Beyin-makine Arayüzler Kapalı döngü Performans Çalışması için Deneysel Bir Platform

Özet

Biz nöronal kontrolü genel prensiplerini araştırmak için bir kapalı döngü fly-makine arayüzü kullanır.

Özet

Nöronal sinyallerin durağan olmayan doğa ve değişkenliği, beyin-makine arayüzü temel bir sorundur. Biz, bir kapalı devre görüntü sabitleme görev uygulanan farklı kontrol yasaları sağlamlığını değerlendirmek için bir beyin-makine arayüzü geliştirmiştir. Yararlanan iyi karakterize visuomotor yolağı iki tekerlekli bir robot yaw rotasyon kontrol etmek için tanımlanmış bir hareket duyarlı nöron, H1 elektriksel aktivite kayıt uçmak. Robot 2 CRT bilgisayar monitörlerinin önünde yerleştirilen bir sinek görsel hareket girdi sağlayan 2 yüksek hızlı video kameralar ile donatılmıştır. H1 nöron aktivitesini robot dönme yönü ve bağıl hız gösterir. Nöral aktivite süzülür ve oransal ve adaptif / oransal kontrol ile robot direksiyon sistemi tekrar beslenir. Amacımız, çeşitli kontrol yasaları da diğer beyin makine arabirimleri daha geniş bir uygulama için kapalı döngü koşulları altında performansını test ve optimize etmek için.

Protokol

1. Hazırlık Fly

1. Deneyler kurulmasında ilk adım sinek hazırlanıyor, böylece herhangi bir istemsiz hareket nöronal kayıtları ve sineğin baş görsel uyarı cihazları ile doğru yönde olduğunu istikrarı bozarsa. Sinek hazırlanması başlamak için, buz üzerinde serin ve daha sonra kanatları basılı köreldiğini kokteyl çubukları kullanmak, bir mikroskop lamı üzerine çift taraflı bant bir parça sinek geri düzeltmek.
2. Sonra, slayt kanat takmak için ve aynı zamanda arıların uçuş motor eylemi engellemek için balmumu uygulamak için bir elektro-dağlama iğne kullanın. Bu adım, işlem sırasında sinek ısıtmıyor, böylece hızlı ve doğru işlem gerektirir.
3. Şimdi, forseps ile mikroskop altında tutun ve her bacak vücudun en yakın eklemlerde kesilmiş bir çift, küçük bir makas kullanın. Burnumun için bu işlemi tekrarlayın. Sinek kurumasını önlemek için, delikler balmumu ile kapatılmış olmalıdır.
4. Sonra, kanatlarının biri kesilmiş ve sonra yan sinek açmak. Halteres kapsayan calyptra terk ederken, kalan herhangi bir kanat parçalarını çıkartın ve delik balmumu ile mühür. Diğer kanat için bu yordamı yineleyin.
5. Tanımlanmış bir şekilde bir hedef nöron teşvik etmek, sinek kafası bilgisayar monitörleri ile uyumlu hale getirilmesi. Bunu yapmak için, bir ucunda sinek boyun koyulacak bir çentik kesilmiş, sinek vücudunun bir uzantısı için geniş bir alana sahip özelleştirilmiş bir tutucu gerekir.
6. Yapıştırma sırasında yerde karın aşağı doğru bastırarak, çentik, boyun sahibinin üzerine sinek yerleştirin. Şimdi bir stand sinek sahibi mikroskop ile sineğin başının ön böylece yerleştirin.
7. Kırmızı ışık ile anında görüntüleme, optik bir fenomen denilen sözde öğrenci her göz görülebilir. Pseudo-öğrenci uyaran (Franceschini'yi 1975) ile sinek kafasını hizalamak için kullanılabilecek bir referans çerçevesi sağlar. Sözde öğrenci, aşağıda görüntü eklemek gösterildiği gibi belli bir şekli, varsayar, o sineğin başının yönünü mükemmel tanımlanır.
   
