memorias ii jornadas sobre interfaces cerebro computadora

86

Upload: lyque

Post on 06-Jan-2017

214 views

Category:

Documents


0 download

TRANSCRIPT

  • Memorias

    II Jornadas Argentinas sobre Interfaces Cerebro

    Computadora

    23 y 24 de Abril de 2009 Colegio de Ingenieros Especialistas de Entre Ros

    Paran Entre Ros Argentina

    Organizado por:

    Laboratorio de Ingeniera en Rehabilitacin e Investigaciones Neuromusculares y Sensoriales (LIRINS)

    Facultad de Ingeniera Universidad Nacional de Entre Ros http://www.bioingenieria.edu.ar/grupos/lirins/

    Comit Organizador: Mst. Rubn Acevedo (Presidente JAICC 2009) M.Sc. Gerardo Gentiletti (Vice-Presidente JAICC 2009) Mst. Julio Aldonate Bioing. Claudia Bonell Bioing. Anala Cherniz Bioing. Sergio Escobar Bioing. Carlos Mercuri Bioing. Miguel Richard Bioing. Juan Manuel Reta Mst. Carolina Tabernig

  • Prlogo:

    En Diciembre del ao 2006 realizamos las Primeras Jornadas Argentinas sobre Interfaces

    Cerebro Computadoras (JAICC 2006), el espritu de este evento fue realizar una reunin de amigos

    para contarnos que es lo que estbamos haciendo cada grupo de investigacin en el tema de

    interfaces cerebro computadoras. Durante un da entero, junto a investigadores de las universidades

    nacionales de La Plata, Tucumn y Tres de Febrero, adems de un grupo de estudiantes de

    posgrado de la Universidad Autnoma Metropolitana (UAM) de Mxico; estuvimos intercambiando

    experiencias. Toda la reunin se sigui en simultneo mediante teleconferencia desde el Laboratorio

    de Investigacin en Neuroimagenologa de la UAM. Si bien la reunin era de carcter informal, tuvo

    un xito notable e inesperado; tanto en lo que respecta a asistencia de alumnos como a la riqueza

    de las exposiciones que se presentaron.

    En esta oportunidad nos hemos propuesto realizar algo ms ambicioso, manteniendo el

    espritu de las JAICC 2006. La tarea nos ha exigido esfuerzo y dedicacin, pero esperamos con ella

    cumplir con el objetivo de intercambiar experiencias y conocer el estado del arte de este tema en

    nuestro pas y en el mundo. En esta oportunidad no slo nos hemos enfocado en el rea de las

    Interfaces Cerebro Computadoras (ICC) basadas en electroencefalograma y potenciales evocados,

    sino tambin en el rea de las Interfaces Hombre Mquina (IHM) tales como las basadas en

    seales de electromiograma o electrooculograma.

    Es de resaltar que en esta oportunidad y nuevamente superando nuestras expectativas,

    hemos recibido trabajos no solo de Argentina sino tambin de Chile, Colombia y Mxico; lo cual le

    da un carcter latinoamericano al evento que nos llena de satisfaccin. Adems tenemos el placer

    de contar con invitados de reconocido prestigio, tanto nacionales como es el caso del Dr. Enrique

    Spinelli e internacionales como los son el Dr. Jos del R. Milln Ruz (Suiza), el Dr. Laurent Bougrain

    (Francia), el Ms. C. Oscar Yez Suarez (Mxico) y el Ms. C. Rodrigo Salas (Chile).

    Finalmente queremos agradecer a todos los asistentes, expositores y conferencistas que

    participaran en JAICC 2009 esperando que estos dos das sean acadmicamente fructferos y que

    generen lazos para futuras colaboraciones.

    Mst. Rubn Acevedo M.Sc. Gerardo Gentiletti Presidente JAICC 2009 Vice-Presidente JAICC 2009

    Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora

    23 y 24 de abril de 2009

    2

  • Modalidad: Conferencias, exposiciones orales de trabajos y sesiones de demostracin de experiencias de Interfaces Cerebro Computadoras en-lnea. Los trabajos presentados se hallan preferentemente enmarcados en las siguientes reas temticas en el contexto de las ICC y las IHM: Aspectos neurofisiolgicos, tipos de seales y paradigmas. Procesamiento digital de seales. Reconocimiento de patrones. Instrumentacin, software y plataformas de experimentacin. Aplicaciones. Comit Cientfico: Mst. Rubn Acevedo - Universidad Nacional de Entre Ros. Mst. Julio Aldonate - Universidad Nacional de Entre Ros. M.Sc. Gerardo Gentiletti - Universidad Nacional de Entre Ros. M. en I. Oscar Yez Surez - Universidad Autnoma Metropolitana, Mxico. Dr. Enrique Spinelli - Universidad Nacional de La Plata. Mst. Carolina Tabernig - Universidad Nacional de Entre Ros. Invitados Internacionales y Conferencistas: Dr. Jos del R. Milln, Swiss Federal Institute of Technology (EPFL), Suiza. M. en I. Oscar Yez Surez, Universidad Autnoma Metropolitana (UAM), Mxico. Dr. Laurent Bougrain, Institut National de Recherche en Informatique et en Automatique (INRIA), Francia. Dr. Rodrigo Salas, Universidad de Valparaso (UV), Chile. Dr. Enrique Spinelli, Universidad Nacional de La Plata, Argentina. M.Sc. Gerardo G. Gentiletti, Universidad Nacional de Entre Ros, Argentina.

    Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora

    23 y 24 de abril de 2009

    3

  • Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora 23 y 24 de abril de 2009

    ndice por trabajos: Conferencias (resmenes)

    An Overview of BCI: From Control to Monitoring. Dr. Jos del R. Milln 8

    A Look Behind the Veil of an Adaptive Brain Interface. Dr. Jos del R. Milln 8

    Plataformas para Implementacin de Interfaces Cerebro-Computadora (ICC) en Tiempo Real. Dr. Enrique Spinelli 9

    Template-based classifiers for ERP-based BCIs. Dr. Laurent Bougrain 10

    Robust and Incremental Neuro-fuzzy Techniques for Evoked Potential Detection in BCI. Dr. Rodrigo Salas 12

    Plataforma para simulacin de aplicaciones robticas de sistemas ICC M. Sc. Gerardo G. Gentiletti 13

    Interfaces cerebro computadoras (ICC)

    Paradigmas ICC para validacin de plataformas autnomas. E. M. Spinelli, P. A. Garca y M. A. Haberman 15

    Plataforma experimental de ICC para facilitar la comunicacin de personas en situacin de discapacidad motora. C. Arboleda, E. Garca, A. Posada y R. A. Torres 19

    Comparacin de dos amplificadores de EEG para interfaces cerebro-computadora. M. A. Haberman, P. A. Garcia y E. M. Spinelli 24

    Plataformas de Hardware para interfaces cerebro computadora. P. A. Garca, E. M. Spinelli y M. A. Haberman 28

    Evaluacin de arquitecturas de redes neuronales artificiales multicapa para la deteccin de potenciales evocados relacionados a evento en una ICC mediante la seleccin de muestras de una seal EEG. Y. Hormazbal, J. Moreno, R. Acevedo y R. Salas 32

    Monitor de actividad neuronal basado en la innovacin de microelectrodos MEMS. B. S. Soto Cruz, F. Lpez Huerta, M. Estrada del Cueto y E. Soto Eguibar 36

    Nuevas tendencias en la adquisicin de biopotenciales. E. Filomena, E. M. Spinelli y J. A. Aldonate 41

    Band-specific features improve finger flexion prediction from ECoG. L. Bougrain y N. Liang 45

    Extraccin de caractersticas en ICC mediante mtodos basados en diccionarios ptimos: Resultados preliminares. R. Acevedo, G. G. Gentiletti, V. Medina Bauelos y L. Rufiner 49

    Comando en tiempo real de una SREI simulada, mediante ICC basada en paradigma P300. J. G. Gebhart, G. G. Gentiletti, A. Bonardi, M. Richard y R. C. Acevedo 53

    4

  • Interfaces hombre mquina (IHM)

    Comunicador controlado por seales electrooculogrficas N. M. Dalgaard, S. Luvoni, E. L. Gonzlez, J. C. Tulli, D. Agero, J. M. Garn y A. J. Uriz 59

    Aplicaciones de interfaces basadas en visin. E. Perez, C. Soria, V. Mut y O. Nasisi 63

    Software para procesamiento y anlisis del electromiograma de superficie. L. C. Carrere, G. Mazzocchi, C. E. Bonell y C. B. Tabernig 67

    Diseo y desarrollo de neuroprtesis visuales. Logros y desafos. M. M. Raponi y R. M. Bruno 71

    SLAM algorithm applied to robotics assistance for navigation in unknown environments. F. A. Auat Cheein, N. Lopez, C. Soria, E. Orosco, F. Lobo Pereira, F. Di Sciascio y R. Carelli 75

    Control de neuroestimuladores por EMG: plataforma para la evaluacin de nuevas estrategias. J. M. Reta, S. O. Escobar y C. B. Tabernig 80

    Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora

    23 y 24 de abril de 2009

    5

  • ndice por autores: A Acevedo, R. C. 32, 49, 53 Agero, D. 59 Aldonate, J. A. 41 Arboleda, C. 19 Auat Cheein, F. A. 75

    B Bonardi, A. 53 Bonell, C. E. 67 Bougrain, L. 10, 45 Bruno, R. M. 71

    C Carelli, R. 75 Carrere, L. C. 67

    D Dalgaard, N. M. 59 Di Sciascio, F. 75

    E Escobar, S. O. 80 Estrada del Cueto, M. 36

    F Filomena, E. 41

    G Garca, E. 19 Garca, P. A. 15, 24, 28 Garn, J. M. 59 Gebhart, J. G. 53 Gentiletti, G. G. 13, 49, 53 Gonzlez, E. L. 59

    H Haberman, M. A. 15, 24, 28 Hormazbal, Y. 32

    L Liang, N. 45 Lobo Pereira, F. 75 Lopez, N. 75 Lpez Huerta, F. 36

    Luvoni, S. 59

    M Mazzocchi, G. 67 Medina Bauelos, V. 49 Milln, J. 8 Moreno, J. 32 Mut, V. 63

    N Nasisi, O. 63

    O Orosco, E. 75

    P Perez, E. 63 Posada, A. 19

    R Raponi, M. M. 71 Reta, J. M. 80 Richard, M. 53 Rufiner, L. 49

    S Salas, R. 12, 32 Soria, C. 63, 75 Soto Cruz, B. S. 36 Soto Eguibar, E. 36 Spinelli, E. M. 9, 15, 24, 28, 41

    T Tabernig, C. B. 67, 80 Torres, R. A. 19 Tulli, J. C. 59

    U Uriz, A. J. 59

    Memorias II Jornadas Argentinas sobreInterfaces Cerebro Computadora

    23 y 24 de abril de 2009

    6

  • Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora 23 y 24 de abril de 2009

    Resmenes

    Conferencias

  • Prof.Dr.JosdelR.MillnSchoolofEngineeringSwissFederalInstituteofTechnologyLausanne(EPFL)Switzerland

    AnOverviewofBCI:FromControltoMonitoring: The idea ofmoving robots or prosthetic devices not bymanual control, but bymere"thinking"(i.e.,thebrainactivityofhumansubjects)hasfascinatedresearchersforthelast30years,butitisonlynowthatfirstexperimentshaveshownthepossibilitytodoso.Suchakindofbraincomputerinterface(BCI)isanaturalwaytoaugmenthumancapabilitiesbyprovidinganewinteractionlinkwiththeoutsideworldandisparticularlyrelevantasanaidforphysicallydisabledpeople. Inthistalk I'llgiveanoverviewofthefieldofnoninvasiveBCI,whichcanexploiteitherevokedpotentialsorspontaneousbrainphenomenarecordedwithsurfaceelectrodesplacedonthesubject'sscalp.KeyelementsforasuccessfulBCIarerealtime feedbackandtraining,ofboththesubjectandtheclassifierembedded intotheBCI. Normally, a people use a BCI to control and interact with devices by constantlydeliveringmentalcommands.ButaBCIcanalsoprovideaneffectivewaytomonitorsomecognitive statesof the subject that, if recognized in real time,can improveand facilitatetremendouslyinteraction.

