabilitacioacuten
(2) sustituir la funcioacuten perdida cuando la rehabilitacioacuten no es posible a traveacutes de tecnologiacuteas proteacutesicas u orteacutesicas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
Neuroproacutetesis Motoras (MNPs)
Exoesqueletos vestibles (NeuroRobots NR)
Interaccioacuten multimodal
Modelado Computacional Cognitivo (MCC)
BCI (SNC) MMI (SNC SP)
bull Tecnologiacuteas para la intervencioacuten en Rehabilitacioacuten Neuroloacutegica
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
bull Estas tecnologiacuteas se caracterizan por
Interactuar fiacutesica y cognitivamente con las estructuras corporales y cerebrales del usuario
Obtener informacioacuten sobre la planificacioacuten y ejecucioacuten de sus movimientos y sobre sus capacidades cognitivas
MEacuteTODOS
Anaacutelisis EMG Actividad muscular en tareas funcionales o analiacuteticas
Seguimiento ocular Informacioacuten sobre capacidades cognitivas a partir del movimiento de los ojos y la mirada
Arquitecturas cognitivas Modelos de comportamiento humano realizando tareas cognitivas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
bull Nuevas tecnologiacuteas y meacutetodos para la evaluacioacuten rehabilitacioacuten y compensacioacuten funcional de deacuteficits motores y cognitivos consecuencia de desoacuterdenes neuroloacutegicos
bull Estas intervenciones persiguen
(1) restaurar la funcioacuten perdida induciendo neuroplasticidad al asistir la rehabilitacioacuten
(2) sustituir la funcioacuten perdida cuando la rehabilitacioacuten no es posible a traveacutes de tecnologiacuteas proteacutesicas u orteacutesicas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
Neuroproacutetesis Motoras (MNPs)
Exoesqueletos vestibles (NeuroRobots NR)
Interaccioacuten multimodal
Modelado Computacional Cognitivo (MCC)
BCI (SNC) MMI (SNC SP)
bull Tecnologiacuteas para la intervencioacuten en Rehabilitacioacuten Neuroloacutegica
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
bull Estas tecnologiacuteas se caracterizan por
Interactuar fiacutesica y cognitivamente con las estructuras corporales y cerebrales del usuario
Obtener informacioacuten sobre la planificacioacuten y ejecucioacuten de sus movimientos y sobre sus capacidades cognitivas
MEacuteTODOS
Anaacutelisis EMG Actividad muscular en tareas funcionales o analiacuteticas
Seguimiento ocular Informacioacuten sobre capacidades cognitivas a partir del movimiento de los ojos y la mirada
Arquitecturas cognitivas Modelos de comportamiento humano realizando tareas cognitivas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Seguimiento ocular Informacioacuten sobre capacidades cognitivas a partir del movimiento de los ojos y la mirada
Arquitecturas cognitivas Modelos de comportamiento humano realizando tareas cognitivas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Seguimiento ocular Informacioacuten sobre capacidades cognitivas a partir del movimiento de los ojos y la mirada
Arquitecturas cognitivas Modelos de comportamiento humano realizando tareas cognitivas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Seguimiento ocular Informacioacuten sobre capacidades cognitivas a partir del movimiento de los ojos y la mirada
Arquitecturas cognitivas Modelos de comportamiento humano realizando tareas cognitivas
GRUPO DE BIOINGENIERIacuteA NEUROREHABILITACIOacuteN
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull La Neurorehabilitacioacuten con base en la tecnologiacutea BCI (Brain Computer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperacioacuten funcional de personas con discapacidad motora grave
bull BCI Canal de comunicacioacuten del cerebro con el entorno y de control de dispositivos diversos para personas con problemas neuromusculares
bull Desde finales de los antildeos 90 han surgido numerosos programas de investigacioacuten en BCI impulsados por
un mayor conocimiento de la funcioacuten cerebral el bajo coste de equipos computacionales cada vez
maacutes potentes una mayor toma de conciencia de las necesidades y del
potencial de la gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los BCIs actuales
pueden determinar la intencioacuten del usuario a partir de distintas sentildeales electrofisioloacutegicas que se transforman en tiempo real en oacuterdenes de control de un dispositivo ordenador silla de ruedas TV neuroproacutetesis hellip
presentan velocidades de transferencia de informacioacuten en el rango de los 10 a los 25 bitsminuto Esta velocidad que puede ser una limitacioacuten para determinadas aplicaciones es maacutes que suficiente para ofrecer una posibilidad de comunicacioacuten a personas con discapacidad severa que no pueden beneficiarse de otros meacutetodos
para garantizar una respuesta adecuada y estable el usuario y el sistema BCI deben adaptarse entre siacute tanto inicialmente como a lo largo del tiempo
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Son muchas las enfermedades que conducen a una interrupcioacuten de la conexioacuten entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno
bull Soacutelo en USA afectan a maacutes de 2 millones de personas Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmoacutevil
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Dado que es imposible reparar la lesioacuten existen tres viacuteas para restablecer la funcionalidad
a) incrementar la capacidad de las rutas no dantildeadas entre el cerebro y el mundo usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz
b) utilizar la actividad de los muacutesculos no afectados para estimular eleacutectricamente los muacutesculos paralizados
c) construir BCIs que utilicen la informacioacuten cerebral para enviar mensajes al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
OPCIONES DE COMUNICACIOacuteN CON EL MUNDO
A El canal de comunicacioacuten normal del cerebro a la mano derecha estaacute interrumpido
B La comunicacioacuten utiliza otra viacutea como el habla
C La comunicacioacuten puede emplear el cerebro y muacutesculos no dantildeados
D El cerebro establece un canal de comunicacioacuten directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Existen distintos meacutetodos para monitorizar la actividad cerebral