   
   
8. Sineğin başının doğru yönlendirmek için bir micromanipulator kullanın ve sonra tutkal sahibine mum kullanmak.
9. Ardından, düz aşağı toraks basın ve sahibine mum. Bu elektrotlar sinek beyin içine girilebilir ve böylece arka baş kapsül açılmasına olanak tanır.
10. Sağ baş kapsül manikür bir pencere dikkatle kesmek için bir mikro neşter veya ince bir enjeksiyon iğnesi kullanın. Manikür altındaki sinir doku sağ kesim için dikkatli olun. Manikür parçası çıkarıldıktan sonra, Ringer solüsyonu birkaç damla ekleyin.
11. Lobula plaka herhangi bir kayan kapağı olabilir kıllar, yağ birikintileri ya da kas dokusu çıkarmak için forseps kullanın. Lobula plaka gümüşi trakea arka yüzeyini kaplayan karakteristik bir dallanma deseni tarafından tespit edilebilir.
12. Manikür bir referans elektrot konumlandırma için sol arka baş kapsül içine küçük bir delik kesin. Sinek hazırlanan kayıt elektrot pozisyonu nasıl görmenizi sağlar.

2. Kayıt Elektrot Konumlandırma

1. Sinek hazırlanan, H1 nöron gelen sinyalleri bulma ve kayıt için devam edelim. Kayıt elektrodu H1 nöron yakın yerleştirilmesi gerekir. H1 nöron esas olarak açık alanda (Krapp ve ark 2001) sunulan yatay back-to-ön hareket yanıt verir.
2. Kayıt elektrot yerleştirmek için, görsel bir işareti olarak trakea kullanın. Başlangıçta, en üst trakea arasında elektrot yerleştirin.
3. Akustik sinyal içine kaydedilen elektriksel potansiyelleri dönüştürmek için bir ses yükseltici kullanmak için yardımcı olur. Her birey başak karakteristik bir klik sesi dönüştü. Yakın elektrot ayrı bir nöron alır, net bir klik sesi olur.
4. H1 nöron hareketi tercih yoluyla belirlemek için, yatay yönde hareket uyarır. Yerde kayıt elektrot ile görsel uyarı ve kayıtlar üzerinde hareket sağlar.

3. Görsel Uyarım ve Kayıtlar

1. Kapalı döngü deneyler turn-table hareketi için robot telafi H1 nöron sonuçları, stimülasyon gibi kurulum Başlamak için, iki CRT bilgisayar monitörlerinin önünde bir sinek yerleştirin. Anında görme sistemi, insan daha 10 kat daha hızlı olduğundan, monitörler, saniyede 200 kare görüntülemeniz gerekir. Monitörler ve diğer elektrikli aletlerin elektromanyetik ölçülen nöronal sinyal dış gürültüyü en aza indirmek için ekranlı olmalıdır.
2. Sinek yönüne göre 45 derece + / - monitörlerin merkezleri yerleştirin. Sineğin göz ekvator görüldüğü gibi, her monitör yatay + / -25 derecelik bir açı subtends ve +Dikey düzlemde / -19 derece.
3. Bilgisayar monitörleri Senkronize giriş deneme için modifiye edilmiş, küçük bir, iki tekerlekli ASURO robot üzerine monte iki video kameralar tarafından sağlanmaktadır.
4. Duvarları dikey olarak yönlendirilmiş, siyah ve beyaz çizgili bir desen ile kaplı silindirik bir alan içinde bir dönüş masa robot yerleştirin. Yatay düzlemde turn-table çevirerek, robot hareketleri özgürlük sadece bir derece sınırlıdır.
5. Başlangıçta turn-table ve robot hem de dinlenme sırasında. Turn-table hareket etmeye başladığı zaman, onun dönüşü aynı yönde, robot taşır ve video kameralar ve robot arena çizgili desen arasındaki göreceli hareket kaydetmek.
6. Robot üzerindeki pille çalışan video kameralar, bir oryantasyon + / - 45 dereceye monte edilmiştir. Onlar sinek önünde bilgisayar monitörleri kare hızına uydurmak için saniyede 200 görüntü yakalamak.
7. Bilgisayar monitörleri, 640 x 480 (gri ölçek) çözünürlükte, saniyede 200 kare hızında sunulan görüntüleri oturum açın.
8. Sinek çizgili desen hareketlerini izliyor, kayıt bant geçti Dijital Toplama kurulu ile en az 10 kHz örnekleme oranı kullanılarak (örneğin, 300 ile 2 kHz) elektrik sinyallerini filtre.
9. Bir eşik uygulanan bant-geçti arka plan aktivitesi ani ayrı filtre elektrik sinyalleri. Nedensel, yarı-Gauss filtresi H1 hücre için düzgün bir spike aktivitesini tahmin elde etmek için ani convolved.
10. Beyin makine arayüzü döngü kapatmak için, bir kontrol algoritması, sürüş robot tekerlekleri iki DC motorları kontrol etmek için bir Bluetooth arabirimi üzerinden geri beslenen bir robot hızı H1 hücre başak oranı dönüştürmek için kullanılır.
11. Saf sinüs dalgaları teslimi masa için hız profilleri olarak tercih edilmektedir. Sinüs dalgaları turn-table sadece kendi tercih ettiği yönünde H1 nöron uyarır yönünde döner bir DC-ofset var. Turn-table hareketi için robot telafi H1 nöron sonuçları uyarılması.
    