    ALookBehindtheVeilofanAdaptiveBrainInterface:

    Inthistalk IwillreviewourworkonnoninvasiveasynchronousBCI,withafocusonhowbrainwavescanbeusedtodirectlycontrolrobots.Mostofthehopeforsuchapossibilitycomes from invasiveapproaches thatprovidedetailedsingleneuronactivity;however, itrequires surgical implantationofmicroelectrodes in thebrain. Forhumans,noninvasivesystemsbasedonelectroencephalogram(EEG)signalsarepreferablebut,untilnow,havebeen considered too poor and slow for controlling rapid and complex sequences ofmovements.Recentlywehaveshown for the first time thatonlineanalysisofa fewEEGchannels,ifusedincombinationwithadvancedroboticsandmachinelearningtechniques,issufficientforhumanstocontinuouslycontrolamobilerobotandawheelchair.Finally,wediscusscurrentresearchdirectionswearepursuing inorder to improve theperformanceandrobustnessofourBCIsystem,especiallyforrealtimecontrolofbrainactuatedrobots.In particular, I'll mention work on recognizing cognitive states that are crucial forinteraction.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AInserted Text

    PE03AText Box8

  • Prof.Dr.EnriqueSpinelli LEICIDtodeElectrotecnia UniversidadNacionaldeLaPlatayCONICETArgentina

    PlataformasparaImplementacindeInterfacesCerebroComputadora(ICC)enTiempoReal:

    Las ICCs se instalaroncomo temade investigacindelLEICIalrededordelao1997yen2000seensaylaprimeraICCcompleta.EsteprimerequipocomprendaelamplificadordeEEG, un adquisidor de seales, procesamiento digital de seales en tiempo real yactuadores paramanejar electrodomsticos como luces y ventiladores, los cuales eranactivadosapartirderitmoscerebrales.Deaquenms,lasinvestigacionessecentraroneneldesarrollodeplataformasparaimplementacindeICCentiemporeal. A lo largode lacharlasedescribirn lostrabajosrealizadosen losltimos10aosconelobjetivo de implementar plataformas autnomas para ICCs robustas y portables. Losdesarrollos efectuados, intentando siempre perseguir el estado del arte y proponersolucionesoriginales,abarcandiversaspartesde las ICC comoelamplificadordeEEG, lafuente de alimentacin, la transmisin de datos, el software de tiempo real y el depresentacin. Lapresentacinintenta,enundesarrollocronolgico,mostrarlaevolucindelastcnicasyde las tendencias a lo largo del tiempo; presentando la experiencia propia con susresultadossatisfactoriosyaquelloscapitalizadoscomoaprendizaje(malllamadosfallidos).Por ejemplo, se describir el desarrollo del amplificador de biopotenciales, el uso deconvertidores SigmaDelta de alta resolucin y su evolucin desde un circuito clsicoalimentado con 15V y con un gran nmero de componentes, a amplificadores de unreducidonmerode elementos, alimentados conuna fuente simplede 3V. Semostrartambinlaevolucindelsoftwareydelatransmisindedatosdesdeunaprimerasolucinoptoacoplada a la transmisin inalmbrica mediante tecnologas Bluetooth y Zigbee,pasandoporlautilizacindefibraspticas. Finalmentesediscutir la investigacinen ICCcomoun interesanteejeparaeldesarrollode recursoshumanosenprocesamientode seales ydesarrollodehardware,porque almismotiempoquerequiere imperativamenteeldesarrollodeestastcnicas,proporcionaunobjetivoclaro,fascinanteymotivadorparalaaplicacindelasmismas.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box9

  • Dr.LaurentBougrain INRIAprojectteamCORTEX NancyUniversityFrance

    TemplatebasedclassifiersforERPbasedBCIs:

    This talk aim topresentpattern recognition techniquesof graphicelements (e.g. eventrelated potential, auditory evoked potential, kcomplex, sleep spindles, vertex waves)included inelectroencephalographic signals.More specifically, templatebased classifierswill be introduced to robustly detect evoked potentials in a single trial from noisy andmultisourceselectroencephalographicsignals. Braincomputer interface (BCI) system is apotentiallypowerfulnew communication andcontroloptionforthosewithseveremotordisabilities[Wolpawetal.,2002].ABCIsystemtranslatesbrainactivity intocommands foracomputerorotherdevices (e.g.wheelchair,roboticarm).Inotherwords,aBCIallowsuserstoactontheirrealorvirtualenvironmentbyusingonlybrainactivity.Oneof thewellknownandpowerfulBCI system is theP300speller based on the noninvasive Electroencephalography (EEG) measuring from thesubject's scalp [Farwell & Donchin, 1988]. This BCI system uses an oddball paradigm.OddballparadigmsareusedinasynchronousBCIstoinduceeventrelatedpotentials(ERPs)through visual or auditory stimulus. Subject pays attestation to specific stimuli thatwillinduceERPswhenpresented;othersareregardedasthebackgroundneuralactivities.Onewelldefined component of ERPs is the P300 component that is a positive deflectionwaveform observed around 300ms after the onset of the stimulus. BrainComputerinterfaces based on evoked potentials allowmore commands than the ones based onmentaltasksanddonotneedlonghumantraining.Almosteverybodyreactsonthemandthereareusedbypatients.Thus,thetaskoftheP300spellersystemistorecognizetheERPcomponents fromthenoisyEEGbackgroundsignal. It is founddifficulttoaccomplishthistargetonthebaseofasingletrialbecausethemagnitudeoftheEEGbackgroundactivitiesis usually oneorder larger than the one of the ERP components, thatmeans the ERPcomponents in singletrial recordings are almost covered by the background neuralactivities. Moreover, noninvasive electrodes produce a noisy signal because the skulldampens signals. Thus, ERP detection usually needs to average responses of repeatedstimulations.Due to theaveragingoperation, thebackgroundEEGactivitiesare reducedand the ERP components are enhanced and evident. From a practical point of view, animportant issue is to reduce the number of repetitions, in order to obtain highcommunication bitrates. Themethodology has been improved but a gap still exists toenablesingletrialrecognition. Templatebasedmethodswithalignmenttechniqueslookpotentiallyinterestingtoobtainarobustdetection.ERPsareshorttimeeventswithcharacteristicpeaksatspecifictimes.Soit isuseful tobeable toextract features in timedomain.Templatebasedclassifiers firstestimateERPtemplatesbyaveraginginthetimedomainERPresponses,andthenusetheshorterdistancebetweenthecurrentresponseandtheERPtemplatesasthediscriminantcriterion.Wewill focus our attention in particular on several averaging techniques anddistance measures such as the pointtopoint averaging, the crosscorrelation distance[Wastell,1977]andthedynamictimewarping[Kangetal.,2001]. Oneof thesemethods,whichevokesourattention to solve thisproblem, is the learningvectorquantizationalgorithm(LVQ)[Kohonen,1990].LVQ isabletoautomaticallyextract

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box10

  • morphologyspecific templates. Itperformsasupervised learning foraclassification task.Itsprinciple is first tocluster inputdatausingacompetitive learningwithoutany spatialrelationshipbetweencodebookvectors (i.e., templates).Eachcluster ispreassigned toaspecific class.Thus,whenanewpattern shouldbe classified, themethoddetermines inwhichcluster thepatternbelongs toand thenassigns it to thecorrespondingclass label.This machine learning technique is well known for its robustness and interpretability.However, for largescale complexproblems, itsperformance canbe further improvedbyoptimizing theway tocombine the templates in itsassignmentstage insteadofselectingone of the templates as the final decision. More precisely, it could be interesting toovercome the simple identity function to determine classes from clusters. Thus, a nonidentity LVQwill be described. This improvementwill be accomplished using the samescheme found in theextreme learningmachinealgorithm (ELM) [Huangetal,2004].Theexperimental results show that the proposed algorithm improves the accuracywith lesscomputationalunitscomparedtooriginalLVQandELM. [FarwellandDonchin,1988]L.A.FarwellandE.Donchin.Talkingoffthetopofyourhead:towardamental

    prosthesisutilizingeventrelatedbrainpotentials.ElectroencephalographyandClinicalNeurophysiology,70(6):510523,1988.

    [Huangetal,2004]G.B.Huang,Q.Y.Zhu,andC.K.Siew.Extremelearningmachine:Anewlearningschemeof feedforwardneuralnetworks. InProceedingsof International JointConferenceonNeuralNetworks,volume2,pages985990,Budapest,Hungary,2004.

    [Kanget al.,2001]K.Wang,H.Begleiter,andB.Porjesz.Warpaveragingeventrelatedpotentials.ClinicalNeurophysiology,112(10):19171924,2001.

    [Kohonen,1990]T.Kohonen.Theselforganizingmap. InProceedingsof the IEEE,volume78,pages14641480,1990.

    [Wastell,1977]D.G.Wastell.Statisticaldetectionof individualevoked responses:anevaluationofwoodysadaptativefilter.ElectroencephalographyandClinicalNeurophysiology,42:835839,1977.