electroencefalografiacutea (EEG) magnetoencefalografiacutea (MEG) tomografiacutea por emisioacuten de positrones (PET) resonancia magneacutetica funcional (fMRI) imagen oacuteptica
bull Tanto PET como MEG fMRI e imagen oacuteptica exigen una tecnologiacutea sofisticada y de cara y las tres uacuteltimas ademaacutes dependen del flujo sanguiacuteneo con unas constantes de tiempo largas lo que no les hace idoacuteneas para comunicacioacuten en tiempo real
bull EEG tiene una respuesta temporal adecuada es barata y pueden funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde que el psiquiatra alemaacuten Berger en 1929 publicoacute su trabajo sobre la relacioacuten entre la actividad electroencefalograacutefica (patrones espacio-temporales) y la realizacioacuten de determinadas funciones o estados del ser humano el EEG se ha empleado fundamentalmente
para evaluar desoacuterdenes neuroloacutegicos desde el punto de vista cliacutenico (epilepsia)
para investigar la funcioacuten cerebral en laboratorio (en estado de relajacioacuten predomina en la actividad los ritmos de 10hz)
con fines terapeacuteuticos (ensentildear a modular la sentildeal para situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
Corte vertical del cerebro que muestra las aacutereas corticales motoras en la zona roja y y las sensoriales en la zona azul Las aacutereas de la corteza motora se asocian con las funciones de las distintas partes del cuerpo y las de la corteza sensorial con la funcioacuten sensorial del cuerpo (Homuacutenculo de Penfield)
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Desde entonces hasta aquiacute se ha especulado con la posibilidad de que el EEG sirviera para desentrantildear pensamientos e intenciones posibilidad no explotada hasta hace unas deacutecadas debido a que
la cantidad de datos que subyace a la sentildeal EEG y la variabilidad exponencial de los mismos incluso realizando la misma funcioacuten impediacutean detectar la informacioacuten relevante con fiabilidad
era muy difiacutecil analizar la sentildeal en tiempo real y ademaacutes la limitada velocidad de comunicacioacuten impediacutea la aplicacioacuten en escenarios reales
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR INTRODUCCIOacuteN
bull Los avances tecnoloacutegicos cientiacuteficos y la sensibilidad social han dado un vuelco a esta situacioacuten
a) La investigacioacuten cliacutenica y baacutesica ha generado conocimiento detallado sobre las sentildeales EEG se conoce con rigor el origen de ritmos y los potenciales evocados de la sentildeal y su ubicacioacuten espacial ademaacutes de su relacioacuten con la funcioacuten cerebral De este modo es posible establecer queacute sentildeales EEG son maacutes adecuadas para usar en aplicaciones de comunicacioacuten y control
b) Desarrollo de hardware y software permite el anaacutelisis continuo de los datos recogidos por muacuteltiples electrodos
c) La mayor apreciacioacuten social de las necesidades de las personas discapacitadas ya que las teacutecnicas convencionales aumentativas no son suficientes para algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
bull Un BCI como cualquier sistema de comunicacioacuten o control recibe una entrada
la actividad electrofisioloacutegica de un sujeto produce una salida
una orden a un dispositivo mediante
un algoritmo que transforma la entrada en la salida
bull Es necesario ademaacutes un protocolo que determina la planificacioacuten temporal y estructural para recoger los datos de entrada y proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
DISENtildeO Y OPERATIVA BAacuteSICA DE CUALQUIER SISTEMA BCI
Las sentildeales del cerebro se adquieren de electrodos situados en el cuero cabelludo y se procesan para extraer caracteriacutesticas especiacuteficas de la sentildeal (medidas en los dominios de la frecuencia o del tiempo) que reflejan la intencioacuten del usuario
Estas caracteriacutesticas se trasladan a comandos que controlan un dispositivo (procesador de palabras una neuroproacutetesis o una silla de ruedas)
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADO PARTES DE UN BCI
ENTRADA
bull La creacioacuten de un nuevo canal de comunicacioacuten requiere
1) el uso de sensores adecuados que puedan medir efectivamente las caracteriacutesticas de la sentildeal cerebral que contienen la intencioacuten del usuario
2) la definicioacuten de un lenguaje que permita la interaccioacuten correcta entre usuario y el sistema de comunicacioacuten el usuario utiliza siacutembolos para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
bull Las sentildeales cerebrales se detectan mediante diferentes tipos de electrodos metaacutelicos (plata oro platino estantildeo) situados en el cuero cabelludo
bull Los electrodos miden pequentildeos potenciales eleacutectricos que reflejan la actividad de las neuronas (plusmn20microV)
bull Para detectar la deacutebil amplitud de las sentildeales es necesario amplificarlas El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
bull En la mayoriacutea de los sistemas BCI existe un electrodo de referencia comuacuten al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide)
bull La conexioacuten del electrodo al cuero cabelludo se potencia mediante un gel conductor
bull La nomenclatura y el esquema de colocacioacuten de los electrodos estaacutendar se denomina sistema internacional 10-20 En este sistema se puede trabajar con maacutes de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicacioacuten de electrodos
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
2) Sentildeal
bull No es posible detectar en la sentildeal aquello que el usuario no puede producir fiacutesicamente
La informacioacuten utilizable puede ser la actividad electrofisioloacutegica espontaacutenea que genera el sujeto o una sentildeal evocada por alguacuten estiacutemulo
bull Los dos fenoacutemenos neurofisioloacutegicos maacutes representativos y relevantes para la comunicacioacuten BCI
i) la realizacioacuten o imaginacioacuten del movimiento de determinadas partes del cuerpo tiene efectos detectables en la sentildeal cerebral ritmos sensorimotores
ii) cuando se presenta al usuario un estiacutemulo se produce una respuesta detectable en la sentildeal potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