    
    Şekil 1: Kapalı döngü kurulum. Kurulumu, sol H1 hücre spike aktivitesi döner bir destek üzerine monte edilmiş bir robot hareketini kontrol etmek için kullanılır. Görsel görüntü hareket robot ve turn-table arasındaki göreceli hareket sonucu olarak üretilen, yüksek hızlı kameralar ile yakalanan ve sinek önünde iki CRT monitörlerde görüntülenir. H1 sol hemisfer spike aktivitesi o robot için bir tazminat hızını hesaplamak için bir kontrol kanunu kullanan gerçek zamanlı başak oranı tahmin etmek için kullanılır. Robot karşı rotasyon, kapalı-döngü kontrol sırasında sinek tarafından gözlemlenen görsel görüntü hareket dengeler.
    
    

4. Temsilcisi Sonuç ve Sonuçlar

1. Doğru olarak kurulduğunda, görsel istikrar robotun karşı döndürme, bilgisayar monitörleri çok az veya hiç desen hareketinin, turn-table dönme eşleştiğinde elde edilir. Sistemin genel performansı döngü kapatmak için kullanılan kontrol algoritması bağlıdır.
2. Biz testi ilk algoritma güncellenen robot hız robot, ωr ​​ve turn-table, ωp arasındaki açısal hızları arasındaki fark ile orantılı bir oransal denetleyici (Şekil 2). Statik kazancı, Kp ve turn-table sinyal, ωp için giriş frekansları için farklı değerler kontrolörün performansını test etmek için tercih edilir.
   
   
   
   Şekil 2: Orantılı denetleyici. (A), tercih edilen yönde robot ve turn-table arasındaki Bağıl hareket başak oranı vermek için H1 hücresi uyarır, F. Bu başak oranı bir hız hatası, E haline dönüştürülür ve oransal denetleyici tahmin etmek için kullanılır. güncellenmiş robot hız, vr (t +1). Başak oranı, F, daha az veya daha fazla spontan başak oranı, Fspont olup olmadığına göre, hız hatası, E dönüştürülür. Hata dönüşüm hızı başak oranı spike oranı eşik doğrusal olmayan hesap kosinüs (aralığı [π, 0]) üzerinden F projelendirme yapılır. Turn-table minimum ve maksimum açısal hızları 70 ve 150 sabitler robot, 8-bit giriş hızı maç için kullanılır. (B) oransal denetleyici kullanarak kapalı döngü sistemi gösteren blok diyagramı. Sisteme giriş sinosuidal turn-table açısal hız modülasyon, ωp (t) ve ilgili robot yanıt ωr (t +1) kaydedilir.
   