    [Wolpawetal.,2002] J.R.Wolpaw,N.Birbaumer,D. J.McFarland,G.Pfurscheller,T.M.Vaughan.Braincomputerinterfacesforcommunicationandcontrol.ClinicalNeurophysiology,113:76791,2002.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box11

  • Mg.Ing.RodrigoSalasF. DepartamentodeIngenieraBiomdica UniversidaddeValparasoChile

    RobustandIncrementalNeurofuzzyTechniquesforEvokedPotentialDetectioninBCI:

    Braincomputer interface (BCI) systemsarenewoptions for communication thatoperatethroughthetranslationofbrainactivitytocommandsinthecomputerorotherdevices.Inotherwords,BCIusersareallowed tooperate in realorvirtualenvironmentsusingonlybrainactivity.Theevokedpotentialofelectroencephalographic(EEG)signals isoneofthemoststudiednoninvasiveinterfaces,mainlyduetoitsfinetemporalresolution,easytouseand low costofuse.Unfortunately,noninvasive implantsproducenoisy signalsbecausethesignaltonoiseratereductionbytheskull.Anothermajorhurdle intheuseofEEGforbraincomputerinterfaceistheexcessivetrainingtimerequiredbeforetheusercanusethetechnology. Inthistalk,wewillpresentvariouscomputationalintelligencetechniquesthatcanbeusedfor robust and efficient detection of the activated regions of the cortex from electroencephalographicnoisysignalsobtainedfrommultiplesources.Adaptivetechniquesbasedon artificial neural networks and neurofuzzy systems will be presented. In particular,neurofuzzymodelsarecharacterizedbytheirabilitytomodelsystemswiththeflexibilityandinterpretabilityofthefuzzyinferencesystems,andadaptationofneuralnetworks.Wewillexplaintheoreticalaspectstodesigningrobust learningalgorithmstoestimateeventrelated potentials (ERP) from highly noisy EEG signals andwhere the behaviormay bedifferentforeachuser.Wewillpresent incremental learningtechniquestoenableneurofuzzymodelstoautomaticallyanalyzelargeamountofdatathatarrivesequentiallyintimein form of batch, and, where a balance between the previous and currently learnedpatternswill be preserved. The construction of incremental learning algorithms do notrequire aprioridefinitionof the architecture and themodelswill search for the adhocarchitecturetomodelasbestaspossibletheunderlyingstructureofthedata.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box12

  • Ms.C.Bioing.GerardoGabrielGentiletti LIRINS,FacultaddeIngeniera.UniversidadNacionaldeEntreRosArgentina

    PlataformaparasimulacindeaplicacionesrobticasdesistemasICC:

    La propia definicin del nombre adoptado para identificar esta apasionante lnea deinvestigacin: Interfaces Cerebro Computadora ICC (Brain Computer Interface BCI eningls)nossugierecualfueelprincipalejedeinvestigacinsobrelamisma,elculhasidoelde lograrestablecer"uncanaldecomunicacinentreelcerebro (lapersonamisma)yuna computadora", sin requerir de otra va natural (msculos o actividad en nerviosperifricos). Sin embargo, a la par del avance tecnolgico, las posibilidades decomunicacin se han extendido en los ltimos aos a posibilidades de accionar ointeractuarfsicamenteconelmedioquerodeaa lapersonaqueseconectaaunaICC.Laforma de extender demanera natural las capacidades de la computadoramisma paralograr este accionar, actualmente est en manos principalmente de la Robtica. Sinembargoa lapropiacomplejidadque implicaelslohechodeponerafuncionaruna ICC,debemos agregar ahora la complejidad de los propios dispositivos robticos que sepretenden"comandar",dondesillasderuedasinteligentes,brazosmanipuladores,mvilestelecomandados y actuadores de domtica, son algunos de los ejemplos que podemoscitar.Enestacharlasecomentaranlasexperienciasrealizadas,desdelosprimerostrabajosenelcampodelasICCquehemosrealizadoennuestrogrupo,recorriendoalgunoscaminosqueel propio estado del arte ha ido condicionando, para terminar con la descripcin de laactualplataformadeICCconlaqueseesttrabajandoenelLIRINS.Plataformaqueintentalograrparticularmenteestarorientadaaobtenerunaherramientaquepermitaabordarelestudio, el diseo y la evaluacin del desempeo de las ICC cuando se aplican alcomandandodeaplicacionesrobticas.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box13

  • Trabajos sobre

    Interfaces Cerebro Computadoras

    ICC

    Memorias II Jornadas Argentinas sobre Interfaces Cerebro Computadora

    23 y 24 de abril de 2009

  • ResumenEste trabajo presenta paradigmas simples para

    Interfaces Cerebro-Computadora (ICC) destinados a validar

    experimentalmente el correcto funcionamiento de plataformas

    autnomas para implementacin de ICC en tiempo real. Estos

    paradigmas se basan en eventos observables, tales como

    cierre/apertura de ojos o ejecucin de movimientos reales y

    permiten verificar el correcto funcionamiento del hardware.

    Se describen aqu dos paradigmas: uno basado en el ritmo

    alfa visual y otro basado en la sincronizacin beta post-

    movimiento. Ambas alternativas fueron utilizadas sobre

    distintas plataformas. Se presentan resultados experimentales

    obtenidos a lo largo de 10 aos de evolucin del hardware.

    Palabras claveICC autnomas, ritmos cerebrales, ICC en

    tiempo real.

    I. INTRODUCCIN

    Existen diversas tcnicas y paradigmas en la implementacin de ICCs, pero en lneas generales utilizan una estructura como la que se muestra en la Fig.1. La misma comprende una etapa de adquisicin de la seal de EEG, una etapa de pre-procesamiento y extraccin de caractersticas, un clasificador de estados mentales y finalmente una traslacin de estados mentales a acciones de control como encender una luz o mover un cursor.

    Fig. 1: Estructura tpica de una BCI

    Una plataforma para ICC contiene procesamiento

    analgico de seales (amplificador de EEG y circuitos de acondicionamiento) y procesamiento digital intensivo en tiempo real. Es importante en la etapa de desarrollo de estos dispositivos, contar con paradigmas simples que permitan verificar el correcto funcionamiento de cada uno de los distintos bloques que componen una ICC.

    El grupo BCI del LEICI-UNLP trabaja principalmente en el desarrollo de plataformas autnomas para ICC en tiempo real. En la evolucin de estos dispositivos surgi como necesidad disponer de un paradigma ICC base que oficie de invariante a lo largo de la evolucin de la plataforma. De este modo, las distintas versiones del hardware pueden ser testeadas y comparadas en forma consistente.

    El procesamiento y la funcionalidad de una ICC pueden definirse con precisin, pero para evaluar la performance de distintas plataformas se requiere conservar las condiciones de experimentacin. Esto ltimo no es simple de asegurar

    cuando pueden transcurrir aos entre una plataforma y su versin siguiente; y es ms difcil an cuando la operacin de la ICC se basa en eventos subjetivos como la imaginacin de movimientos o la intencin de mover el cursor [1], [2].

    Para poder mantener las condiciones de los ensayos a lo largo del tiempo, se decidi utilizar un paradigma ICC basado en eventos objetivos y fcilmente observables como el cierre/apertura de ojos y la ejecucin de movimientos reales. De este modo resulta relativamente simple relacionar el evento con la respuesta de la ICC generada a partir de las seales de EEG que ste produce. En particular, se utilizaron los llamados ritmos cerebrales.

    II. RITMOS CEREBRALES

    El cerebro tiene la capacidad de describir, bajo ciertas circunstancias, actividad rtmica. Estas oscilaciones, denominadas ritmos cerebrales, pueden observarse claramente utilizando tcnicas de EEG no invasivas (scalp). Ritmos en la denominada "banda alfa" fueron reportados desde los inicios del EEG por Berger en 1930.

    Esta actividad rtmica aparece en distintas zonas espectrales. Entre ellas merecen destacarse la banda alfa (8-12Hz.) y la beta (12-24Hz.). Existen diversos tipos de ritmos cerebrales que se producen e inhiben segn mecanismos asociados a distintas actividades mentales (por ejemplo, tareas motoras, visuales, etc.). Cada uno de ellos posee caractersticas propias, aunque en lneas generales, se observa lo siguiente [3, 4]: Los ritmos se producen sobre grupos neuronales que no

    se encuentran realizando su tarea especfica, es decir, aparecen en condicin de reposo (iddling rhythms) o de descanso (resting rhythms). Un claro ejemplo de este fenmeno se observa en la zona occipital, donde se concentra el procesamiento visual: al cerrar los ojos y no procesar informacin, esta zona cortical presenta una marcada actividad rtmica denominada "ritmo alfa".

    Los ritmos son bloqueados o atenuados cuando se producen eventos que implican que el rea cortical involucrada procese o se prepare a procesar informacin. Este fenmeno se denomina desincronizacin asociada al evento: ERD (Event Related Desincronization).

    Finalizado el evento que produjo la ERD el ritmo suele reaparecer intensificado. Este fenmeno se denomina Sincronizacin Relacionada al Evento: ERS (Event Related Sinchronization).

    Paradigmas ICC para validacin de plataformas autnomas

    Enrique Spinelli1, Pablo Garca y Marcelo Haberman1 LEICI Dto de Electrotecnia UNLP y (1) CONICET.

    Adquisicin de EEG

    Extraccin de

    Caractersticas

    Clasificador

    Trasladador

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box15

  • A. El ritmo Alfa Occipital

    Las caractersticas generales indicadas anteriormente se observan muy claramente en la zona occipital donde se localiza el procesamiento visual. Cuando estos grupos neuronales no se encuentran procesando informacin visual o preparndose para hacerlo, comienzan a describir una marcada actividad rtmica en la banda alfa. Los primeros anlisis del ritmo visual alfa coinciden con los orgenes del EEG a comienzos del siglo XX y desde entonces ha sido profusamente estudiado y utilizado tanto en investigacin como en la prctica clnica. Dado que se manifiesta en estados de relajacin visual, la forma ms tpica de conseguirlo es manteniendo los ojos cerrados, aunque tambin puede conseguirse evitando fijar la vista o manteniendo la visin "desenfocada". Este ritmo se utiliza actualmente en ICC [5] con esquemas muy similares a las utilizadas por Dewan en 1967 [6]. Este ltimo trabajo es posiblemente el primer antecedente de una ICC.

    B. Ritmos asociados a la actividad motora. Ritmos y .

    Estos ritmos se localizan en el cortex sensoriomotor. Los ms importantes y estudiados son el (8-12Hz) y el (16-24Hz). En un principio se pens que estos ritmos motores no se manifestaban en todas las personas, sino slo en una fraccin de ellas. Sin embargo Pfurtscheller [7] observ el ritmo en todos los sujetos por l analizados, pero sostiene que estos ritmos deben observarse como ERD o ERS alrededor del instante de planificacin y ejecucin del movimiento, y no integrando sobre intervalos de tiempo prolongados con o sin movimientos.

    El ritmo se manifiesta como una ERD (Event Related Desincronization) durante la preparacin y el desarrollo del movimiento y el ritmo como una ERD premovimiento y una ERS post-movimiento.

