Transcript Presentación trabajos hechos para desarrollo del sistema de BCI en

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
• Nuevas tecnologías y métodos para la evaluación, rehabilitación y
compensación funcional de déficits motores y cognitivos
consecuencia de desórdenes neurológicos
• Estas intervenciones persiguen:
(1) restaurar la función perdida induciendo neuroplasticidad al asistir
la rehabilitación
(2) sustituir la función perdida cuando la rehabilitación no es posible a
través de tecnologías protésicas u ortésicas
GRUPO DE BIOINGENIERÍA: NEUROREHABILITACIÓN
• Tecnologías para la intervención en Rehabilitación Neurológica:
 Neuroprótesis Motoras (MNPs)
 Exoesqueletos vestibles (NeuroRobots,
NR)
 Interacción multimodal
 Modelado Computacional
Cognitivo (MCC)
 BCI (SNC), MMI (SNC, SP)
GRUPO DE BIOINGENIERÍA: NEUROREHABILITACIÓN
• Estas tecnologías se caracterizan por:
 Interactuar física y cognitivamente con las estructuras corporales y
cerebrales del usuario
 Obtener información sobre la planificación y ejecución de sus
movimientos y sobre sus capacidades cognitivas
GRUPO DE BIOINGENIERÍA: NEUROREHABILITACIÓN
MÉTODOS:
 Análisis EMG. Actividad muscular en tareas funcionales o analíticas
 Análisis EEG. Planificación de movimentos, capacidades cognitivas
(memoria, función ejecutiva, atención)
 Seguimiento ocular. Información sobre capacidades cognitivas a partir
del movimiento de los ojos y la mirada
 Arquitecturas cognitivas. Modelos
realizando tareas cognitivas
de
comportamiento
humano
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• La Neurorehabilitación con base en la tecnología BCI (Brain Computer
Interface) puede ayudar a mejorar la calidad de vida y facilitar la
recuperación funcional de personas con discapacidad motora grave
• BCI: Canal de comunicación del cerebro con el entorno y de control
de dispositivos diversos para personas con problemas neuromusculares
• Desde finales de los años 90 han surgido numerosos programas de
investigación en BCI impulsados por:
 un mayor conocimiento de la función cerebral
 el bajo coste de equipos computacionales cada vez más
potentes
 una mayor toma de conciencia de las necesidades y del potencial de la
gente discapacitada
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Los BCIs actuales:
 pueden determinar la intención del usuario a partir de distintas señales
electrofisiológicas que se transforman en tiempo real en órdenes de
control de un dispositivo: ordenador, silla de ruedas,TV, neuroprótesis, …
 presentan velocidades de transferencia de información en el rango de los
10 a los 25 bits/minuto. Esta velocidad, que puede ser una limitación para
determinadas aplicaciones, es más que suficiente para ofrecer una
posibilidad de comunicación a personas con discapacidad severa que no
pueden beneficiarse de otros métodos
 para garantizar una respuesta adecuada y estable, el usuario y el sistema
BCI deben adaptarse entre sí tanto inicialmente como a lo largo del
tiempo
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Son muchas las enfermedades que conducen a una interrupción de la
conexión entre el cerebro y los canales neuromusculares que impiden a
un sujeto comunicarse e interaccionar con su entorno:





Esclerosis
Accidente Cerebro Vascular (ictus, derrame)
Parálisis Cerebral
Parkinson
Lesión Medular
• Sólo en USA afectan a más de 2 millones de personas. Algunas de estas
lesiones dan lugar a personas encerradas en un cuerpo inmóvil
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Dado que es imposible reparar la lesión, existen tres vías para restablecer
la funcionalidad:
a)
incrementar la capacidad de las rutas no dañadas 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 músculos no afectados para estimular
eléctricamente los músculos paralizados
c)
construir BCIs que utilicen la información cerebral para enviar mensajes
al mundo exterior
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
OPCIONES DE COMUNICACIÓN CON EL MUNDO:
A: El canal de comunicación normal del cerebro a la mano derecha está interrumpido
B: La comunicación utiliza otra vía como el habla
C: La comunicación puede emplear el cerebro y músculos no dañados
D: El cerebro establece un canal de comunicación directo con un dispositivo o la mano (BCI)
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Existen distintos métodos para monitorizar la actividad cerebral:





electroencefalografía (EEG)
magnetoencefalografía (MEG)
tomografía por emisión de positrones (PET)
resonancia magnética funcional (fMRI)
imagen óptica.