bull La mayoriacutea de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando estaacute en reposo esto es sin realizar movimientos ni procesar informacioacuten sensorial
bull Esta oscilacioacuten localizada en el coacutertex sensorimotor o motor se conoce como ritmo mu o ritmo alfa cuando se localiza en el coacutertex visual Se cree producida por circuitos taacutelamo-corticales
bull Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz
bull Son las sentildeales asociadas con las aacutereas corticales maacutes directamente conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mubeta
A B mapas topograacuteficos 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 (liacutenea discontinua) con imaginacioacuten de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
bull Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras El movimiento la intencioacuten del mismo o su imaginacioacuten se acompantildean de un decremento en la actividad mu y beta normalmente en el hemisferio contralateral al movimiento
bull Este fenoacutemeno neurofisioloacutegico se denomina desincronizacioacuten relacionada con el evento de moverse o de intentar moverse La sincronizacioacuten fenoacutemeno opuesto tiene lugar cuando cesa el movimiento y se pasa a un estado de relajacioacuten migracioacuten de ritmos
bull Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una viacutea para comunicacioacuten BCI y constituyen la base de estos desarrollos desde los antildeos 80
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth
bull Se ensentildea 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
bull Mientras el usuario imagina el movimiento de alguna parte de su cuerpo una ecuacioacuten lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posicioacuten del cursor El usuario aprende a controlar el sistema en sesiones de 40 minutos dos veces por semana
bull La tasa de aciertos es del 95 y se comprueba moviendo el cursor para responder Siacute o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz
bull Este sistema se basa en la sincronizacioacuten y desincronizacioacuten de los ritmos mu y beta Las aplicaciones utilizan la imaginacioacuten del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopeacutedico que abre o cierra una mano paralizada
bull Se realizan series de ejercicios de imaginacioacuten de una o varias partes del cuerpo (mano pie lengua) Se analiza en el dominio de la frecuencia la sentildeal EEG entre las bandas 5-30 Hz Cada sentildeal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz
bull 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
bull Normalmente el clasificador se debe ajustar entre sesiones
bull 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
bull Este tipo de BCI puede ser de uso domeacutestico con control remoto El anaacutelisis y la actualizacioacuten del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes
bull reducir el nuacutemero de sensores (electrodos) y elaborar nuevos algoritmos de transformacioacuten de datos a comandos
bull nuevos enfoques en el aacutembito de laboratorio potenciales relacionados con movimientos voluntarios ampliando la informacioacuten del coacutertex sensorimotor con la del coacutertex motor suplementario
bull diferencias en los clasificadores obtenidos de entrenamientos siacutencronos en los que se indica al usuario cuando moverse o imaginar con respecto a entrenamientos asiacutencronos donde el usuario decide el momento de inicio del ejercicio
bull relacioacuten entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (I)
bull Ademaacutes de las respuestas cerebrales moduladas por la accioacuten o la imaginacioacuten motora existen otras sentildeales uacutetiles para la operativa de un BCI
respuesta evocada que se produce en el coacutertex parietal cuando a un sujeto se le presenta un estiacutemulo poco frecuente auditivo visual o somatosensorial
bull Esta respuesta se recoge normalmente en el coacutertex parietal a los 300ms de percibir el estiacutemulo La amplitud de este potencial es mayor en los electrodos parietales y se atenuacutea en las zonas centrales y frontales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (II)
bull Este potencial se observa cuando1) Se presenta una secuencia aleatoria de estiacutemulos2) El sujeto cuenta el nuacutemero de veces que percibe el estiacutemulo deseado3) Se calcula la amplitud de la sentildeal en el coacutertex parietal para cada estiacutemulo
bull El ejemplo maacutes conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada El usuario fija su atencioacuten en un elemento de la
matriz y cuenta el nuacutemero de veces que ha parpadeado ese elemento
Se mide la sentildeal P300 que evoca cada fila y cada columna
Tras promediar varias respuestas un programa establece queacute elemento seleccionoacute el usuario la interseccioacuten de fila y columna que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (III)
Respuesta P300 A Distribucioacuten topograacutefica del potencial P300 500 ms despueacutes del estiacutemuloB Curso temporal del voltaje registrado en el electrodo Pz para el estiacutemulo esperado (liacutenea soacutelida) o el no esperado (liacutenea discontinua)
El claacutesico 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
bull 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 deacuteficits visuales se pueden emplear estiacutemulos auditivos
bull Este tipo de BCIs no requieren entrenamiento ya que esta sentildeal se da de forma natural cuando una persona elige una opcioacuten de entre varias
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (I)
Filtrado de ruido y artefactos bull En los registros de la sentildeal EEG se detectan en ocasiones
interferencias debidas al ruido de equipos eleacutectricos en frecuencias de 50-60hz si las condiciones experimentales no son las adecuadas Por ello la mayoriacutea de los amplificadores EEG estaacuten provistos de un filtro que eliminan esas frecuencias de la sentildeal
bull 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 regioacuten frontal pero se propaga hacia otros canales atenuaacutendose El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido
bull Por uacuteltimo se encuentran los artefactos producidos por los movimientos musculares (mandiacutebula apretada) La distribucioacuten de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta La inclusioacuten de un medidor de la sentildeal electromiograacutefica en los experimentos permite detectarlos y eliminarlos