    III. MTODOS

    Con el fin de ensayar las plataformas se disearon dos tipos de ICC. La primera utiliza el ritmo alfa visual para producir activaciones del tipo on/off mientras que la segunda, que opera a partir de la ERS , permite el movimiento del cursor en una dimensin. Tambin es posible combinar ambas para obtener movimientos de cursor en 2 dimensiones [8].

    Para operar estas ICC se utilizaron seales de EEG relacionadas con acciones observables. Para vincular caractersticas de la seal de EEG con estos eventos externos se relev la relacin del ritmo alfa con el cierre/apertura de ojos y se vincul la ERS con movimientos de los dedos ndice izquierdo y derecho.

    A. ICC basada en Ritmo Alfa. Si bien el ritmo alfa ha sido muy analizado en la literatura

    [5, 6] igualmente se efectu un ensayo a fin de disponer de datos propios. Se registraron seales de EEG en dos condiciones: con ojos abiertos y con ojos cerrados en una condicin de relax visual. Se adquiri la seal de EEG utilizando un canal bipolar en O1-O2 manteniendo 20 segundos los ojos abiertos y 20 segundos cerrados. En la Fig.2 se muestra la evolucin de la amplitud del ritmo definida como su valor cuadrtico medio (RMS) donde se observa un claro incremento del valor RMS al cerrar los

    ojos. Para evitar el uso de valores absolutos (en VRMS) los cuales presentan una gran variabilidad inter-sujeto, estas secuencias fueron referidas al valor de background resultando medidas relativas (en % del nivel con ojos abiertos).

    En esta figura, se aprecia una muy clara sincronizacin (ERS) alrededor de un segundo luego del cierre de ojos. Este incremento es muy notable y puede ser de alrededor de 20 veces el nivel de background fundamentalmente en los primeros segundos posteriores al cierre de ojos (ERS).

    0 5 10 15

    20 25 30 35

    0

    10

    20

    30

    40

    Ritm

    o [veces]

    Tiempo [s]

    Fig. 2: Evolucin de la energa en la banda alfa al cerrar los ojos (en t=20s.). Se presentan 6 realizaciones y su promedio.

    Para la implementacin de la ICC se adopt la estructura

    que se muestra en la Fig. 3. La seal de EEG es muestreada a 256 m/s y aplicada a un filtro pasabanda T1(z) centrado en la banda alfa, la salida de este filtro se eleva al cuadrado y se suaviza mediante un filtro pasabajos T2(z) y decimado 32 veces obteniendo una medida de la amplitud del ritmo (P) a 8 m/s. A partir de esta ltima se estima el nivel base BL que corresponde al valor de P con ojos abiertos y finalmente el valor RMS del ritmo es comparado contra tres veces el nivel base BL [9] con una banda de histresis de 1 vez. As, el nivel de comparacin inferior resulta 2BL y el superior 4BL. La utilizacin de un umbral obtenido a partir de la seal misma en lugar de un umbral fijo evita que se requieran ajustes al cambiar de usuario [9].

    Fig. 3: Estructura propuesta para la ICC basada en ritmo alfa.

    La ICC se opera cerrando y abriendo los ojos. Al cerrarlos, el nivel del ritmo alfa aumenta, cuando este llega al umbral superior (4 veces BL), se emite una seal audible, el usuario abre los ojos y cuando el nivel decae por debajo del umbral inferior (2 veces BL), la interfaz genera un evento. En la Fig. 4, se muestra una seccin de un registro donde se indican los niveles umbral y el nivel base estimado. En este modo de operacin la ICC genera un nico evento, pero es posible generar varios distintos de acuerdo a la duracin de la activacin. As una activacin corta puede activar un dispositivo y una de larga duracin un segundo dispositivo.

    Decimacin x 32

    T1(z) x(n)

    (256 m/s.)

    P 8 m/s y2

    T2(z)

    Estimador Nivel

    de Background x3

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box16

  • Fig. 4. Evolucin de la amplitud del ritmo alfa (P) generando activaciones. En lnea punteada gruesa se indica el nivel base BL y en punteadas finas los niveles de comparacin 3BL, 2BL y 4BL.

    A. Sincronizacin post-movimiento.

    Para observar esta ERS se realizaron ensayos adquiriendo EEG sobre el cortex motor utilizando dos canales bipolares en C3-F3 (lado izquierdo) y C4-F4 (lado derecho) mientras se realizan movimientos con los dedos ndice derecho e izquierdo. En la Fig. 5 se muestra la evolucin de la amplitud del ritmo para movimientos del dedo derecho presionando cada 10 s. una tecla de un ordenador donde el instante 0 indica la presin de la barra espaciadora. Los subndices "i" e "d" indican que corresponden al lado izquierdo (C3-F3) y derecho (C4-F4) respectivamente. Los resultados del mismo ensayo para movimientos del dedo izquierdo se consignan en la Fig. 6. En estas figuras puede observarse la ERS y se aprecia un clara lateralidad en esta ERS: para movimientos realizados con el ndice derecho, la ERS izquierda es mayor que la derecha, mientras que esta tendencia se invierte al realizar movimientos con el ndice izquierdo. Es decir se observa mayor actividad en el lado contralateral. Recordemos que el cortex motor asociado al lado derecho del cuerpo se encuentra en el hemisferio cerebral izquierdo.

    Fig. 5. Evolucin del ritmo al efectuar movimientos con el dedo ndice derecho. El instante 0 indica la ejecucin del movimiento (presin sobre la barra espaciadora del PC). En gris se representaron las realizaciones individuales y en negro su promedio.

    Fig. 6. Evolucin del ritmo al efectuar movimientos con el dedo ndice izquierdo. El instante 0 indica la ejecucin del movimiento (presin sobre la barra espaciadora del PC). En gris se representaron las realizaciones individuales y en negro su promedio.

    Los resultados presentados en Fig. 5 y Fig.6 concuerdan con los reportados por Pfurtscheller dos dcadas atrs [4, 10]. Para controlar el desplazamiento del cursor en pantalla

    se utiliz la lateralidad de la ERS . Intentando evitar el uso de valores absolutos de los ritmos, los cuales son muy dependientes del sujeto, se utiliz como medida de lateralidad el coeficiente de asimetra [11] dado por:

    D I

    D I

    =+

    (1)

    Donde I y D son las amplitudes de los ritmos del lado izquierdo y derecho respectivamente. Es importante notar que este coeficiente est normalizado adoptando valores entre -1 y 1.

    El valor de define la velocidad del cursor; as =-1 implica mxima velocidad a la izquierda y =+1 la mxima velocidad a la derecha La posicin del cursor se obtiene por integracin como en las interfaces de Wolpaw y de La Course [12, 13]. La estructura de la ICC, que se muestra en la Fig. 7, consiste en dos medidores de potencia en la banda beta (I y D) similares a los utilizados en la BCI con ritmo alfa y un bloque que calcula el coeficiente de asimetra . Esta variable es integrada y el resultado de esta operacin determina la posicin del cursor

    La amplitud del ritmo I se obtiene a partir de seal de EEG bipolar captada en lado izquierdo (C3-F3) y I a partir del EEG bipolar en C4-F4.

    Fig. 7: Estructura de la ICC basada en la ERS

    IV. RESULTADOS

    Los paradigmas expuestos en las secciones previas fueron implementados sobre diversas plataformas de hardware y de software. Las primeras implementaciones de estas plataformas utilizaban amplificadores de biopotenciales clsicos, alimentados con 15V a partir de un transformador de aislacin. Las seales eran convertidas del lado paciente con un ADC de 8 bits y transferidas a un PC mediante un optoacoplador por la puerta serie. El procesamiento digital de las seales se ejecutaba sobre un PC AT286 20MHz bajo DOS y los programas se desarrollaron con Turbo Pascal [8].

    Los paradigmas propuestos acompaaron como aplicacin de prueba la evolucin de la plataforma de hardware. En un principio se ensayaron distintas etapas analgicas hasta llegar a un amplificador simple alimentado a bateras y otras versiones casi completamente digitales utilizando convertidores ADC - de alta resolucin [14]. En una segunda etapa se continu con la evolucin de la transmisin de datos pasando al uso de soluciones inalmbricas como bluetooth y zigbee [14]. Paralelo a esto, el software de la plataforma migr hacia nuevas versiones que utilizan las API de Windows y se ejecutan sobre este sistema operativo. Haciendo uso de sockets TCP pueden comunicarse con interfaces visuales desarrolladas en flash, java o cdigo HTML [15].

    0 5 10 15 20 Tiempo [s]

    P 2BL(t) Nivel Base

    BL(t) 4BL(t)

    -100

    0

    100

    200

    300

    400

    500

    600

    0 2 4-100

    0

    100

    200

    300

    400

    500

    600

    -1 1 3 5 0 2 4-1 1 3 5

    C4 - F4 16-24 Hz

    Tiempo [s]contra

    Tiempo [s]contra

    ERS [%]

    ERS [%]

    C3- F3 16-24 Hz

    -100

    0

    100

    200

    300

    400

    500

    600

    -100

    0

    100

    200

    300

    400

    500

    600

    0 2 4-1 1 3 50 2 4-1 1 3 5

    ERS [%]

    ERS [%]

    Tiempo [s]contra

    Tiempo [s]contra

    C4 - F4 16-24 HzC3 - F3 16-24 Hz

    x1(n)

    C4-F4

    (256 m. /s.)

    D (8 m/s)

    x2(n)

    C3-F3

    (256 m. /s.)

    Cursor

    di

    di

    +

    =

    ( )G t dt

    Medidor

    RMS

    Medidor

    RMS I (8 m/s)

    P

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box17

  • Los paradigmas ICC presentados se ensayaron sobre cada una de las versiones de la plataforma y permitieron detectar errores difciles de observar en un debug con seales de prueba. En todos los casos, luego de una etapa de depuracin, todas las plataformas mostraron similar funcionalidad, ms all de la comodidad o la mejorada presentacin de las versiones finales.

    A modo de ejemplo, en la Fig. 8 se muestran resultados experimentales de la ICC basada en ritmo alfa produciendo activaciones por distintos usuarios. Se observa que la amplitud del ritmo difiere significativamente entre ellos pero se mantiene la correcta operacin de la ICC.

    Fig. 8. evolucin del ritmo alfa al producir activaciones por distintos usuarios.

    Finalmente, se presentan resultados moviendo el cursor

    con la ICC basada en ERS realizando movimientos con los dedos ndice izquierdo y derecho. La experiencia consisti en mover el cursor de derecha a izquierda del pxel 200 al 500 alternativamente. Se trata de un ensayo con dos blancos segn se muestra en la Fig. 9.