• Tanto PET como MEG, fMRI e imagen óptica exigen una tecnología
sofisticada y de cara y las tres últimas, además, dependen del flujo
sanguíneo con unas constantes de tiempo largas lo que no les hace
idóneas para comunicación en tiempo real
• EEG tiene una respuesta temporal adecuada, es barata y pueden
funcionar en cualquier entorno
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Desde que el psiquiatra alemán Berger en 1929 publicó su trabajo
sobre la relación entre la actividad electroencefalográfica (patrones
espacio-temporales) y la realización de determinadas funciones o
estados del ser humano, el EEG se ha empleado fundamentalmente:
 para evaluar desórdenes neurológicos desde el punto de vista
clínico (epilepsia)
 para investigar la función cerebral en laboratorio (en estado de
relajación, predomina en la actividad los ritmos de 10hz)
 con fines terapéuticos (enseñar a modular la señal para
situarla en los rangos de normalidad)
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
Corte vertical del cerebro que muestra las
áreas corticales motoras en la zona roja y y
las sensoriales en la zona azul. Las áreas de
la corteza motora se asocian con las
funciones de las distintas partes del cuerpo
y las de la corteza sensorial con la función
sensorial del cuerpo (Homúnculo de
Penfield)
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
• Desde entonces hasta aquí se ha especulado con la posibilidad de
que el EEG sirviera para desentrañar pensamientos e intenciones,
posibilidad no explotada hasta hace unas décadas debido a que:
 la cantidad de datos que subyace a la señal EEG y la variabilidad
exponencial de los mismos, incluso realizando la misma función,
impedían detectar la información relevante con fiabilidad
 era muy difícil analizar la señal en tiempo real y, además, la
limitada velocidad de comunicación impedía la aplicación en
escenarios reales
INTERFAZ CEREBRO-COMPUTADOR: INTRODUCCIÓN
•
Los avances tecnológicos, científicos y la sensibilidad social han dado un vuelco
a esta situación:
a)
La investigación clínica y básica ha generado conocimiento detallado sobre las
señales EEG: se conoce con rigor el origen de ritmos y los potenciales
evocados de la señal y su ubicación espacial, además de su relación con la
función cerebral. De este modo, es posible establecer qué señales EEG son
más adecuadas para usar en aplicaciones de comunicación y control
b)
Desarrollo de hardware y software permite el análisis continuo de los datos
recogidos por múltiples electrodos
c)
La mayor apreciación social de las necesidades de las personas discapacitadas
ya que las técnicas convencionales aumentativas no son suficientes para
algunas de ellas
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
• Un BCI, como cualquier sistema de comunicación o control, recibe una
entrada
 la actividad electrofisiológica de un sujeto
produce una salida
 una orden a un dispositivo
mediante
 un algoritmo que transforma la entrada en la salida
• Es necesario, además, un protocolo que determina la planificación
temporal y estructural para recoger los datos de entrada y
proporcionar la salida
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
DISEÑO Y OPERATIVA BÁSICA DE
CUALQUIER SISTEMA BCI:
Las señales del cerebro se adquieren
de electrodos situados en el cuero
cabelludo y se procesan para extraer
características específicas de la señal
(medidas en los dominios de la
frecuencia o del tiempo) que reflejan
la intención del usuario.
Estas características se trasladan a
comandos
que
controlan
un
dispositivo (procesador de palabras,
una neuroprótesis o una silla de
ruedas)
INTERFAZ CEREBRO-COMPUTADO: PARTES DE UN BCI
ENTRADA
• La creación de un nuevo canal de comunicación requiere:
1) el uso de sensores adecuados que puedan medir efectivamente las
características de la señal cerebral que contienen la intención del
usuario
2) la definición de un lenguaje que permita la interacción correcta
entre usuario y el sistema de comunicación: el usuario utiliza símbolos
para construir un mensaje y el sistema entiende el mensaje
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
1) Sensores
•
Las señales cerebrales se detectan mediante diferentes tipos de electrodos
metálicos (plata, oro, platino, estaño) situados en el cuero cabelludo
•
Los electrodos miden pequeños potenciales eléctricos que reflejan la actividad
de las neuronas (±20µV)
•
Para detectar la débil amplitud de las señales es necesario amplificarlas. El
amplificador mide la diferencia de potencial (voltaje) entre dos electrodos
•
En la mayoría de los sistemas BCI, existe un electrodo de referencia común al
resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra
(mastoide)
•
La conexión del electrodo al cuero cabelludo se potencia mediante un gel
conductor
•
La nomenclatura y el esquema de colocación de los electrodos estándar se
denomina sistema internacional 10-20. En este sistema se puede trabajar con
más de 70 electrodos ubicados en posiciones preestablecidas
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
1) Sensores
Esquema 10-20 de ubicación de electrodos
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
2) Señal
• No es posible detectar en la señal aquello que el usuario no puede producir
físicamente:
 La información utilizable puede ser la actividad electrofisiológica
espontánea que genera el sujeto o una señal evocada por algún estímulo
• Los dos fenómenos neurofisiológicos más representativos y relevantes para la
comunicación BCI
i)
la realización o imaginación del movimiento de determinadas
partes del cuerpo tiene efectos detectables en la señal cerebral: ritmos
sensorimotores
ii) cuando se presenta al usuario un estímulo, se produce una respuesta
detectable en la señal: potencial evocado P300
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (I)
• La mayoría de la gente presenta un ritmo cerebral dominante entre
las frecuencias 8-12 Hz cuando está en reposo, esto es, sin realizar
movimientos ni procesar información sensorial
• Esta oscilación localizada en el córtex sensorimotor o motor se
conoce como ritmo mu, o ritmo alfa cuando se localiza en el córtex
visual. Se cree producida por circuitos tálamo-corticales
• Normalmente se presenta asociada con ritmos beta en las
frecuencias 18-25 Hz
• Son las señales asociadas con las áreas corticales más directamente
conectadas con los canales normales de la salida motora del cerebro
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (II)
Ejemplo de ritmos mu/beta.
A, B: mapas topográficos de la diferencia
entre la densidad de potencia EEG calculada
para movimientos reales de la mano derecha
y para reposo (A) y la diferencia entre
movimientos imaginados de la mano derecha
y reposo (B) en una banda de frecuencia de
3Hz centrada en 12 Hz.