bull La amplitud de la sentildeal EEG se mueve en el rango de plusmn20microV Los artefactos introducen amplitudes de plusmn100microV
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la liacutenea eleacutectrica contaminando un canal
Artefactos por pestantildeeo
Artefactos por movimientos oculares
Artefactos por movimientos musculares
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (II)
Filtrado espacial
bull Persigue reducir el efecto de la deformacioacuten de la sentildeal 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 heterogeacuteneos Con ello se busca aumentar la calidad de la sentildeal
bull Entre los meacutetodos computacionales de filtrado espacial maacutes empleados se encuentra Anaacutelisis de Componentes Independientes (ICA) que
representa la sentildeal mediante componentes independientes estadiacutesticamente Se trata de una teacutecnica de anaacutelisis que requiere de un exhaustivo volumen de datos
Patrones Espaciales Comunes (CSP) que pondera las sentildeales procedentes de los distintos canales en funcioacuten de su capacidad para discriminar entre diferentes clases de sentildeales cerebrales
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (III)
Filtrado espacial
Referencia Media Comuacuten (CAR) que referencia la amplitud de la sentildeal 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 sentildeal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos proacuteximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (IV)
Extraccioacuten de caracteriacutesticas
bull Una vez recogida la sentildeal y eliminados los artefactos la sentildeal digitalizada se somete a un conjunto de procedimientos para extraer las caracteriacutesticas que transportan el mensaje que el usuario quiere comunicar
bull Para ello ha sido y es esencial la investigacioacuten llevada a cabo sobre los efectos que tienen en determinadas sentildeales cerebrales la realizacioacuten de determinadas tareas imaginar el movimiento de una mano se traduce en la desincronizacioacuten del ritmo mu en una posicioacuten especiacutefica del cerebro
bull Sin embargo este hecho general estaacute 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
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (V)
Extraccioacuten de caracteriacutesticas
bull El propoacutesito de la extraccioacuten de caracteriacutesticas es representar la sentildeal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral
bull 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 sentildeal 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 sentildeal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
3) Seleccioacuten de caracteriacutesticas de la sentildeal (y VI)
Extraccioacuten de caracteriacutesticas
Filtrado temporal(arriba) Dominio de la frecuencia Diferentes amplitudes de la sentildeal EEG durante imaginacioacuten de movimiento de la mano izquierda (liacutenea roja) y durante el reposo (liacutenea azul)(abajo) Distribucioacuten espacial (C4) El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La etapa siguiente a la extraccioacuten de caracteriacutesticas es la del procedimiento que traduce o transforma esas caracteriacutesticas que contienen la intencioacuten del usuario en las oacuterdenes o comandos a un dispositivo
bull El algoritmo que lo lleva a cabo puede usar meacutetodos lineales (anaacutelisis estadiacutestico claacutesico) o no lineales (bayesiano redes neuronales vectores de soporte aacuterboles de decisioacuten)
bull Cualquiera que sea su naturaleza el papel del algoritmo es el de combinar las variables independientes que representan las caracteriacutesticas de la sentildeal (frecuencia canal tiempo) en variables dependientes que representan los paraacutemetros de control del dispositivo
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
bull La sentildeal EEG como otras sentildeales electrofisioloacutegicas presenta una gran variabilidad no soacutelo entre distintos sujetos sino de un diacutea a otro en cada sujeto e incluso a lo largo del diacutea debido a factores como la fatiga los niveles hormonales las circunstancias etc
bull 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 caracteriacutesticas de su sentildeal
Si el BCI estaacute basado en ritmos mu (ritmos alfa medidos en el coacutertex sensorimotor) el algoritmo se ajusta al rango que el usuario presenta en esos ritmos Si la caracteriacutestica es la amplitud del potencial evocado P300 el sistema ha de ajustarse a los valores de esa caracteriacutestica en ese usuario
Un BCI que presente soacutelo este primer nivel de adaptacioacuten podraacute ser eficaz en el transcurso del tiempo solo si la sentildeal del usuario es muy estable
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontaacuteneas es necesario un segundo nivel de adaptacioacuten en el que estas variaciones en el rango de los valores de las caracteriacutesticas de la sentildeal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo
iii) Sin embargo un BCI realmente eficaz debe considerar no soacutelo la adaptacioacuten del algoritmo sino del cerebro que es otro sistema adaptativo al BCI
Del mismo modo que la interaccioacuten normal entre el cerebro y el mundo a traveacutes de los canales neuromusculares sanos produce cambios en el cerebro la interaccioacuten mediada por el BCI y los resultados de la accioacuten que percibe el usuario tambieacuten producen cambios en el cerebro y por ende en la sentildeal neurofisioloacutegica
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
ALGORITMO
Si la caracteriacutestica empleada es la amplitud del ritmo mu la correlacioacuten entre dicha amplitud y la intencioacuten del usuario deberiacutea incrementarse con el tiempo
Un algoritmo que incluya el tercer nivel de adaptacioacuten deberiacutea reflejar este incremento por ejemplo respondiendo maacutes raacutepidamente a la intencioacuten del usuario como forma de recompensar al usuario e involucrarle maacutes en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
SALIDA
bull En la mayoriacutea de los BCIs actuales el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la seleccioacuten en ella de objetivos letras o iconos o al movimiento de un cursor