    En la Fig. 10 se puede observar la amplitud de los ritmos I y D al mover el cursor utilizando la siguiente estrategia: para moverlo hacia la derecha, se efectan movimientos pausados con el dedo derecho a fin de producir ERS I al mismo tiempo se mueve el dedo izquierdo en forma continua para mantener un bajo nivel de D, es decir una ERD D. Estos efectos pueden observarse en la Fig. 10(c). En la Fig. 10(b) se muestra la evolucin del el coeficiente de asimetra y en la Fig. 10(a) la posicin del cursor resultante.

    Fig. 9. Experiencia de dos blancos: el usuario debe alcanzar alternativamente blancos fijos en pantalla ubicados en la posicin 250 y 500

    V. CONCLUSIONES.

    Se presentaron dos paradigmas simples que permiten verificar el correcto funcionamiento de una ICC. Los mismos utilizan seales de EEG producidas por eventos observables externamente como el cierre-apertura de ojos y la ejecucin de movimientos reales. Estas estrategias no son del todo apropiadas para ICC; porque si el usuario puede abrir-cerrar sus ojos y mover sus dedos, es posible implementar dispositivos de ayuda mucho ms eficientes que una ICC; pero resultaron muy tiles para verificar el correcto funcionamiento de plataformas ICC. Estos paradigmas permitieron ensayaran las sucesivas versiones de una plataforma autnoma para ICC en tiempo real.

    -1

    0

    1

    0 5 10 15 20 25 30 35 40 45 50

    200

    300

    400

    500

    izquierda

    derecha

    Tiempo [s]

    id

    Pixeles

    Fig. 10. Evolucin de las variables durante la experiencia dos blancos. (a) posicin del cursor, (b) coeficiente de asimetra y (c) ritmos I y D.

    AGRADECIMIENTOS

    Este proyecto se financi en parte con los subsidios I127 de la UNLP y PICT 2007-00535 de ANPCyT.

    REFERENCIAS

    [1] C. Vidaurre, A. Schlogl, R. Cabeza, R. Scherer and G. Pfurtscheller, A fully on-line adaptive BCI, IEEE Transactions on Biomedical Engineering, Vol. 53, No. 6, pp. 1214- 1219, 2006.

    [2] E. Spinelli, Un nuevo paradigma BCI: Detectar la intencin del usuario de mover el cursor. Algunos ensayos preliminares, Primera Jornada Argentina sobre Interfaces Cerebro-Computadora, Oro verde Entre Rios, 2006.

    [3] G. Pfutrscheller, "On the origin of post-movement beta oscilations in EEG of man", Biomedizine Technik, Vol 42, No. 1, pp. 171-173, 1997.

    [4] G. Pfutrscheller et. al, "Foot and hand area rhythms, Interantional Journal of Psychophysiology, Vol. 26, pp. 121-135, 1997.

    [5] L. Kirkup et.al., EEG-based system for rapid on-off switching without prior learning, Medical & Biological Engineering and Computing, Vol.35, pp.504-509, 1997.

    [6] E. Dewan, "Occipital Alpha Rhythm Eye Position and Lens Accommodation,", Nature, No. 214, pp. 975-977, 1967.

    [7] G. Pfutrscheller and A. Aranibar, Evaluation of event-related desynchronization (ERD) preceding and following self-spaced movements, Electroencephalography and Clinical Neurophysiology, Vol. 46, pp. 138-146.

    [8] E. Spinelli, Interfaces para Control Cerebral, Tesis de Magister, Facultad de Ingeniera UNLP, 2000.

    [9] E. Spinelli y M. Mayosky, "Interfaz Adaptiva para comunicaciones mediante EEG basadas en el Ritmo Alfa Visual", XVIII Congreso de la Sociedad Espaola de Ingeniera Biomdica, pp. 161-163, Cartagena Espaa, 2000.

    [10] G. Pfurtscheller, K. Zalaudek and C. Neuper, C., "Event-related beta synchronization after wrist, finger and thumb movement", Electroencephalography and clinical Neurophysiology, No. 109, pp.154-160, 1998

    [11] Z. Keirn and J. Aunon, A New Mode of Communication Between Man and his Surroundings, IEEE Trans. on Biomedical Engineering, Vol. 37, No. 12, pp. 1209-1214, 1990.

    [12] J. Wolpaw, J. et al, "An EEG based Brain Computer Interface for cursor control," Electroencephalography & Clinical Neurophysiology, vol 78, pp. 252-259, 1990.

    [13] J. La Course and E. Wilson, BRAINIAC: A Brain-Computer Interface, IEEE Instrumentation and Measurements Society Newsletter, pp. 9-14, 1996.

    [14] P. Garca, E. Spinelli, R. Vignoni y D. Guaraglia, Nodo Programable para Red de Sensores Distribuidos con Aplicacin en Biomedicina, Proceedings del XVI Congreso Argentino de Bioingeniera SABI 2007, San Juan 2007.

    [15] M. Haberman, Estudio diseo e implementacin de un Electroencefalgrafo porttil. Tesina de fin de carrera, Facultad de Ingeniera UNLP, 2008.

    Tiempo [seg.]

    Sujeto A Sujeto B Sujeto C

    250(V

    )2

    10 seg.

    (a)

    (b)

    (c)

    250 500

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    UsuarioLine

    PE03AText Box18

  • ResumenUna interfaz cerebro-computador (ICC) es un sistema de comunicacin que permite generar una seal de control a partir seales cerebrales como los ritmos sensorimotores y los potenciales evocados y, por consiguiente, constituye una alternativa novedosa de comunicacin para personas en situacin de discapacidad motora severa (como aquellas que padecen esclerosis lateral amiotrfica, ELA). Este proyecto propone el desarrollo de un prototipo de ICC, basado en el registro de potenciales evocados cognitivos P-300 mediante electroencefalografa. El prototipo desarrollado hace uso de un electroencefalgrafo de seis canales para la adquisicin de las seales, y mediante una matriz de estimulacin visual que contiene las letras del abecedario, e conos asociados a ellas, permite que el usuario escriba palabras o elabore mensajes con los conos. Para procesar las seales (filtracin, diezmado, entre otros) se utilizaron los programas BCI2000 y MATLAB 7.0. Este ltimo se emple para programar tres algoritmos lineales de translacin (anlisis lineal del discriminante, solucin por mnimos cuadrados y anlisis lineal del discriminante paso a paso), que permitieran traducir los potenciales evocados en seales de comunicacin.

    Palabras clavecomunicacin aumentativa y alternativa, discapacidad motora, electroencefalografa, interfaz cerebro-computador (ICC), potencial evocado cognitivo P300.

    I. INTRODUCCINl inters por el funcionamiento del cerebro humano se ha incrementado considerablemente en las ltimas

    dcadas, debido a la complejidad de las funciones que realiza y a los adelantos logrados en los diferentes equipos de diagnstico cerebral. Por muchos aos, se especul sobre el hecho de que la actividad electroencefalogrfica (EEG) y otras medidas electrofisiolgicas de la funcin cerebral podan proveer un nuevo canal no muscular para el envo de informacin, mensajes o comandos al mundo externo [1], [2], [3].

    E

    Numerosos estudios han demostrado la correlacin entre las seales de EEG y el movimiento real o imaginado, y entre las seales de EEG y las tareas mentales [4].

    Derivadas de estas investigaciones aparecieron las interfaces cerebro-computador (en ingls brain computer interfaces, BCI). Estos sistemas fueron desarrollados gracias a los avances logrados en las tcnicas de electroencefalografa (EEG), electrooculografa (EOG) y electromiografa (EMG), que permitieron traducir las diferentes seales neuronales, captadas en estudios clnicos y experimentales, en respuestas motoras (como el control de prtesis y sillas de ruedas) o en mensajes [5], [6]. En este orden de ideas, las BCI son un gran elemento de soporte para terapias alternativas que ayuden a restaurar el control motor en pacientes con enfermedades motoras tales como esclerosis lateral amiotrfica, daos en la mdula

    espinal, entre otras [7].Desde hace varios aos, distintos laboratorios han

    desarrollado sistemas de ICC [8-10], [11-14], [15]. Sin embargo, un sistema tpico de ICC generalmente se enfoca en un solo tipo de seal de control. En respuesta a este problema, el centro Wadsworth, ubicado en Albany, Estados Unidos, se ha encargado de la creacin de un software multi-propsito, denominado BCI2000 [5], [16]. .

    En Latinoamrica, pocos grupos se han enfocado en el estudio de las ICC. Entre ellos, se encuentra el grupo de investigacin de la Universidad Nacional de Entre Ros (Argentina) [10], [17]. En Colombia, segn la revisin de la literatura que se ha hecho, ningn laboratorio ha establecido una lnea de investigacin en el tema de las ICC, a pesar del alto nmero de personas en situacin de discapacidad motora que reporta el Departamento Administrativo Nacional de Estadsticas (DANE) [18] (en el pas, aproximadamente 185,736 personas sufren limitaciones para el movimiento de los brazos, manos y piernas y 125,454 padecen afecciones en el sistema nervioso). Esta razn, motiva a la naciente comunidad cientfica del pas a desarrollar estudios en esta rea.

    En este artculo, se presenta el desarrollo de un prototipo de interfaz cerebro computador basado en mediciones electroencefalogrficas de seales P-300, un tipo de potencial evocado asociado a la funcin cognitiva cerebral. Este prototipo est diseado para pacientes en situacin de discapacidad motora y con problemas de comunicacin. Mediante una matriz de estimulacin visual que contiene las letras del abecedario, e conos asociados a ellas, el dispositivo permite que el usuario escriba mensajes. Para la adquisicin, el procesamiento de las seales y los algoritmos de translacin, este dispositivo hace uso tanto del software BCI 2000, desarrollado en el instituto Wadsworth (Albany, NY, USA), como del software MATLAB.

    II.MATERIALES Y MTODOS

    A. MaterialesHardware: Ocho electrodos de copa de oro, gel

    conductor, amplificadores operacionales, TL071, amplificadores de aislamiento, AD210, amplificadores de instrumentacin AD620, computador porttil, tarjeta de adquisicin de datos National Instruments, y un circuito medidor de impedancia.

    B. Mtodos1. Adquisicin y acondicionamiento de la seal

    Plataforma experimental de ICC para facilitar la comunicacin de personas en situacin de

    discapacidad motoraCarolina Arboleda , Eliana Garca, Alejandro Posada y Rbinson A. Torres

    Escuela de Ingeniera de Antioquia - Universidad CES, [email protected]

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box19

  • La interfaz cerebro computador construida est basada en el potencial evocado P300. Para adquirir esta seal, se dise y construy un electroencefalgrafo de seis canales. En la Fig. 1, se muestra un diagrama de bloques general del prototipo construido.

    Fig. 1. Diagrama de bloques general de la interfaz cerebro computador .