C: Cambios en el voltaje en diferentes
frecuencias en la corteza sensorimotora
izquierda comparando descanso (línea
discontinua) con imaginación de movimiento
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (III)
• Los cambios en estos ritmos se producen cuando se llevan a cabo
funciones sensoriales o motoras. El movimiento, la intención del mismo
o su imaginación se acompañan de un decremento en la actividad mu y
beta, normalmente en el hemisferio contralateral al movimiento
• Este fenómeno neurofisiológico se denomina desincronización
relacionada con el evento de moverse o de intentar moverse. La
sincronización, fenómeno opuesto, tiene lugar cuando cesa el
movimiento y se pasa a un estado de relajación: migración de ritmos
• Estos factores hacen que estos ritmos se consideren adecuados a la
hora de ofrecer una vía para comunicación BCI y constituyen la base
de estos desarrollos desde los años 80
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (IV)
Grupo Wadsworth:
• Se enseña a la gente con o sin problemas motores a controlar la
amplitud de los ritmos mu y beta con el fin de mover y controlar
un cursor en una o dos dimensiones y dirigirlo hacia un objetivo en
una pantalla
• Mientras el usuario imagina el movimiento de alguna parte de su
cuerpo, una ecuación lineal transforma la amplitud mu o beta de uno o
varios electrodos 10 veces por segundo en una posición del cursor. El
usuario aprende a controlar el sistema en sesiones de 40 minutos, dos
veces por semana
• La tasa de aciertos es del 95% y se comprueba moviendo el cursor
para responder Sí o No a preguntas que se le hacen a los sujetos de las
que se conocen las respuestas
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (V)
Grupo Graz:
• Este sistema se basa en la sincronización y desincronización de
los ritmos mu y beta. Las aplicaciones utilizan la imaginación del
movimiento de manos o pies y pueden servir para controlar un cursor
o un dispositivo ortopédico que abre o cierra una mano paralizada
• Se realizan series de ejercicios de imaginación de una o varias partes
del cuerpo (mano, pie, lengua). Se analiza en el dominio de la frecuencia
la señal EEG entre las bandas 5-30 Hz. Cada señal se etiqueta con el
tipo de movimiento imaginado y se construye un clasificador
multiclase que discrimina entre los tipos de movimiento
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (VI)
Grupo Graz:
• El clasificador se puede usar en sesiones posteriores para trasladar los
movimientos imaginados dando una salida continua, como el
movimiento de un cursor o una barra vertical que aumenta o
disminuye su altura, o una salida discreta, como seleccionar una letra
• Normalmente, el clasificador se debe ajustar entre sesiones
• En 6-7 sesiones de entrenamiento se consigue una tasa de acierto del
90% y es apropiado para usar por el 90% de la gente
• Este tipo de BCI puede ser de uso doméstico con control remoto. El
análisis y la actualización del clasificador se hace en laboratorio
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
i) Ritmos Sensorimotores (y VII)
Progreso sobre estas dos corrientes:
• reducir el número de sensores (electrodos) y elaborar nuevos
algoritmos de transformación de datos a comandos
• nuevos enfoques en el ámbito de laboratorio: potenciales relacionados
con movimientos voluntarios ampliando la información del córtex
sensorimotor con la del córtex motor suplementario
• diferencias en los clasificadores obtenidos de entrenamientos
síncronos, en los que se indica al usuario cuando moverse o imaginar,
con respecto a entrenamientos asíncronos, donde el usuario decide
el momento de inicio del ejercicio
• relación entre movimientos simples y combinados
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ii) Potencial evocado P300 (I)
• Además de las respuestas cerebrales moduladas por la acción o la
imaginación motora, existen otras señales útiles para la operativa de un
BCI:
 respuesta evocada que se produce en el córtex parietal cuando a
un sujeto se le presenta un estímulo poco frecuente auditivo,
visual o somatosensorial
• Esta respuesta se recoge normalmente en el córtex parietal a los
300ms de percibir el estímulo. La amplitud de este potencial es mayor
en los electrodos parietales y se atenúa en las zonas centrales y
frontales
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ii) Potencial evocado P300 (II)
• Este potencial se observa cuando:
1) Se presenta una secuencia aleatoria de estímulos
2) El sujeto cuenta el número de veces que percibe el estímulo
deseado
3) Se calcula la amplitud de la señal en el córtex parietal para cada
estímulo
• El ejemplo más conocido es el de la matriz de letras cuyas filas y
columnas parpadean de forma aleatoria a una frecuencia determinada:
 El usuario fija su atención en un elemento de la matriz y cuenta el
número de veces que ha parpadeado ese elemento
 Se mide la señal P300 que evoca cada fila y cada columna
 Tras promediar varias respuestas, un programa establece qué
elemento seleccionó el usuario: la intersección de fila y columna
que produce el P300 con mayor amplitud
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ii) Potencial evocado P300 (III)
El clásico paradigma para deletrear
una palabra basado en P300. Las
filas y las columnas de la matriz
parpadean aleatoriamente y la que
contiene la letra buscada evoca un
potencial
Respuesta P300
A: Distribución topográfica del potencial
P300 500 ms después del estímulo
B: Curso temporal del voltaje registrado
en el electrodo Pz para el estímulo
esperado (línea sólida) o el no esperado
(línea discontinua)
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ii) Potencial evocado P300 (y IV)
• Un BCI basado en P300 puede servir para construir un procesador de
palabras y frases. Normalmente, estos BCIs producen 5 letras por
minuto. Para personas con déficits visuales, se pueden emplear
estímulos auditivos
• Este tipo de BCIs no requieren entrenamiento ya que esta señal se da
de forma natural cuando una persona elige una opción de entre varias
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (I)
Filtrado de ruido y artefactos
•
•
•
•
En los registros de la señal EEG se detectan en ocasiones interferencias
debidas al ruido de equipos eléctricos, en frecuencias de 50-60hz, si las
condiciones experimentales no son las adecuadas. Por ello, la mayoría de los
amplificadores EEG están provistos de un filtro que eliminan esas frecuencias
de la señal
Otro tipo de ruido procede de los parpadeos o de los movimientos oculares.