bull La salida no soacutelo es el producto de la operacioacuten del BCI sino tambieacuten de la realimentacioacuten que recibe el usuario y por tanto de su cerebro que puede emplear para mantener o mejorar la precisioacuten y la velocidad de comunicacioacuten
bull Un campo de enorme intereacutes y proyeccioacuten actualmente es el control de dispositivos neuroroboacuteticos o neuroproteacutesicos cuya actuacioacuten provee al usuario con una realimentacioacuten que percibe en su propio cuerpo (propiocepcioacuten)
comunicacioacuten y control rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARTES DE UN BCI
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
bull Todo BCI tiene un protocolo que guiacutea su operacioacuten Esta operacioacuten tiene varios factores que es necesario definir coacutemo se enciende y se apaga el sistema si la comunicacioacuten es continua o discontinua si la transmisioacuten del mensaje la inicia el sistema (enviacutea un
estiacutemulo al usuario que evoca un potencial P300) o el usuario espontaacuteneamente (imagina un movimiento)
la secuencia y velocidad de interaccioacuten entre usuario y sistema
la realimentacioacuten que se va a dar al usuario
bull La mayoriacutea de los protocolos que se emplean en laboratorio no se adecuacutean a priori a las necesidades reales de los usuarios con discapacidades el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar
bull Las diferencias en los protocolos son las que marcan la difiacutecil transicioacuten de la investigacioacuten a la aplicacioacuten a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Aprendemos nueva informacioacuten y destrezas desde el periacuteodo de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la meacutedula espinal cambios a nivel sinaacuteptico neuronal o de red neuronal
bull El teacutermino plasticidad cerebral expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales
bull Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales cerebelosos medulares visuales y linguumliacutesticos muestran el efecto de la plasticidad unas veces de forma espontaacutenea y otras tras tratamientos de rehabilitacioacuten adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Las sentildeales EEG han tenido un uso terapeacuteutico para el tratamiento de enfermedades neuroloacutegicas (epilepsia insomnio deacuteficit de atencioacuten) o para incrementar capacidades cognitivas en poblacioacuten sana (concentracioacuten atencioacuten) conocido con el teacutermino neurofeedback
bull Este tipo de teacutecnica puede emplearse para promover la plasticidad cerebral en aacutereas asociadas a tareas motoras
bull Para una recuperacioacutenrehabilitacioacuten exitosa tras un accidente cerebro-vascular es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias
1) BCI basado en neurofeedback2) BCI basado en rehabilitacioacuten convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
1) Neurofeedback el objetivo es entrenar al paciente para que modifique determinadas caracteriacutesticas de la sentildeal EEG y las situacutee en los valores asociados a un actividad cerebral normal apoyaacutendose en la hipoacutetesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal se recuperaraacute la funcioacuten normal del sistema nervioso y el control motor mejoraraacute
BCIs basados en los ritmos sensorimotores Se extiende su aplicacioacuten de la comunicacioacuten y el control a la rehabilitacioacuten
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
2) La rehabilitacioacuten convencional de la funcioacuten motora consiste en la praacutectica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso
BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento apoyaacutendose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptiva que induce la plasticidad del sistema nervioso y conduce a la restauracioacuten del control motor normal
Dispositivo rehabilitador estimulacioacuten eleacutectrica funcional mediante electrodos de superficie o praacutectica de movimientos con un dispositivo roboacutetico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
BCI para Rehabilitacioacuten Bases Neurofisioloacutegicas
bull Los esfuerzos en investigacioacuten en rehabilitacioacuten dentro de esta segunda estrategia estaacuten empezando a dar sus primeros frutos rehabilitacioacuten activa
bull Meacutetricas que reflejen la neuroplasticidad y los cambios funcionales
bull En cualquier caso es necesario analizar en detalle factores como hasta queacute punto los pacientes tienen sentildeales cerebrales detectables para poder utilizar una o las dos estrategias queacute caracteriacutesticas de la sentildeal emplear para recuperar la funcioacuten motora y coacutemo se pueden usar de forma efectiva El valor de la tecnologiacutea BCI en la rehabilitacioacuten estaacute vinculado a la respuesta a estas preguntas
bull GBIO BCI propioceptivo
Interfaz natural respuesta del sistema en el tiempo sincronizada con las expectativas del paciente
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN DEL TEMBLOR
bull El paradigma de aplicacioacuten del BCI es el de controlar una neuroproacutetesis de miembro superior con el objeto de eliminar o cancelar el movimiento tembloroso de pacientes diagnosticados con Parkinson y con temblor esencial cuando realizan un movimiento voluntario en actividades de la vida diaria
bull El sistema propuesto realiza una monitorizacioacuten de la actividad cerebral de los pacientes mediante la adquisicioacuten de la actividad eleacutectrica EEG en la corteza y del movimiento real caracterizado con sensores de movimiento y de electromiografiacutea en la extremidad en la que se quiere reducir el temblor
bull Un sistema de estimulacioacuten eleacutectrica funcional se encarga de generar corrientes eleacutectricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la funcionalidad de los movimientos voluntarios (metodologiacutea desarrollada por GBIO)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
INSTRUMENTACIOacuteN dispositivos empleados
SENSOR INERCIAL
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
CANCELACIOacuteN TEMBLOR sin BCI
>
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
REHABILITACIOacuteN MOTORA