    El posicionamiento de los electrodos (de copa de oro, para minimizar el ruido) se hizo segn el sistema internacional 10-20; los electrodos de tierra y referencia se ubicaron, respectivamente, en los mastoides izquierdo y derecho, y los electrodos seal se ubicaron en los puntos Fz, Cz, Pz, Oz, C3, y C4 [17]. Para medir la impedancia en la interfaz electrodo-cuero cabelludo, se construy un medidor simple de impedancia [19].

    Se utilizaron dos geles para el posicionamiento de los electrodos: el TEN-20 y la bentonita [19]. Luego de posicionar los electrodos, se implement un filtro pasa altas pasivo, con el objetivo de eliminar el voltaje de continua existente entre los electrodos, que puede llegar a ser del orden de mV y ocasionar que, en las fases de amplificacin previas al filtrado, se saturen los amplificadores y se pierda la seal.

    Para minimizar el voltaje en modo comn, se utiliz un electrodo de referencia, que se conect a un circuito de la pierna derecha [20].

    El filtro pasa bandas implementado corresponde a un filtro activo de quinto orden, con una banda de paso de 0.3 Hz-15 Hz, con el fin de eliminar las seales de EEG ubicadas en otras bandas de frecuencia y, al mismo tiempo, filtrar el ruido electromagntico de 60 Hz, la respiracin del paciente, la actividad electrocardiogrfica y alguna actividad electromiogrfica presente.

    Para llevar la seal adquirida al computador, se utiliz una tarjeta National Instruments DAQ USB-6016 (se utiliz una frecuencia de muestreo de 512 Hz), por puerto USB.

    2. Procesamiento de la sealPara procesar la seal obtenida por el

    electroencefalgrafo construido, se program un algoritmo en forma de interfaz grfica (del ingls Graphical User Interface, GUI), en MATLAB 7.0 . La funcin load_bcidat, que viene incluida en las herramientas de anlisis off-line del BCI2000, fue utilizada para cargar los datos adquiridos. Stimuluscode y Stimulustype fueron vectores claves, que arrojaba el BCI2000, bajo los cuales se estableci la programacin. El primero, es un vector que contiene la informacin sobre el inicio y la duracin de la

    estimulacin de cada uno de los conos. Este vector est compuesto por nmeros, los cuales representan el cono que se ha estimulado y la duracin de la estimulacin (dicha numeracin es realizada internamente por el BCI2000). El segundo es un vector binario, que es igual a uno cuando se est iluminando alguno de los conos que se escogieron para entrenar al usuario, o igual a cero en el resto de los casos. Con estos dos vectores, se separan las seales en dos grupos: pocas con P-300 y pocas sin P-300. Para graficar estas seales, se construy otra interfaz grfica denominada Anlisis off-line P-300.

    La GUI construida para el procesamiento de las seales, permite que el usuario seleccione la frecuencia de diezmado; el tamao de la ventana de tiempo, es decir, el tamao de la seal que va a tomar, despus de la produccin del estmulo visual, para analizar la presencia de P300; el nmero mximo de iteraciones que realizar el algoritmo de translacin (necesario slo para el anlisis lineal del discriminante paso a paso); el conjunto de canales que quiere que sea considerado; y, finalmente, un men que le permite escoger entre aplicarle un filtro de media mvil a la seal, o dejarla tal como se adquiere.

    Las seales, ya separadas en pocas con P300 y pocas sin P300, primero se filtran y luego se diezman. Despus de este filtro, se les aplica el de media mvil, si el usuario as lo ha escogido.

    3. Algoritmos de translacinUna vez filtrados y diezmados los dos grupos de seales

    (con P300 y sin P300), se genera un vector de marcas de clase llamado Label . Label=1, en las posiciones correspondientes a las seales que tienen P300 y Label=-1, en las posiciones correspondientes a las seales que no lo tienen.

    Se programaron tres algoritmos lineales de translacin, para clasificar las seales en las dos clases mencionadas: el discriminante lineal de Fisher (del ingls Fishers lineal discriminant, FLD), la solucin por mnimos cuadrados (del ingls Least squares, LS) y el anlisis lineal del discriminante paso a paso (del ingls Stepwise lineal discriminant analysis, SWLDA). Estos algoritmos se eligieron, ya que la programacin de algoritmos lineales resulta menos compleja que la implementacin de algoritmos no lineales. Adems, este tipo de algoritmos no exige un gasto computacional alto, como las redes neuronales, por ejemplo, y ha mostrado clasificaciones realmente buenas, segn las pruebas realizadas y el estado de la tcnica [21].

    Para programar los dos primeros algoritmos, se disearon cdigos en MATLAB 7.0, y para el tercero, se utiliz la funcin stepwisefit del mismo software. Este ltimo algoritmo tiene un valor agregado importante: permite seleccionar los canales que mejor realizaron la discriminacin de las seales con P300.

    4. Matriz de estimulacinDe acuerdo con el estudio de Garca y Gentiletti [22], el

    tamao 4 x 3 (filas x columnas), arroja buenos porcentajes de clasificacin con tiempos de estimulacin menores que los de la matriz tradicional de 6 x 6, de Donchin et al [8]. Por esa razn, se construy una matriz de 4 x 3 (Fig. 2), que permita la seleccin directa de acciones concretas de la vida cotidiana (comer, dormir, beber, salir a pasear, requerir

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box20

  • medicinas, ir al bao o tomar una ducha, leer y escribir), sentimientos (feliz y triste), y adems inclua aseveraciones muy necesarias y simples para la comunicacin (est bien, est mal). Por otro lado, permita escribir palabras con las letras asociadas a cada cono. De esta manera, el usuario bien poda elaborar mensajes con los conos en cuestin, o escribir palabras.

    Fig. 2. Matriz de estimulacin de 4 filas x 3 columnas, donde se cuenta con letras e conos asociados a

    cada posicin. Estos conos representan tareas cotidianas de una persona normal.

    5. Procedimiento experimental Para probar la interfaz cerebro-computador, es necesariollevar a cabo los siguientes pasos:

    Posicionamiento de electrodos. Medir la impedancia asociada a cada electrodo, y asegurarse de que est entre 5 k y 10 k.

    Alimentacin y ensamble del dispositivo. Conectar la tarjeta de adquisicin de datos al electroencefalgrafo y al computador, y conectar los electrodos al dispositivo.

    Entrenamiento. El objetivo del entrenamiento es que el sistema aprenda a reconocer los potenciales P-300 del usuario en cuestin. En nuestro caso, hacamos cuatro series de entrenamiento, cada una poniendo a deletrear a la persona una palabra de cuatro caracteres.

    Para el sistema se utiliz un nmero de 15 pocas para la estimulacin. Las letras permanecan intensificadas por un perodo de 100 ms, y no intensificadas por un perodo de 300 ms.

    Si el usuario quera seleccionar una letra determinada, deba contar cuntas veces se iluminaba, lo cual permita que se generara la atencin sobre el evento o letra, y por ende que se obtuviera un P300.

    Generacin de pesos y prueba de deletreo libre. Con los datos obtenidos a partir del entrenamiento, y utilizando cualquiera de los algoritmos de translacin programados, se proceda a generar el vector de pesos. Este vector se cargaba en el BCI2000, y se proceda a la prueba de deletreo libre, es decir, el usuario seleccionaba la palabra que quera decir.

    6. Anlisis estadsticoPara probar el prototipo construido, se tom un grupo de

    cinco mujeres y cinco hombres (sin ninguna discapacidad motora), con edades comprendidas entre los 14 y 25 aos. A cada persona, se le calcul el porcentaje de clasificacin con cada uno de los algoritmos de translacin programados, con filtro de media mvil y sin filtro, respectivamente, con la matriz diseada por los autores. Finalmente, para cada individuo, se escogi el algoritmo que mejores resultados de clasificacin arroj, para la prueba de deletreo libre.

    III. RESULTADOSEl sistema de adquisicin de la seal, el cual involucra:

    gel para electrodos, electrodos de copa baados en oro, amplificacin y filtrado de la seal de EEG y adquisicin por tarjeta de la National Instruments, fue construido y acoplado correctamente.

    Se desarrollaron dos interfaces grficas, una para el procesamiento de seales y generacin de pesos, para las pruebas de deletreo libre, y otra para el anlisis off-line del P-300, que sirve para graficar las seales registradas y realizar juicios con respecto a las mismas.

    En la Tabla I se observan los porcentajes de clasificacin obtenidos con los tres algoritmos de translacin programados, para los diez sujetos de prueba.

    TABLA I. PORCENTAJES DE CLASIFICACIN OBTENIDOS PARA LOS DIEZ SUJETOS

    DE PRUEBA, CON LOS TRES ALGORITMOS DE TRANSLACIN PROGRAMADOS

    Sin filtro Con filtro de media comn Sujeto SWLDA LDA LS SWLDA LDA LS

    1 (mujer) 94 94 94 94 81 81 2 (mujer) 88 94 94 88 0 88 3 (hombre) 75 94 81 94 88 13 4 (hombre) 69 88 88 69 44 56 5 (mujer) 100 100 100 100 100 94 6 (hombre) 81.25 87.5 62.5 81.25 6.25 12.5 7 (mujer) 100 100 94 94 13 38 8 (mujer) 100 100 81 100 50 50 9 (hombre) 100 100 100 100 100 94 10 (hombre) 100 100 100 87.5 12.5 12.5 Promedio 90.725 95.75 89.45 90.775 49.475 53.9

    En la Fig. 3 se muestran los porcentajes de aciertos obtenidos por cada uno de los sujetos, en la prueba de deletreo libre. Para esta prueba, se escogi el algoritmo que mejor porcentaje de clasificacin arroj. Cuando el usuario acertaba en la fila, pero no en la columna, o viceversa, se contaba como un acierto del 50 % en la letra determinada.

    Fig. 3. Porcentajes de aciertos obtenidos por los diez sujetos de prueba, en la prueba de deletreo

    libre.

    IV. DISCUSINPara el desarrollo de electroencefalgrafos, es necesario

    tener mucho cuidado con el diseo de los circuitos, de modo que se asegure la proteccin del sujeto de prueba, mediante el uso de amplificadores de aislamiento, por ejemplo. Por otro lado, es importante tomar medidas para reducir la propagacin del ruido, ya que la amplitud de las seales elctricas cerebrales es del orden de V. Por esa razn, se recomienda el diseo de tarjetas impresas con polgonos de tierra, blindaje adecuado de los cables y la instrumentacin electrnica y, finalmente, algunos circuitos

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box21

  • para eliminar los potenciales en modo comn.El uso de pastas conductoras, que reduzcan la

    impedancia entre el cuero cabelludo y el electrodo, es completamente necesario. Para garantizar la efectividad de una pasta determinada, se recomienda medir la impedancia entre los electrodos (normalmente entre el de referencia y los dems). Para este propsito, se pueden construir medidores de impedancia simples, en los cuales se garantice que la impedancia en el ancho de banda de las seales registradas no sobrepase los 10 K.