Este efecto se registra como un pico positivo de amplitud en la región frontal
pero se propaga hacia otros canales atenuándose. El uso de electrodos cerca
del ojo (EOG) permite eliminar este ruido
Por último, se encuentran los artefactos producidos por los movimientos
musculares (mandíbula apretada). La distribución de la frecuencia de estos
movimientos puede afectar a las amplitudes de los ritmos mu y beta. La
inclusión de un medidor de la señal electromiográfica en los experimentos
permite detectarlos y eliminarlos
La amplitud de la señal EEG se mueve en el rango de ±20µV. Los artefactos
introducen amplitudes de ±100µV
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
Filtrado de ruido y artefactos
Ruido de 60 Hz debido a la línea eléctrica
contaminando un canal
Artefactos por pestañeo
Artefactos por movimientos oculares
Artefactos por movimientos
musculares
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (II)
Filtrado espacial
•
Persigue reducir el efecto de la deformación de la señal desde la zona del
cerebro en la que se produce hasta que es capturada por los electrodos a su
paso por un conjunto de tejidos heterogéneos. Con ello se busca aumentar la
calidad de la señal
•
Entre los métodos computacionales de filtrado espacial más empleados se
encuentra:
 Análisis de Componentes Independientes (ICA), que representa la señal
mediante componentes independientes estadísticamente. Se trata de una
técnica de análisis que requiere de un exhaustivo volumen de datos
 Patrones Espaciales Comunes (CSP), que pondera las señales procedentes
de los distintos canales en función de su capacidad para discriminar entre
diferentes clases de señales cerebrales
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (III)
Filtrado espacial
 Referencia Media Común (CAR), que referencia la amplitud de la señal de
cada electrodo a la media de todos ellos
 Laplaciano, que calcula en cada instante de tiempo de medida y para cada
electrodo, la diferencia entre el valor de la amplitud de la señal de ese
electrodo y la suma ponderada de la amplitud de los cuatro electrodos
próximos que le rodean
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (IV)
Extracción de características
•
Una vez recogida la señal y eliminados los artefactos, la señal digitalizada se
somete a un conjunto de procedimientos para extraer las características que
transportan el mensaje que el usuario quiere comunicar
•
Para ello, ha sido y es esencial la investigación llevada a cabo sobre los efectos
que tienen en determinadas señales cerebrales la realización de determinadas
tareas: imaginar el movimiento de una mano se traduce en la desincronización
del ritmo mu en una posición específica del cerebro
•
Sin embargo, este hecho general está sometido a numerosas contingencias. La
primera de ellas es que depende de cada sujeto. La segunda, depende del
momento o estado del sujeto:
 Elegir, por ejemplo, el ritmo mu para construir un BCI implica seleccionar
para cada sujeto la tarea, las frecuencias, los canales y las ventanas
temporales que mejor codifican ese ritmo
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (V)
Extracción de características
•
El propósito de la extracción de características es representar la señal en el
dominio que mejor refleja lo que el usuario modula o modifica con su actividad
cerebral
•
Los dos posibles dominios son el temporal y el de la frecuencia:
 en el dominio temporal se encuentra la amplitud de los potenciales
evocados P300 (voltaje de la señal a lo largo del tiempo)
 en el dominio de la frecuencia, la densidad de potencia de los ritmos
sensorimotores (cuadrado de la amplitud de la señal para cada frecuencia)
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
3) Selección de características de la señal (y VI)
Extracción de características
Filtrado temporal:
(arriba) Dominio de la frecuencia: Diferentes amplitudes de la señal EEG durante imaginación
de movimiento de la mano izquierda (línea roja) y durante el reposo (línea azul)
(abajo) Distribución espacial (C4): El mismo canal refleja esa diferencia de amplitud en las
frecuencias alfa y beta
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ALGORITMO
• La etapa siguiente a la extracción de características es la del
procedimiento que traduce o transforma esas características, que
contienen la intención del usuario, en las órdenes o comandos a un
dispositivo
• El algoritmo que lo lleva a cabo puede usar métodos lineales (análisis
estadístico clásico) o no lineales (bayesiano, redes neuronales, vectores
de soporte, árboles de decisión)
• Cualquiera que sea su naturaleza, el papel del algoritmo es el de
combinar las variables independientes que representan las
características de la señal (frecuencia, canal, tiempo) en variables
dependientes que representan los parámetros de control del
dispositivo
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ALGORITMO
• La señal EEG, como otras señales electrofisiológicas, presenta una gran
variabilidad no sólo entre distintos sujetos, sino de un día a otro en cada sujeto
e incluso a lo largo del día debido a factores como la fatiga, los niveles
hormonales, las circunstancias, etc.