bull El paradigma de aplicacioacuten del BCI es construir una interfaz natural para controlar una neuroproacutetesisneurorobot para rehabilitacioacuten
bull El sistema de control de la neuroproacutetesis integra la respuesta anticipada del BCI ademaacutes de informacioacuten de otras fuentes EMG y la sentildeal procedente de sensores inerciales caracterizando el movimiento desde su planificacioacuten hasta su ejecucioacuten
bull La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
OBJETIVO
bull Desarrollar sistemas BCI que detecten la intencioacuten y el tipo de movimiento en la sentildeal EEG de un sujeto para guiar su rehabilitacioacuten que configuren una interfaz natural
capacidad para responder de acuerdo a las expectativas temporales del sujeto y a su sentildeal electrofisioloacutegica (raacutepida y soacutelo cuando es necesario)
sin necesidad de aprendizaje alguno de estrategias para controlar el dispositivo de ayuda (sin esfuerzo cognitivo)
para adaptarse a los cambios que se presenten en la sentildeal a lo largo del tiempo (precisa)
el sujeto se motiva e involucra activamente en su rehabilitacioacuten lo que se traduce en una mayor plasticidad cognitiva y neural
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
HIPOacuteTESIS
bull Es posible decodificar en la sentildeal EEG la intencioacuten de movimiento voluntario y el tipo de movimiento
Controlar la accioacuten de un dispositivo proteacutesico
APLICACIONES
1 Cancelacioacuten del temblor al realizar un movimiento voluntario Tiempos de reposo prolongados La anticipacioacuten en la deteccioacuten prepara al sistema de valoracioacuten del temblor para su intervencioacuten inmediata
2 Terapia de rehabilitacioacuten de diferentes tipos de movimientos analiacuteticos de miembro superior de pacientes de ACV Movimientos repetitivos con tiempos de reposo cortos
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
1 Deteccioacuten anticipada del movimiento voluntario o intencioacuten de movimiento basado en la identificacioacuten de la desincronizacioacuten ERD de los ritmos presentes
2 Clasificacioacuten de la intencioacuten de movimiento detectada en una clase concreta de movimiento voluntario
3 Anaacutelisis exhaustivo de la sentildeal presente mineriacutea de datos
METODOLOGIacuteA
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
1 Detector ERD personalizado (I)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
a Modelo descriptivo formado por la distribucioacuten de los valores de potencia para cada una de las caracteriacutesticas o par canal-frecuencia en las que se identifica mejor el fenoacutemeno ERD en ventanas de tiempo previas al movimiento
b Modelo predictivo bayesiano que analiza en continuo la sentildeal EEG calculando la probabilidad total a partir de la de cada par canal-frecuencia de que en la ventana de tiempo analizada se deacute el fenoacutemeno ERD y por tanto se detecte la intencioacuten de movimiento
c Los modelos caracterizan la sentildeal en el intervalo anterior al movimiento
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
1 Detector ERD personalizado (y III)
>
bull 6 sujetos sanos diestros 25-35 antildeos
bull 7 tareas para tres articulaciones (hombro codo brazo)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
bull EMG =gt 8 canales diferenciales sobre los principales grupos musculares del miembro superior que realiza la tarea
bull IMUs =gt 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
2 Clasificador de tipo de movimiento (I)
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
2 Clasificador de tipo de movimiento (II)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo descriptivo caracteriacutestico y discriminante de cada tipo de movimiento
a Conjunto de entrenamiento ejemplos de los distintos tipos de movimientos etiquetados con su clase (tarea)
b Extraccioacuten de caracteriacutesticas
bull Valores de la densidad espectral de potencia en los canales disponibles en intervalos de frecuencia de 2Hz para cada canal y en distintas ventanas de tiempo con respecto al inicio del movimiento
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
2 Clasificador de tipo de movimiento (III)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
c Seleccioacuten de caracteriacutesticas teacutecnicas de mineriacutea de datos para extraer el conjunto oacuteptimo de caracteriacutesticas (canal-frecuencia-ventana de tiempo) asociado a cada tipo de movimiento propio de cada sujeto
bull medidas de la teoriacutea de la informacioacuten (chi-square ganancia de informacioacuten frecuencia informacioacuten mutua) y caacutelculo de correlaciones
ordenacioacuten de caracteriacutesticas por su capacidad informativa con respecto a la clase objetivo y eliminacioacuten de las irrelevantes
bull meacutetodo combinado- Algoritmo geneacutetico (nuacutemero maacuteximo de caracteriacutesticas
seleccionadas100)- Ajuste de la eficacia obtenida con un clasificador Bayesiano- Validacioacuten cruzada tomando el 75 de la muestra para
entrenamiento
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
2 Clasificador de tipo de movimiento (y IV)
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Modelo predictivo clasificador bayesiano multiclase que calcula la probabilidad que tiene una ventana de muestreo de pertenecer a una clase de movimiento representada de acuerdo al conjunto oacuteptimo de caracteriacutesticas del modelo descriptivo
bull Clasificacioacuten continua de la sentildeal en tiempo real cada125 ms
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Asynchronous BCI-switch
MovementIntention
Asynchronous BCI-classifier of kind of
movement
Which movement
IMUsEMG online characterization of the
movements
Anticipated information on the patientrsquos attempted
movement
[prob-mov (clase_mov conf)]
bull Salida del BCI al sistema de control del dispositivo
probabilidad de movimiento (clase movimiento confianza)
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
BCI adaptativo
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
bull Integracioacuten con otros dispositivos (EMG IMU) BNI MMI
realimentacioacuten sobre aciertos y fallos que permite adaptar los modelos descriptivos del detector y del clasificadorbull curvas de probabilidad de las caracteriacutesticasbull umbrales de probabilidad y de confianza