   
3. Ω _p ve ω _r için örnek izleri K _p = 1 için burada gösterilen ve bir giriş frekansı 0,6 ω _p Hz (bkz. Şekil 3). Robot (yeşil) bir gecikme ile (mavi), turn-table aşağıdakive pik daha küçük bir genlik. H1 hücre uyarır desen hareket yatay bileşeni (kırmızı) aşağıda gösterilmiştir.
   
   
   
   Şekil 3: Kapalı döngü yanıtları. (A) Açısal giriş frekansı = 0.6 Hz turn-table hızları (mavi), ωp ve robot (yeşil), ωr,. (B) Yatay optik akış kaydedilen görüntülerin (kırmızı) hesaplanan gibi gösterilir. Piramidal Lucas Kanade yöntemi (3 piramit düzeyleri), ardışık görüntü kareleri arasında optik akış alanını hesaplamak için kullanılır. Yatay açısal hız yatay birim vektör i. üzerine akış alanlarda bireysel vektörlerin projeksiyonları toplanmasıyla hesaplanır H1 hücresi inhibe yatay önden arkaya hareket ND (null yönünde) olarak adlandırılır H1 hücresi heyecanlandıran Yatay arka-ön hareket PD (tercih edilen yön) olarak adlandırılır.
   
   
4. Giriş frekansları, turn-table sinyali ωp, 0,03-3 Hz ve ilgili robot sinyali ωr arasında seçilir kaydedilir. Her iki sinyal frekans alanı haline dönüştürülmüştür hızlı Fourier dönüşümü (bkz. Şekil 4) ve genlik ve faz değerleri giriş frekansı hesaplanır.
   
   
   
   Şekil 4: Frekans tepkisi turn-table, ωp ve robot ωr, Açısal hız sinyalleri, genlik ve faz bileşenleri giriş frekansı hesaplamak için hızlı Fourier dönüşümü (FFT) yöntemi kullanarak frekans alanı dönüşür . FFT Faz bileşenleri şekilde gösterildiği değildir.
   
   
5. K _p = 1 gösterir, test edilen giriş frekansları üzerinden sistemin yanıtı (şekle bakınız 5-a) ile oransal denetleyici büyüklükte arsa Bode . Denetleyicisi performans genellikle artan frekansları ile azalır. 1 Hz hafif bir artış kazancı nedeniyle, dinamik aralık (çıkış), özellikle arka-ön hareket yatay kapakları sadece bir H1-hücre kullanarak robot sinyal salınımlar sonucu olarak.
   
   
   
   Şekil 5: Orantılı denetleyici performansını. Oransal denetleyicinin (8 sinekleri üzerinde ortalama), statik kazancı Kp = 1.0 büyüklük ve faz Bode çizimleri (a) büyüklükte arsa kabaca bir alçak geçiren filtre özelliği şu bir işaret. 1 Hz hafif bir artış kazancı nedeniyle, dinamik (çıkış) ağırlıklı olarak ön hareket yatay kapakları sadece bir H1-hücre kullanarak robot sinyali ωr, salınımlar sonucu olarak. Robot sinyal, ωr salınım sayısı, bu frekanslarda hafif bir artış elde etmek için önde gelen artan girdi frekansları ile azalır. (B) faz arsa giriş frekanslar için daha az 180 ° ≤ 3 Hz'de 1 Hz ve yaklaşımlar istikrarsızlık. Bode Belirli bir giriş frekansı ötesinde, kontrolör, istikrarsız bir robotun kinematik nedeniyle hale gelir. Bu istikrarsızlığın sadece sinek görme sistemi (Warzecha ve ark 1999), bilinen en iyi yanıt aralığının dışında oluşur.
   