• Los algoritmos pueden adaptarse al usuario en tres niveles:
i) Cuando el usuario utiliza por primera vez un BCI, el algoritmo se adapta a
las características de su señal
 Si el BCI está basado en ritmos mu (ritmos alfa medidos en el córtex
sensorimotor), el algoritmo se ajusta al rango que el usuario presenta en
esos ritmos. Si la característica es la amplitud del potencial evocado P300,
el sistema ha de ajustarse a los valores de esa característica en ese
usuario
 Un BCI que presente sólo este primer nivel de adaptación podrá ser
eficaz en el transcurso del tiempo solo si la señal del usuario es muy
estable
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ALGORITMO
ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones
espontáneas, es necesario un segundo nivel de adaptación en el que estas
variaciones en el rango de los valores de las características de la señal 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 sólo la
adaptación del algoritmo sino del cerebro, que es otro sistema adaptativo, al
BCI
 Del mismo modo que la interacción normal entre el cerebro y el
mundo a través de los canales neuromusculares sanos produce
cambios en el cerebro, la interacción mediada por el BCI y los
resultados de la acción que percibe el usuario también producen
cambios en el cerebro y, por ende, en la señal neurofisiológica
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
ALGORITMO
 Si la característica empleada es la amplitud del ritmo mu, la
correlación entre dicha amplitud y la intención del usuario debería
incrementarse con el tiempo
 Un algoritmo que incluya el tercer nivel de adaptación debería reflejar
este incremento, por ejemplo, respondiendo más rápidamente a la
intención del usuario como forma de recompensar al usuario e
involucrarle más en la operativa del BCI
INTERFAZ CEREBRO-COMPUTADOR: PARTES DE UN BCI
SALIDA
• En la mayoría de los BCIs actuales, el dispositivo de salida consiste en la pantalla
de un ordenador y la salida se circunscribe a la selección en ella de objetivos,
letras o iconos o al movimiento de un cursor
• La salida no sólo es el producto de la operación del BCI sino también de la
realimentación que recibe el usuario y, por tanto, de su cerebro que puede
emplear para mantener o mejorar la precisión y la velocidad de comunicación
• Un campo de enorme interés y proyección actualmente es el control de
dispositivos neurorobóticos o neuroprotésicos cuya actuación provee al
usuario con una realimentación que percibe en su propio cuerpo
(propiocepción):
 comunicación y control
 rehabilitación
INTERFAZ CEREBRO-COMPUTADOR
PROTOCOLO
•
Todo BCI tiene un protocolo que guía su operación. Esta operación tiene varios
factores que es necesario definir:
 cómo se enciende y se apaga el sistema
 si la comunicación es continua o discontinua
 si la transmisión del mensaje la inicia el sistema (envía un estímulo al usuario
que evoca un potencial P300) o el usuario espontáneamente (imagina un
movimiento)
 la secuencia y velocidad de interacción entre usuario y sistema
 la realimentación que se va a dar al usuario
•
La mayoría de los protocolos que se emplean en laboratorio no se adecúan 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
•
Las diferencias en los protocolos son las que marcan la difícil transición de la
investigación a la aplicación a la vida real
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
• Aprendemos nueva información y destrezas desde el período 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
médula espinal: cambios a nivel sináptico, neuronal o de red neuronal
• El término 'plasticidad cerebral' expresa la capacidad del cerebro para
minimizar los efectos de las lesiones mediante cambios estructurales y
funcionales
• Una gran parte de procesos lesivos del sistema nervioso que afectan a
tractos corticoespinales y subcorticoespinales, cerebelosos, medulares,
visuales y lingüísticos muestran el efecto de la plasticidad, unas veces de
forma espontánea y otras tras tratamientos de rehabilitación adecuados
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
• Las señales EEG han tenido un uso terapéutico para el tratamiento de
enfermedades neurológicas (epilepsia, insomnio, déficit de atención) o para
incrementar capacidades cognitivas en población sana (concentración,
atención) conocido con el término neurofeedback
• Este tipo de técnica puede emplearse para promover la plasticidad cerebral
en áreas asociadas a tareas motoras
• Para una recuperación/rehabilitación exitosa, tras un accidente cerebrovascular, es posible plantear intervenciones que induzcan plasticidad motora
mediante dos estrategias:
1) BCI basado en neurofeedback
2) BCI basado en rehabilitación convencional
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
1) Neurofeedback: el objetivo es entrenar al paciente para que modifique
determinadas características de la señal EEG y las sitúe en los valores
asociados a un actividad cerebral normal, apoyándose en la hipótesis de que
alterando la plasticidad del sistema nervioso que produce una actividad
normal, se recuperará la función normal del sistema nervioso y el control
motor mejorará:
 BCIs basados en los ritmos sensorimotores. Se extiende su
aplicación de la comunicación y el control a la rehabilitación
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
2) La rehabilitación convencional de la función motora consiste en la práctica
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, apoyándose 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 restauración del control motor normal
 Dispositivo rehabilitador: estimulación eléctrica funcional mediante
electrodos de superficie o práctica de movimientos con un dispositivo