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (I)
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
bull Los canales maacutes discriminantes para las tareas son los frontales frontocentrales y centrales tanto contralaterales como ipsilaterales al movimiento
bull Las frecuencias maacutes relevantes se distribuyen homogeacuteneamente por las bandas alfa y beta destacando la zona alta de la banda beta (23-30Hz)
bull La participacioacuten de canales tanto contralaterales como ipsilaterales indica que la funcioacuten motora en sujetos sanos se recoge en ambos hemisferios y no soacutelo en el contralateral al miembro dominante anaacutelisis de la sentildeal en los sujetos ACV puede contribuir a la construccioacuten de un BCI para controlar la realizacioacuten de diferentes ejercicios de rehabilitacioacuten
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
Resultados deteccioacuten y clasificacioacuten (y II)
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
Actualmente
bull Propuesta de un nuevo protocolo para rehabilitacioacuten en ACV
mejorar la anticipacioacutenreducir las falsas activacionesconducir el entrenamiento del BCI de cada sujeto
mediante sus ritmos endoacutegenos y no mediante eventos externos asincroniacutea
bull Experimentacioacuten con pacientes
bull Integracioacuten de nuevas sentildeales Potenciales lentos (1-4 Hz) relacionados con la anticipacioacuten del movimiento
bull Otros algoritmos de clasificacioacuten vectores de soporte aacuterboles de clasificacioacuten vecino maacutes cercano
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
PARAacuteLISIS CEREBRAL
bull El principal objetivo es desarrollar y validar una plataforma roboacutetica que sirva de apoyo a las terapias de rehabilitacioacuten post-quiruacutergica y reduzca el tiempo de rehabilitacioacuten de pacientes con paraacutelisis cerebral controlada por una interfaz multimodal que integra informacioacuten procedente del SNP y del SNC en la estrategia de rehabilitacioacuten
bull Estudios neurofisioloacutegicos e Interfaz multimodal (BNMI) Estudiar la evolucioacuten temporal de la sentildeal EEG realizando
rehabilitacioacuten pasiva EEG como indicador de los efectos de la terapia de rehabilitacioacuten en
mediciones perioacutedicas aparicioacuten o migracioacuten de ritmos evolucioacuten de potenciales hellip
BCI para control de rehabilitacioacuten con patrones extraiacutedos del movimiento pasivo
BCI para que la imaginacioacuten o intencioacuten de movimiento controle el movimiento de un avatar Entrenamiento cognitivo
Seguimiento ocular Sensores emocionales
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
METODOLOGIacuteA PARA LA CONSTRUCCIOacuteN DE BCIS ORIENTADOS A LA REHABILITACIOacuteN
SENtildeAL EFERENT
E DANtildeADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Esta aplicacioacuten se sustenta en la hipoacutetesis de que las conexiones sinaacutepticas que determinan la capacidad de la memoria de trabajo estaacuten gobernadas por las mismas leyes de plasticidad que caracterizan otras partes del cerebro
bull La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante tareas cognitivas despueacutes del entrenamiento es decir cambios en el comportamiento cognitivo
bull La edad parece limitar la capacidad plaacutestica del cerebro
bull La memoria de trabajo (WM) representa la capacidad de informacioacuten retenida durante periacuteodos breves de tiempo y determina en gran medida sus aptitudes para el razonamiento y la resolucioacuten de problemas
bull El objetivo del estudio llevado a cabo en este proyecto es el de identificar los correlatos neuronales y los cambios neuropsicoloacutegicos derivados del entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull Grupo de entrenamiento y grupo de control
Valoracioacuten neuropsicoloacutegica
bull Tarea sobre la memoria de trabajo en la que cada participante del grupo de entrenamiento
Determina (fase de recuerdo) tras un pequentildeo intervalo de tiempo (fase de consolidacioacuten) si una figura o cara estaba entre un grupo de dos o tres elementos presentados anteriormente (fase de codificacioacuten)
Sesioacuten semanal durante 6 semanas modificando la dificultad cognitiva (nuacutemero de elementos a recordar colores gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
1) Correlatos neuronales del entrenamiento
bull Se analiza la evolucioacuten de la sentildeal EEG en las fases de codificacioacuten y consolidacioacuten a lo largo de las sesiones empleando teacutecnicas de mineriacutea de datos
diferencias estadiacutesticamente significativas en todas las bandas de frecuencia entre diferentes sesiones y diferentes niveles de dificultad en todos los canales
bull Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las respuestas correctas para la respuesta afirmativa SIacute y la respuesta negativa NO encontraacutendose diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
2) Mejoras en el comportamiento
bull Se analiza la evolucioacuten de los tiempos de respuesta en la fase de recuerdo
diferencias estadiacutesticamente significativas entre diferentes sesiones y diferentes niveles de dificultad
bull Se analiza la repercusioacuten en los tests neuropsicoloacutegicos encontrando correlaciones entre las diferencias
pre y post tests y los cambios en las amplitudes en las bandas de frecuencia del grupo de entrenamiento
pre y post tests del grupo de control y del grupo de entrenamiento
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIOacuteN MOTORA Y COGNITIVA MINERIacuteA DE DATOS DE LA SENtildeAL EEG
COGNICIOacuteN
bull La base electrofisioloacutegica de los BCIs que hemos desarrollado hasta el momento en el aacutembito motor nos ha conducido al estudio de la aplicacioacuten de esta estrategia para el aacutembito cognitivo empleando la sentildeal electroencefalograacutefica como indicador de plasticidad neural y los tests neuropsicoloacutegicos como indicadores de la plasticidad cognitiva
bull En un futuro se podraacuten concebir intervenciones de entrenamiento estimulacioacuten o rehabilitacioacuten cognitiva mediadas por BCIs
Integrando la sentildeal EEG y los paraacutemetros conductuales el sujeto podriacutea guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