   
6. Bode faz arsa (5-b şekle bakınız) bir denetleyici faz giriş frekanslar için <0.6 Hz Π daha az lag gösterir. Denetleyicisi frekanslar için kararlı olduğunu göstermektedir <0.6 Hz ve kararsız giriş frekanslar için ≥ 1 Hz.
7. K _p değeri bir zaman aralığı üzerinden hesaplanan pik başak oranı, F _maks, her 50 ms güncellenir uyarlanabilir bir kontrol (kırmızı), (mavi) ile statik bir Kp oransal denetleyicinin performansı ile karşılaştırıldı [t-500ms - t] (bkz. Şekil 6). Büyük entegrasyon zaman penceresi bir sonucu olarak, oransal kontrol, test edilen parametre aralığı için uyarlanabilir bir kontrol daha iyi yapar (bkz. şekil 7-a). 500 ms ilk defa entegrasyon pencere bizim kullandığımız robot platformu ile ilgili teknik nedenlerden dolayı seçildi. Adaptif kontrol oransal denetleyicinin (bkz. şekil 7-b) benzer bir faz özelliği vardı.
   
   
   
   Şekil 6: Adaptif denetleyici kazanç. Uyarlamalı denetleyici kapalı döngü kontrol sırasında sürekli kazanç tahminleri ise oransal kontrolör, statik bir kazanç, Kp kullanır. Dinamik kazanç, Kp, t-500ms ≤ τ ≤ t aralığı içinde, maksimum başak oranı, Fmax ters orantılıdır. Şekil Fmax zamanla tahmin edilmektedir üç örneği gösterir. Fmax tahmini değerlere dayanarak, Kp zaman penceresi 3 (turuncu) sırasında, zaman penceresi 2 (yeşil) ve en düşük içinde en yüksektir.
   
   
   
   Şekil 7: Oransal vs uyarlamalı denetleyici. (Kp = 1), oransal ve uyarlanabilir bir kontrol için genlik ve faz Bode çizimleri(A) Kp değeri her 50ms uyarlamalı denetleyici güncellemeleri son 500ms üzerinden tepe başak oranı tahmini Fmax dayanmaktadır. Oransal denetleyici kazanç arsa (mavi), tüm giriş frekansları daha iyi performans olduğunu belirten adaptif denetleyici (kırmızı) göre daha yüksektir. (B) her iki denetleyici, f = 0.3 Hz'de anlamlı bir fark ile benzer için faz Bode çizimleri. Her iki kontrolör 3 Hz istikrarsızlık yaklaşım. Kazanç ve faz değerleri önemli ölçüde farklı bir asterix (Wilcoxon rank sum yöntemi, p = 0.05) ile gösterilir.
   
   
8. Pikap çevresinde ızgara deseni çıkarıldı ve laboratuar ortamında, natüralist görsel giriş sinek H1-hücre bir yaklaşım olarak kullanıldı. Ortalama büyüklüğü arsa Bode (şekle bakın 8-a), natüralist görsel giriş (mavi) muhtemelen ızgara görsel girişi (kırmızı) ile olandan biraz daha yüksek kazançlar sağladı çünkü natüralist görsel imgeler uzaysal frekansları daha geniş sömürüldü. Izgara vs natüralist görsel girişleri için Bode faz arsa özellikleri benzerdi (Şekil 8-b).
   
   
   
   Şekil 8: Stripped desen vs laboratuar ortamında. Kapalı döngü altında elimden desen (kırmızı) vs laboratuar ortamında (mavi) görsel imgelerle birlikte sunulduğunda oransal denetleyicinin araziler için genlik ve faz Bode (a) laboratuar ortamında görüntülerin kullanıldığı zaman büyüklüğü arsa zaman elimden desen daha marjinal yüksek Bode gibi uyaran altında iyi bir performans gösteren (f = 0.1 Hz hariç) kullanılır. (B) hem de görsel koşullar altında faz arsa 3 Hz'de yaklaşan istikrarsızlık, aynı deseni takip Bode. Kazanç ve faz değerleri önemli ölçüde farklı bir asterix (Wilcoxon rank sum yöntemi, p = 0.05) ile gösterilir.
   