robótico
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
BCI para Rehabilitación: Bases Neurofisiológicas
• Los esfuerzos en investigación en rehabilitación dentro de esta segunda
estrategia están empezando a dar sus primeros frutos: rehabilitación activa
• Métricas que reflejen la neuroplasticidad y los cambios funcionales
• En cualquier caso, es necesario analizar en detalle factores como hasta qué
punto los pacientes tienen señales cerebrales detectables para poder utilizar
una o las dos estrategias, qué características de la señal emplear para
recuperar la función motora y cómo se pueden usar de forma efectiva. El
valor de la tecnología BCI en la rehabilitación está vinculado a la respuesta a
estas preguntas
• GBIO: BCI propioceptivo
 Interfaz natural: respuesta del sistema en el tiempo sincronizada con
las expectativas del paciente
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
CANCELACIÓN DEL TEMBLOR
•
El paradigma de aplicación del BCI es el de controlar una neuroprótesis 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
•
El sistema propuesto realiza una monitorización de la actividad cerebral de los
pacientes mediante la adquisición de la actividad eléctrica EEG en la corteza y del
movimiento real caracterizado con sensores de movimiento y de electromiografía
en la extremidad en la que se quiere reducir el temblor
•
Un sistema de estimulación eléctrica funcional se encarga de generar corrientes
eléctricas en la extremidad objetivo para reducir el temblor indeseado sin afectar a la
funcionalidad de los movimientos voluntarios (metodología desarrollada por
GBIO)
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
INSTRUMENTACIÓN: dispositivos empleados
SENSOR INERCIAL
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
CANCELACIÓN TEMBLOR sin BCI
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
REHABILITACIÓN MOTORA
•
El paradigma de aplicación del BCI es construir una interfaz natural para controlar
una neuroprótesis/neurorobot para rehabilitación
•
El sistema de control de la neuroprótesis integra la respuesta anticipada del BCI
además de información de otras fuentes: EMG y la señal procedente de sensores
inerciales, caracterizando el movimiento desde su planificación hasta su ejecución
•
La respuesta de dichas fuentes pueden realimentar el BCI con fines adaptativos
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
OBJETIVO
•
Desarrollar sistemas BCI que detecten la intención y el tipo de movimiento en la señal
EEG de un sujeto para guiar su rehabilitación que configuren una interfaz natural:

capacidad para responder de acuerdo a las expectativas temporales del
sujeto y a su señal electrofisiológica (rápida y sólo 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 señal a lo largo del tiempo
(precisa)

el sujeto se motiva e involucra activamente en su rehabilitación lo que se traduce
en una mayor plasticidad cognitiva y neural
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
HIPÓTESIS
•
Es posible decodificar en la señal EEG la intención de movimiento voluntario y el
tipo de movimiento
 Controlar la acción de un dispositivo protésico
APLICACIONES
1.
Cancelación del temblor al realizar un movimiento voluntario. Tiempos de reposo
prolongados. La anticipación en la detección prepara al sistema de valoración del
temblor para su intervención inmediata
2.
Terapia de rehabilitación de diferentes tipos de movimientos analíticos de miembro
superior de pacientes de ACV. Movimientos repetitivos con tiempos de reposo
cortos.
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
METODOLOGÍA
1.
Detección anticipada del movimiento voluntario, o intención de movimiento,
basado en la identificación de la desincronización ERD de los ritmos
presentes
2.
Clasificación de la intención de movimiento detectada en una clase
concreta de movimiento voluntario
3.
Análisis exhaustivo de la señal presente: minería de datos
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
1. Detector ERD personalizado (I)
a.
Modelo descriptivo formado por la distribución de los valores de potencia
para cada una de las características, o par canal-frecuencia, en las que se
identifica mejor el fenómeno ERD en ventanas de tiempo previas al
movimiento
b.
Modelo predictivo bayesiano que analiza en continuo la señal EEG
calculando la probabilidad total, a partir de la de cada par canal-frecuencia, de
que en la ventana de tiempo analizada se dé el fenómeno ERD y, por tanto, se
detecte la intención de movimiento
c.
Los modelos caracterizan la señal en el intervalo anterior al movimiento
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
1. Detector ERD personalizado (II)
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
1. Detector ERD personalizado (y III)
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
2. Clasificador de tipo de movimiento (I)
•
6 sujetos sanos, diestros, 25-35 años
•
7 tareas para tres articulaciones (hombro, codo, brazo)
•
EEG => 32 canales; fs = 512Hz; filtro notch a 50Hz (gTec)
•
EMG => 8 canales diferenciales sobre los principales grupos musculares del miembro
superior que realiza la tarea
•
IMUs => 4 sensores sobre los tres segmentos del brazo y acromion
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
2. Clasificador de tipo de movimiento (II)
• Modelo descriptivo característico y discriminante de cada tipo de movimiento
a.
Conjunto de entrenamiento: ejemplos de los distintos tipos de
movimientos etiquetados con su clase (tarea)
b.
Extracción de características
• 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
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
2. Clasificador de tipo de movimiento (III)
c.