bull Las aplicaciones praacutecticas de los BCIs dependen fundamentalmente de su velocidad y precisioacuten Actualmente es posible controlar entornos sencillos (luces TV) para respuestas binarias (siacute-no) y para procesar palabras a una media de 1-2 palabras por minuto
bull En aplicaciones con mayor riesgo como una silla de ruedas o una neuroproacutetesis se puede sacrificar la velocidad a expensas de la precisioacuten es decir de minimizar el nuacutemero de errores
bull El futuro de la investigacioacuten en BCI pasa por la colaboracioacuten multidisciplinar neurobiologiacutea computacioacuten comunicaciones matemaacuteticas ingenieriacutea y psicologiacutea
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
FUTURO EN BCI
bull Los retos a los que se enfrenta el progreso en esta aacuterea implican la investigacioacuten en aacutembitos como
Funcioacuten cerebral normal o con patologiacuteas Valorar la capacidad cognitiva y de otros factores
emocionales y psicoloacutegicos de los usuarios para el manejo de un BCI muchas de las patologiacuteas que impiden el control muscular conllevan peacuterdidas de ritmos neuronales
Integracioacuten del uso del BCI con otras actividades de la vida cotidiana
Hasta ahora los experimentos en laboratorio requieren que el usuario concentre toda su atencioacuten en el funcionamiento del BCI protocolos siacutencronos
Valorar el funcionamiento del sistema y la respuesta del usuario
Eliminacioacuten de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
FUTURO EN BCI
Caracteriacutesticas de la sentildeal mejora de la tasa de seleccioacuten (los ritmos SMR permiten seleccionar
entre 4 o maacutes opciones cada 2-3 s) correlacioacuten con la intencioacuten del usuario personalizacioacuten- la sentildeal no es un canal de salida natural del cerebro sino artificial y
creado por el BCI involucrar otras partes del sistema nervioso si existe dantildeo cerebral y no es posible encontrar las caracteriacutesticas buscadas en la sentildeal
Aceptacioacuten del dispositivo por parte del usuario (usabilidad)- Esteacutetica independencia mantenimiento o ajustes del sistema
Sistemas BCI de propoacutesito general para investigacioacuten y desarrollo BCI2000 abierto y documentado de propoacutesito general con cuatro
procesos adquisicioacuten y almacenamiento de sentildeal extraccioacuten de caracteriacutesticas y transformacioacuten a comandos de control control de dispositivos y protocolos operativos
INTERFAZ CEREBRO-COMPUTADOR
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (2)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (3)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (4)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (5)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (6)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (2)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (3)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (4)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (5)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (6)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (7)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (8)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (9)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (10)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (11)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (12)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (13)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (14)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (15)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (16)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (17)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (18)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (19)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (20)
Metodologiacutea para la construccioacuten de BCIs orientados a la rehab (21)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (8)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (9)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (10)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (11)
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit (12)
Interfaz Cerebro-Computador
Interfaz Cerebro-Computador (2)
Interfaz Cerebro-Computador (3)
Interfaz Cerebro-Computador (4)
fin
Bibliografiacutea
1 A Practical Guide to BrainndashComputer Interfacing with BCI2000 General-Purpose Software for BrainndashComputer Interface Research Data Acquisition Stimulus Presentation and Brain Monitoring Springer-Verlag London Limited 20102 Wolpaw JR Burbaumer N McFarland DJ Pfurtscheller G Vaughan TM ldquoBrain-computer interfaces for communication and controlrdquo Clinical Neurophysiology 113 767-791 20023 Daly JJ Wolpaw JR ldquoBrain-computer interfaces in neurological rehabilitationrdquo Lancet Neurology 7 1032-1043 20084 del Castillo MD Serrano JI Ibaacutentildeez J Barrios L ldquoMetodologiacutea para la creacioacuten de una interfaz cerebro-computador aplicada a la identificacioacuten de la intencioacuten de movimientordquo Revista Iberoamericana de Automaacutetica e Informaacutetica Industrial 8(2) 93-102 20115 del Castillo MD Serrano JI Ibaacutentildeez J ldquoMetodologiacutea para la construccioacuten de BCIs orientados a la rehabilitacioacutenrdquo Actas 4ordm Simposio CEA Bioingenieriacutea 57-63 20126 Gallego JA Ibaacutentildeez J Dideriksen JL Serrano JI del Castillo MD Farina D Rocon E ldquoA Multimodal HRI to drive a Neuroprosthesis for Tremor Managementrdquo IEEE Transactions on Systems Man and Cybernetics--Part C Applications and Reviews 42(6) 1159-1168 20126 Klingberg T ldquoTraining and plasticiy of working memoryrdquo Trends in Cognitive Science 14 317-324 2010
Los graacuteficos de caraacutecter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas asiacute como de algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de
Bioingenieriacutea
INTERFAZ CEREBRO-COMPUTADOR
FIN
Dra M D del CastilloDr J I SerranoDr A Iglesias
J IbaacutentildeezJ Oliva
Interfaz Cerebro-Computador para rehabilitacioacuten motora y cognit
Grupo de bioingenieriacutea neurorehabilitacioacuten
Grupo de bioingenieriacutea neurorehabilitacioacuten (2)
Grupo de bioingenieriacutea neurorehabilitacioacuten (3)
Grupo de bioingenieriacutea neurorehabilitacioacuten (4)