    Por economa, es mejor utilizar la bentonita en lugar del gel TEN-20, funciona bastante bien para la adquisicin de la seal: la impedancia medida entre los electrodos siempre se mantuvo entre 5 k y 10 k, para ambos tipos de gel.

    Por otro lado, para asegurar una conduccin adecuada de las seales, es necesario posicionar adecuadamente los electrodos y adherirlos completamente a la superficie.

    Es importante tener en cuenta que aunque el deseo es obtener un pico alrededor de los 300 ms (P300), no siempre es as, sin embargo, lo realmente importante, es que el clasificador pueda encontrar un patrn caracterstico de la seal del sujeto, ya sea en los 300 ms, en los 500 ms, o en otro instante de tiempo, que est contemplado dentro de los 1000 ms despus del estmulo (para el caso).

    Los tiempos de duracin de cada estmulo visual, y los espacios inter-estmulo, deben adecuarse de acuerdo con el usuario, de modo que este pueda identificar sin dificultad cundo se produce una estimulacin. Adems, los conos deben tener un tamao proporcionado y una distribucin ptima en la pantalla del computador.

    Si se utiliza un computador porttil para la adquisicin de las seales, se sugiere mantenerlo conectado a la red de alimentacin, pues esto mejora la relacin seal-ruido.

    Los porcentajes de clasificacin, aunque slo significan factores de prediccin, cuando estn por encima del 90 %, reflejan que los datos adquiridos durante el entrenamiento presentaron caractersticas semejantes y que el sujeto tiene un patrn caracterstico.

    En la tabla I, se observa que, en uno de los casos, se obtuvo un porcentaje de clasificacin del 0 % con el LDA, y tanto con este como con el algoritmo de mnimos cuadrados, se obtuvieron otros porcentajes muy bajos de clasificacin (6.25, 12 y 13 %). Esto se debe, principalmente, a que estos algoritmos no seleccionan los canales que efectivamente realizan una buena discriminacin de las seales, lo que hace que, en muchos casos, lleguen a encontrarse con matrices no invertibles, o con nmeros de condicin indeseados. Contrariamente, con el SWLDA, se elimina este tipo de problemas. Por esa razn, se sugiere programar algoritmos que realicen una seleccin de canales previa al clculo de los vectores de pesos.

    Finalmente, es necesario analizar la pertinencia, para los pacientes en situacin de discapacidad motora, de los tiempos de estimulacin, y el nmero de pocas que se estn usando en el prototipo construido.

    V. CONCLUSIONESSe logr construir una interfaz-cerebro computador tipo

    comunicador basada en el potencial evocado cognitivo P-300. El sistema de adquisicin desarrollado, es decir, el

    electroencefalgrafo de seis canales, funcion de acuerdo con lo esperado, como lo evidencian los resultados obtenidos. Esto sugiere que este sistema puede ser utilizado para el desarrollo de nuevas aplicaciones relacionadas con el tema de las interfaces-cerebro computador, como, por ejemplo, interfaces basadas en otro tipo de seales cerebrales, como los ritmos sensorimotores.

    El algoritmo de procesamiento desarrollado en MATLAB tambin arroj resultados muy positivos, como se observ en la seccin anterior. Sin embargo, es importante tener en cuenta que el procesamiento que se haga depende de los algoritmos de clasificacin que vayan a utilizarse.

    A partir de los resultados presentados en la Fig. 6 , se puede concluir que los algoritmos de translacin programados (anlisis lineal del discriminante, discriminante lineal de Fisher y anlisis lineal del discriminante paso a paso), permitieron un entrenamiento adecuado del sistema, ya que los porcentajes de aciertos siempre estuvieron por encima del 50% para diez sujetos sanos. Resta probar el sistema con personas que padezcan alguna de las enfermedades motoras mencionadas, para validar la efectividad real prototipo construido.

    Finalmente, es importante resaltar que este es un primer acercamiento al mundo de las interfaces cerebro computador en nuestro medio, y las aplicaciones que pueden resultar a partir de esta iniciativa son muchas. Una idea potencial sera integrar las ICC con el rea de la biomecnica para manipular una prtesis o una silla de ruedas.

    Por otro lado, quedan muchos potenciales evocados para descubrir y otras seales electroencefalogrficas para aprovechar, de manera que las investigaciones a futuro debern contemplarlas, con el fin de fijar aquella que presente mayor nivel de efectividad en la manipulacin de la interfaz. Esto ltimo depender siempre del paciente objetivo, sus expectativas y las posibles aplicaciones que dese controlar mgicamente con su cerebro.

    AGRADECIMIENTOSAgradecemos especialmente Gabriel Gentiletti, miembro

    del grupo de investigacin en interfaces cerebro-computador de la Universidad Nacional de Entre Ros (Argentina), el Instituto Wadsworth (Albany, NY, EE.UU), y a todas las personas que, de una u otra manera, hicieron posible el desarrollo de este proyecto.

    REFERENCIAS[1] J. Wolpaw, N. Birbaumer, D. McFarland, G. Pfurtscheller y T.

    Vaughan, "Brain-computer interfaces for communication and control", en Clinical Neurophysiology, vol. 113, pp. 767-791, 2002.

    [2] J. Wolpaw, N. Birbaumer, W. Heetderks, D. McFarland, , P. Peckham, G Schalk, , E. Donchin, L. Quatrano, C. Robinson, T. Vaughan, "Brain computer interface technology: a review of the first international meeting", en IEEE Transactions on Rehabilitation Engineering, vol. 8, No. 2, pp.164-173, 2008.

    [3] J. J. Vidal, "Real-time detection of brain events in EEG", en Proceedings of the IEEE, vol. 65, No. 5, pp. 633-641, 1977.

    [4] S. G. Mason y G. E. Birch, "A brain-controlled switch for asynchronous control applications", en IEEE transactions on biomedical engineering, vol. 47, No. 10, pp. 1297-1307, 2000.

    [5] K. A. Moxon, "Neurorobotics in: Neural Engineering", en Kluwer Academic Publishers, 2005.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box22

  • [6] M. Moor, "Real-world applications for brain-computer interface technology", en IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 11, No. 2, pp. 162-165, 2003.

    [7] E. Kandel, J. Kandel y T. Jessel. Principios de neurociencia. Editorial McGraw-Hill, 4a. ed., pp. 7-14, 21-22, 317-336, 2001.

    [8] L. A. Farwell y E. Donchin, "Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials", en Electroencephalography and Clinical Neurophysiology, vol. 70, pp. 510-523, 1988.

    [9] G. Schalk , D. Mc. Farland, T. Hinterberger, N. Birbaumer and J. Wolpaw , "BCI2000: a general purpose brain computer interface (BCI) system", en IEEE Transactions on Biomedical Engineering, vol. 51, pp. 1034-1046, 2004.

    [10] G. Gentiletti, G. Gebhart, M. Richard , E. Garca, R. Acevedo and V. Medina, "Robotics simulation platform of BCI application: a wheelchair driving example using P300 paradigm", en 4th International Workshop and Course Training, Graz University, Austria, 2008.

    [11] A. D. Santana-Vargas, M. L. Prez y F. Strosky-Sols, "Comunicacin basada en el componente P300 de los potenciales relacionados con eventos: propuesta de una matriz con imgenes", en Revista de Neurologa , vol. 43, pp. 653-658, 2006.

    [12] L. J. Trejo , R. Rosipal y B. Matthews, "Brain-computer interfaces for 1-D and 2-D cursor control: designs using volitional control of the EEGspectrum or steady-state visual evoked potentials", en IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 14, pp. 225-229 , 2006.

    [13] B. Blankertz, G. Dornhege, M. Krauledat, K. R. Mller, V. Kunzmann, F. Losch y G. Curio, "The Berlin braincomputer interface: EEG-based communication without subject training", en IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 14, pp. 147-152, June 2006.

    [14] C. Guger, A. Schlgl, C. Neuper, D. Walterspacher, T. Strein y G. Pfurtscheller, "Rapid prototyping of an EEG-Based brain computer interface (BCI)", en IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 9, pp. 49-58 , 2001.

    [15] L. Piccini, S. Parini, L. Maggi y G. Andreoni, "A wearable home BCI system: preliminary results with SSVEP protocol", en Proceedings of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference, Shanghai - China, September 1-4, 2005.

    [16] B. Blankertz , "Documentation second Wadsworth BCI dataset (P300 evoked potentials) data acquired using BCI2000 P300 Speller Paradigm", en BCI Classification Contest, November 2002. Available on Internet: http://www.bci2000.org

    [17] M. Richard y G. Gentiletti, "Plataforma experimental de interfaz cerebro computadora orientada al control de silla de ruedas". CLAIB 2007, IFMBE Proceedings, vol. 18, pp. 1127-1130, 2007.

    [18] Departamento Administrativo Nacional de Estadsticas (DANE). Discapacidad, Total Nacional. Bogot, Colombia. 2007. Disponible en:http://www.dane.gov.co/index.php?option=com_content&task=category&sectionid=16&id=159&Itemid=342.

    [19] C. Arboleda, E. Garca, A. Posada, "Diseo y construccin de un prototipo de interfaz cerebro-computador para facilitar la comunicacin de personas en situacin de discapacidad motora". Trabajo de grado para aspirar al ttulo de Ingenieros Biomdicos, Escuela de Ingeniera de Antioquia, Universidad CES, 2008.

    [20] B.B Winter, J.G. Webster, "Driven-Right Leg-Circuit Design". IEEE Transactions on Biomedical Engineering, Vol.30, pp. 62-65, 1983.

    [21] D.J. Krusienski, E.W. Sellers, D.J. McFarland, T.M. Vaughan y J.R. Wolpaw. "Toward enhanced P300 speller performance", en Journal of Neurosience Methods, vol.167, pp. 15-21, 2007.