Selección de características: técnicas de minería de datos para extraer el
conjunto óptimo de características (canal-frecuencia-ventana de tiempo)
asociado a cada tipo de movimiento propio de cada sujeto
• medidas de la teoría de la información (chi-square, ganancia de
información, frecuencia, información mutua) y cálculo de correlaciones:
 ordenación de características por su capacidad informativa con respecto a
la clase objetivo y eliminación de las irrelevantes
• método combinado
- Algoritmo genético (número máximo de características seleccionadas100)
- Ajuste de la eficacia obtenida con un clasificador Bayesiano
- Validación cruzada tomando el 75% de la muestra para entrenamiento
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
2. Clasificador de tipo de movimiento (y IV)
• 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 óptimo de
características del modelo descriptivo
• Clasificación continua de la señal en tiempo real cada125 ms
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
• Salida del BCI al sistema de control del dispositivo
 probabilidad de movimiento
 (clase movimiento, confianza)
[prob-mov, (clase_mov, conf)]
Asynchronous BCIswitch
Movement
Intention?
Asynchronous BCIclassifier of kind of
movement
Which
movement
?
Anticipated information on
the patient’s attempted
movement
IMUs/EMG online
characterization of the
movements
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
BCI adaptativo
• Integración con otros dispositivos (EMG, IMU): BNI, MMI
 realimentación sobre aciertos y fallos que permite adaptar los modelos
descriptivos del detector y del clasificador
• curvas de probabilidad de las características
• umbrales de probabilidad y de confianza
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
Resultados detección y clasificación (I)
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
Resultados detección y clasificación (y II)
• Los canales más discriminantes para las tareas son los frontales,
frontocentrales y centrales, tanto contralaterales como ipsilaterales al
movimiento
• Las frecuencias más relevantes se distribuyen homogéneamente por las
bandas alfa y beta, destacando la zona alta de la banda beta (23-30Hz)
• La participación de canales tanto contralaterales como ipsilaterales
indica que la función motora en sujetos sanos se recoge en ambos
hemisferios y no sólo en el contralateral al miembro dominante: análisis de la
señal en los sujetos ACV puede contribuir a la construcción de un BCI para
controlar la realización de diferentes ejercicios de rehabilitación
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
Actualmente
• Propuesta de un nuevo protocolo para rehabilitación en ACV:
 mejorar la anticipación
 reducir las falsas activaciones
 conducir el entrenamiento del BCI de cada sujeto mediante sus
ritmos endógenos y no mediante eventos externos: asincronía
• Experimentación con pacientes
• Integración de nuevas señales: Potenciales lentos (1-4 Hz) relacionados con la
anticipación del movimiento
• Otros algoritmos de clasificación: vectores de soporte, árboles de
clasificación, vecino más cercano
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
PARÁLISIS CEREBRAL
• El principal objetivo es desarrollar y validar una plataforma robótica, que
sirva de apoyo a las terapias de rehabilitación post-quirúrgica y reduzca el
tiempo de rehabilitación de pacientes con parálisis cerebral, controlada por
una interfaz multimodal que integra información procedente del SNP y
del SNC en la estrategia de rehabilitación
• Estudios neurofisiológicos e Interfaz multimodal (BNMI):
 Estudiar la evolución temporal de la señal EEG realizando rehabilitación pasiva
 EEG como indicador de los efectos de la terapia de rehabilitación en mediciones
periódicas: aparición o migración de ritmos, evolución de potenciales, ….
 BCI para control de rehabilitación con patrones extraídos del movimiento pasivo
 BCI para que la imaginación o intención de movimiento controle el movimiento de
un avatar. Entrenamiento cognitivo
 Seguimiento ocular
 Sensores emocionales
METODOLOGÍA PARA LA CONSTRUCCIÓN DE BCIS ORIENTADOS A LA REHABILITACIÓN
SEÑAL
EFERENTE
DAÑADA
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
COGNICIÓN
• Esta aplicación se sustenta en la hipótesis de que las conexiones sinápticas
que determinan la capacidad de la memoria de trabajo están gobernadas por
las mismas leyes de plasticidad que caracterizan otras partes del cerebro
• La plasticidad cognitiva simboliza el potencial de mejora de la conducta ante
tareas cognitivas después del entrenamiento, es decir, cambios en el
comportamiento cognitivo
• La edad parece limitar la capacidad plástica del cerebro
• La memoria de trabajo (WM) representa la capacidad de información retenida
durante períodos breves de tiempo y determina, en gran medida, sus aptitudes
para el razonamiento y la resolución de problemas
• El objetivo del estudio llevado a cabo en este proyecto es el de identificar los
correlatos neuronales y los cambios neuropsicológicos derivados del
entrenamiento de la WM
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
COGNICIÓN
• Grupo de entrenamiento y grupo de control:
 Valoración neuropsicológica
• Tarea sobre la memoria de trabajo, en la que cada
participante del grupo de entrenamiento:
 Determina (fase de recuerdo), tras un
pequeño intervalo de tiempo (fase de
consolidación), si una figura o cara estaba
entre un grupo de dos o tres elementos
presentados
anteriormente
(fase
de
codificación)
 Sesión semanal durante 6 semanas
modificando la dificultad cognitiva (número
de elementos a recordar, colores, gestos)
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
COGNICIÓN