   

Tartışmalar

1. Fly diseksiyonu verme dikkatle yapılmalıdır ihtiyacı emin biz doğru yönlendirmek, bilgisayar monitörleri saygı ile sinek.
2. Sonra güvenilir bir robotu kontrol etmek için kullanılabilir gürültü oranı için iyi bir sinyal almak için tüm diğer nöronlardan gelen ani H1 nöron ani ayırmak.
3. Deney sırasında kuruma herhangi bir nöral doku önlemek için alınmalıdır.
4. Kameralar bir Ethernet kablosu kullanarak bilgisayarlara bağlanır. Robot dönme etkileyecek deney sırasında aşırı yara böylece alınmalıdır.
5. Şu anda sadece tek bir yönde yaw dönme bir istikrar görevi kurulum başak etkinliği bir H1 kullanıyor. Biz hem sol hem sağ H1 yaw dönüş her iki yönde de istikrar kontrol algoritmaları çalışma böylece gelen sinyalleri almak için ikinci bir elektrot ekleyebilirsiniz.
6. Biz dikey olarak yönlendirilmiş siyah ve beyaz çizgili içeren arenada kaldırmak ve sinek için görsel uyarıcı olarak laboratuar ortamında kullanabilirsiniz. Bu bize natüralist görüntüleri ile kapalı döngü performansı çalışma sağlayacaktır.
7. Robot teslimi tablodan kaldırılır ve kapalı döngü kontrol ederken laboratuar ortamında dolaşmak için izin verilebilir. Bu bize çarpışma kaçınma dahil kontrol algoritmaları araştırmak için izin verecektir.
8. Telleri, kameralar bilgisayarlara bağlanması, bize tamamen dizginlenmemiş robot kurulum vererek, kablosuz iletim sistemi uygulayarak kaldırılabilir.
9. Farklı kontrol algoritmaları performans ölçütleri farklı stratejileri durağan olmayan ve değişken nöronal sinyalleri ile başa çıkmak için nasıl bir anlayış verir. Bu bilgi daha sonra farklı klinik ve klinik olmayan bir beyin-makina arayüzü uygulanabilir.
10. Bu deney düzeneği hayvanlar davranıyor nöronal sinyalleri kayıt yönelik ilk adımdır. Amacımız robot sinek ve kapalı-döngü kontrol nöral aktivitenin kullanmak. Böyle bir kurulum, robotun hareket sonucunda multisensory stimülasyon alır sinek sinirsel aktivite kayıt mümkün olacaktır.
11. Sadece tek bir hücre sinyalleri kaydedin. Size gereken yapılandırma, en uygun hücre H1-hücre olacaktır. Benzer açık alanları ile diğer nöronlar, örneğin H2, H1 nöronun yanıtları Yalıtımlı nöronal kayıtları için iyi bir sinyal gürültü oranı korumak için önemlidir. H1 ve H2 nöronlar yanıtları H2 karakteristik düşük spontan ve H1 nöron daha spike oranı ortalama belirterek ayrımcılık olabilir. Nöronlar da kendi morfolojisi (Krapp ve ark 2001) temelinde ayrımcılık olabilir.
12. Sistemimiz bize bir görüntü sabitleme görev uçan robot arayüzü ile elde edilen kapalı döngü kazancı karşılaştırmanızı sağlar ve sinekler (Bender ve Dickinson 2006, Warzecha ark önceki deneylerde gözlenen kapalı döngü optomotor kazançlar ile performansını karşılaştırmak için 1996, Heisenberg ve Wolf, 1990). Ayrıca, bize kapalı döngü koşulları altında (Chiappe ve arkadaşları 2010, Maimon ve ark 2010, Longden & Krapp 2009, Longden & Krapp 2010) görsel bilgi işlem duruma bağlı değişiklikleri araştırmak amacıyla sağlar.

Malzemeler