    [22] E. Garca, G. Gentiletti, "Efecto del tamao de la matriz de estimulacin sobre el desempeo de una interfaz cerebro computador basada en el potencial evocado P-300", en Revista Ingeniera Biomdica, Vol. 2, pp. 26-36 , 2008.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    http://www.dane.gov.co/index.php?option=com_content&task=category&sectionid=16&id=159&Itemid=342http://www.dane.gov.co/index.php?option=com_content&task=category&sectionid=16&id=159&Itemid=342http://www.dane.gov.co/index.php?option=com_content&task=category&sectionid=16&id=159&Itemid=342UsuarioLine

    PE03AText Box23

  • Comparacin de dos amplificadores de EEG para Interfaces Cerebro-Computadora

    Marcelo A. Haberman1, Pablo A. Garcia y Enrique M. Spinelli1

    LEICI-UNLP y 1CONICET

    ResumenEste trabajo expone el anlisis de dos tendencias actuales en el diseo de amplificadores de seales de EEG aplicados a ICCs. La primera de ellas, ms moderna, con un ADC de tecnologa - en cada canal, cuyas altas resoluciones permiten acoplar las seales en continua sin los perjuicios del offset de los electrodos y la segunda, ms tradicional, que preserva el consumo de energa, compartiendo entre varios canales un mismo ADC, de resolucin moderada, para lo cual se requiere acoplamiento en alterna de las seales de EEG. Se analizan las particularidades de cada alternativa, de manera de poder realizar la posterior comparacin entre ambas. Se expone la implementacin realizada en cada caso, as como su aplicacin en un entorno experimental de ICC. Se plantea como tema de discusin la conveniencia de utilizar cada una de estas alternativas como parte de una ICC y finalmente se presentan las conclusiones surgidas del artculo.

    Palabras claveEEG, front-end, Interfaces Cerebro-Computadora

    I. INTRODUCCIN A adquisicin de seales de EEG presenta ciertas dificultades que fueron resueltas de diferentes maneras dependiendo de la tecnologa disponible en

    cada momento y siguiendo criterios ingenieriles muy diversos.

    Aunque este sea un problema resuelto hace dcadas, las aplicaciones a las que se destinan estas seales evolucionan, y los usuarios se vuelven ms exigentes, lo que requiere actualizar ciertas soluciones en el contexto actual. De esta manera, se redisean los circuitos para utilizar componentes con menores consumos, alimentados con fuentes simples de 5 o 3V, con tamaos reducidos y de montaje superficial, etc. Es decir, que el diseo electrnico en la instrumentacin de seales EEG no es un captulo cerrado, sino que est en constante revisin.

    La utilizacin de seales de EEG en Interfaces Cerebro-Computadora impone nuevos requisitos y limitaciones en el diseo. Estos requisitos estn vinculados con la necesidad de contar con ICCs portables, autnomas, confiables y confortables. Si bien esto no se cumple en ambientes de investigacin, no se debe perder de vista que la finalidad de estos dispositivos es ofrecer un canal de comunicacin alternativo a personas que debern utilizarlas durante largos perodos y posiblemente trasladarse con ellos.

    El punto anterior es condicionante al momento de realizar el diseo del sistema de la ICC en general, siendo el punto de inters de este artculo la etapa de front-end, es decir el amplificador de entrada. Esta etapa es la que acondiciona (amplitud y ancho de banda) la seal recogida por los electrodos de medida, de manera de utilizar

    eficientemente el rango dinmico del ADC y reducir ruido e interferencias.

    De este modo podemos encontrar principalmente las siguientes exigencias en el diseo del front-end:

    Alimentacin a bateras Componentes con fuente simple Tamao reducido

    La alimentacin a bateras soluciona gran parte de los problemas de seguridad del paciente, reduce las interferencias en el sistema [1] y es obligatoria si se quiere una ICC porttil. La alimentacin de los componentes con fuente simple, adems, simplifica el diseo electrnico, compatibilizando las tensiones del sistema.

    El tamao reducido, por un lado facilita la portabilidad de la interfaz que puede situarse cerca de los electrodos. Esto ltimo puede ser de gran utilidad en la reduccin de interferencias acopladas a los cables de medida, y de hecho es la razn de ser de los electrodos activos [2].

    A. Caractersticas de las seales de EEG Estas seales requieren ser resueltas con una sensibilidad

    de al menos 1V y se encuentran en general dentro del rango de 500 V. La informacin de importancia de las seales de EEG se encuentra en el espectro entre los 0,1Hz y los 100Hz.

    Por otra parte, en la interfaz entre los electrodos de medida y la piel se desarrolla una tensin de continua que puede estar en el rango de 300mV. El valor tan elevado de esta tensin de offset frente a las de EEG propiamente dichas hace que se deban tomar recaudos adicionales.

    B. Analisis de dos alternativas para el front-end Aunque probablemente el nmero de maneras de

    resolver el diseo de la etapa de front-end sea mucho mayor, existen bsicamente dos tendencias de diseo. El inters por analizar ambas tendencias radica en que cada una se justifica con criterios muy diferentes (y hasta contradictorios), pero ambas logran su objetivo de adquirir las seales de EEG.

    En primer lugar analizaremos la opcin de diseo ms moderna, basada en la utilizacin de poderosos ADC del tipo - de gran resolucin (generalmente de 18 a 24 bits), donde se utiliza un ADC individual para cada canal de adquisicin.

    La segunda tendencia de diseo responde a un esquema de adquisicin ms clsico, donde se utiliza un ADC de una resolucin adecuada al rango dinmico de la seal, sin sobredimensionar. De este modo, utilizando resoluciones moderadas, es posible lograr menores tiempos de conversin y as compartir el ADC entre varios canales.

    L

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abril de 2009, Paran, Entre Ros, Argentina

    - JAICC 2009 -

    UsuarioLine

    PE03AText Box24

  • II. ACOPLAMIENTO EN DC Y UN ADC POR CANAL La utilizacin de ADCs - de muy alta resolucin

    permite trabajar con rangos dinmicos mucho mayores que el mnimo necesario por las seales de EEG. Esta eleccin, aparentemente sobredimensionada, permite sin embargo acoplar en DC la seal proveniente de los electrodos sin provocar la saturacin del amplificador (ver Fig. 1a).

    Si consideramos resolver 1V de seal en los aproximadamente 300mV de seal ms offset, el rango dinmico necesario resulta ser de casi 110dB. Que puede conseguirse con un ADC de 19 bits libres de ruido (NFB). Por lo tanto se simplifica la etapa analgica del front-end que solo se encargar de amplificar la seal y realizar el filtrado antialiasing. En este sentido, los - proveen una ventaja adicional: debido a su sobre-muestreo, no es necesario un filtrado abrupto, sino que se relajan las exigencias, simplificando an ms la etapa analgica.

    Es as como procesamientos bsicos de las seales de EEG que solan realizarse mediante circuitos analgicos, como filtrados o recuperacin de la lnea base, con esta tendencia de diseo son implementados digitalmente, de una manera flexible. Esto puede ser de gran utilidad en la experimentacin de ICCs, permitiendo cambiar fcilmente frecuencias de corte de los filtros, constantes de tiempo, realizar diferentes procesamientos en paralelo y el almacenamiento de las seales crudas para su estudio off-line.

    Asimismo, el acoplamiento en continua permite calibrar en forma automtica el amplificador de una manera sencilla, utilizando una tensin de referencia continua, de un valor que est dentro del rango de medida.

    Como contraparte a todas las ventajas que ofrece esta topologa, se presenta el tema del consumo elevado. Por su caractersticas de funcionamiento, los ADCs - necesitan trabajar a frecuencias muy elevadas (aunque la tasa de muestreo sea baja). Esto, sumado a la dificultad de lograr bajos tiempos de establecimiento de las seales (lo que impide el multiplexado y restringe a un ADC por canal), y al posterior procesamiento de las seales digitalizadas con un elevado nmero de bits, deviene en un consumo mayor, lo que no es trivial si se recuerda la necesidad de alimentacin mediante bateras.

    a)

    b)

    Fig. 1: a):Disposicin de un ADC - por canal y acoplamiento de la seal en continua. b): Disposicin de un ADC compartido entre varios

    canales y acoplamiento de la seal en alterna.

    III. ACOPLAMIENTO EN AC Y ADC COMPARTIDO En este diseo, se opta por utilizar un ADC modesto, con

    la resolucin adecuada al rango dinmico de las seales de

    EEG. Esto quiere decir que se necesita resolver 1V de seal en aproximadamente 500 V de rango de seal. Lo que requiere de un rango dinmico de 54dB, alcanzable con 9 bits de resolucin. Para esto se debe acoplar la seal en alterna a fin de eliminar las tensiones de offset de electrodo, cuidando de permitir un camino a las corrientes continuas de polarizacin del amplificador (ver Fig. 1b).

    Las bajas frecuencias de las seales de EEG imponen fuertes exigencias al filtro pasa-altos de acoplamiento, ya que el mismo debe poseer una frecuencia de corte muy baja (del orden de la dcima de Hz). Esto implica tiempos de establecimiento de la lnea base de las seales de varios segundos, en los que la informacin de inters puede quedar por fuera del rango del ADC o saturar los amplificadores.

    Para solucionar esto ltimo existen circuitos de recuperacin rpida, que automtica o manualmente pueden cambiar la frecuencia de corte de la red de acoplamiento. Sin embargo, la adicin de estos circuitos en cada canal incrementa el tamao del amplificador y su complejidad [3].

    Por otro lado, entre las ventajas de esta tendencia de diseo se pueden observar un menor consumo, al compartirse el ADC entre diferentes canales, y tambin por esta misma razn, una posible disminucin del tamao, en caso de no complejizar demasiado la etapa analgica.

    En cuanto a la auto-calibracin, esta se hace ms compleja debido a que la seal utilizada como patrn deber ser una seal de alterna con amplitudes dentro del rango de las seales de EEG.

    IV. IMPLEMENTACIN DE AMBAS TOPOLOGAS Las alternativas aqu expuestas fueron implementadas

    para la experimentacin en diversos entornos de ICC. En ambos casos se construyeron mdulos formados por el front-end, ADC, un microcontrolador (C) encargado de coordinar la adquisicin y transmisin de las muestras, y un mdulo inalmbrico para comunicar con una PC sobre la cual se ensayaron diferentes ICC.

    A. Acoplamiento en DC y un ADC por canal. En este caso se adapt un mdulo de un canal que

    formaba parte de una red de sensores [4] de ECG. El mismo utiliza un convertidor - ADS1256 de Texas

    Instruments de 24 bits y entrada diferencial de 5V. La seal adquirida es muestreada a una frecuencia de 480 muestras por segundo.

    El front-end se reduce a un simple IA full-diferencial de dos operacionales (TLC2274 de Texas Instruments), que amplifica la seal 12 veces para aprovechar el rango dinmico del ADC y conseguir una resolucin de 0,05V utilizando un rango de entrada de 416mV. El ruido propio del mdulo, medido poniendo su entrada en corto circuito es de 0,8VRMS en la banda de 0,5 a 32Hz . Estos valores estn referidos a la entrada del amplificador.

    Un microcontrolador ADuC841 es el encargado de coordinar la conversin y transmitir las muestras al mdulo inalmbrico, que en este caso es el circuito Bluetooth BR-SCN30 de Blue Radios.

    La alimentacin para el mdulo proviene de una batera de 9V, regulada a 5V para la seccin analgica y a 3,3V para la seccin digital. El consumo del front-end y el ADC supera los 10mA.

    II Jornadas Argentinas sobre Interfaces Cerebro Computadora23 y 24 de Abr