1) Correlatos neuronales del entrenamiento
• Se analiza la evolución de la señal EEG en las fases de codificación y
consolidación a lo largo de las sesiones empleando técnicas de minería de
datos:
 diferencias estadísticamente significativas en todas las bandas de
frecuencia entre diferentes sesiones y diferentes niveles de dificultad en
todos los canales
• Se analizan los potenciales evocados (ERPs) en la fase de recuerdo en las
respuestas correctas para la respuesta afirmativa SÍ y la respuesta negativa
NO, encontrándose diferencias estadísticamente significativas entre diferentes
sesiones y diferentes niveles de dificultad
INTERFAZ CEREBRO-COMPUTADOR PARA REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
COGNICIÓN
2) Mejoras en el comportamiento
• Se analiza la evolución de los tiempos de respuesta en la fase de recuerdo:
 diferencias estadísticamente significativas entre diferentes sesiones y
diferentes niveles de dificultad
• Se analiza la repercusión en los tests neuropsicológicos 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 REHABILITACIÓN MOTORA Y COGNITIVA: MINERÍA DE DATOS DE LA SEÑAL EEG
COGNICIÓN
• La base electrofisiológica de los BCIs que hemos desarrollado hasta el
momento en el ámbito motor nos ha conducido al estudio de la aplicación de
esta estrategia para el ámbito cognitivo empleando la señal
electroencefalográfica como indicador de plasticidad neural y los tests
neuropsicológicos como indicadores de la plasticidad cognitiva
• En un futuro se podrán concebir intervenciones de entrenamiento,
estimulación o rehabilitación cognitiva mediadas por BCIs:
 Integrando la señal EEG y los parámetros conductuales el sujeto
podría guiar el ritmo de su entrenamiento
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
• Las aplicaciones prácticas de los BCIs dependen fundamentalmente de su
velocidad y precisión. Actualmente es posible controlar entornos sencillos (luces,
TV), para respuestas binarias (sí-no) y para procesar palabras a una media de 1-2
palabras por minuto
• En aplicaciones con mayor riesgo, como una silla de ruedas o una neuroprótesis
se puede sacrificar la velocidad a expensas de la precisión, es decir, de minimizar
el número de errores
• El futuro de la investigación en BCI pasa por la colaboración multidisciplinar:
neurobiología, computación, comunicaciones, matemáticas, ingeniería y psicología
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
• Los retos a los que se enfrenta el progreso en esta área implican la investigación
en ámbitos como:
 Función cerebral: normal o con patologías
-
Valorar la capacidad cognitiva y de otros factores emocionales y
psicológicos de los usuarios para el manejo de un BCI: muchas de las
patologías que impiden el control muscular conllevan pérdidas de ritmos
neuronales
 Integración del uso del BCI con otras actividades de la vida cotidiana
-
Hasta ahora, los experimentos en laboratorio requieren que el usuario
concentre toda su atención en el funcionamiento del BCI: protocolos
síncronos
 Valorar el funcionamiento del sistema y la respuesta del usuario
 Eliminación de artefactos ajenos al Sistema Nervioso Central
INTERFAZ CEREBRO-COMPUTADOR
FUTURO EN BCI
 Características de la señal
-
mejora de la tasa de selección (los ritmos SMR permiten seleccionar entre 4 o más
opciones cada 2-3 s)
correlación con la intención del usuario: personalización
la señal no es un canal de salida natural del cerebro sino artificial y creado por el
BCI: involucrar otras partes del sistema nervioso si existe daño cerebral y no es
posible encontrar las características buscadas en la señal
 Aceptación del dispositivo por parte del usuario (usabilidad)
-
Estética, independencia, mantenimiento o ajustes del sistema
 Sistemas BCI de propósito general para investigación y desarrollo
-
BCI2000 abierto y documentado de propósito general con cuatro procesos:
adquisición y almacenamiento de señal, extracción de características y
transformación a comandos de control, control de dispositivos y protocolos
operativos.
INTERFAZ CEREBRO-COMPUTADOR
Bibliografía
1. A Practical Guide to Brain–Computer Interfacing with BCI2000. General-Purpose Software for Brain–
Computer Interface Research, Data Acquisition, Stimulus Presentation, and Brain Monitoring. Springer-Verlag
London Limited 2010
2. Wolpaw J.R., Burbaumer N., McFarland D.J., Pfurtscheller G., Vaughan T.M. “Brain-computer interfaces for
communication and control”, Clinical Neurophysiology 113, 767-791, 2002
3. Daly J.J., Wolpaw J.R. “Brain-computer interfaces in neurological rehabilitation”, Lancet Neurology 7, 10321043, 2008
4. del Castillo MD., Serrano J.I., Ibáñez J., Barrios L. “Metodología para la creación de una interfaz cerebrocomputador aplicada a la identificación de la intención de movimiento”, Revista Iberoamericana de Automática e
Informática Industrial 8(2), 93-102, 2011
5. del Castillo MD., Serrano J.I., Ibáñez J. “Metodología para la construcción de BCIs orientados a la
rehabilitación”, Actas 4º Simposio CEA Bioingeniería, 57-63, 2012
6. Gallego J.A., Ibáñez J., Dideriksen J.L., Serrano J.I., del Castillo M.D., Farina D., Rocon E. “A Multimodal HRI to
drive a Neuroprosthesis for Tremor Management”, IEEE Transactions on Systems, Man, and Cybernetics--Part C:
Applications and Reviews 42(6), 1159-1168, 2012
6. Klingberg T.“Training and plasticiy of working memory”, Trends in Cognitive Science 14, 317-324, 2010
Los gráficos de carácter general para ilustrar la conferencia han sido tomados de varias de las fuentes citadas así como de
algunos de los experimentos llevados a cabo dentro de los proyectos del Grupo de Bioingeniería
FIN
Dra. M. D. del Castillo
Dr. J. I. Serrano
Dr. A. Iglesias
J. Ibáñez
J. Oliva