Name: simultaneous scalp electroencephalography (eeg), electromyography (emg), and whole-body segmental inertial recording for multi-modal neural decoding
Uploaded: 2013-07-26T13:00:00
Duration: 11 min 25 s
Description: Watch this Scientific Journal Video about Simultaneous Scalp Electroencephalography EEG, Electromyography EMG, and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding at JoVE.com

이 작품은 신경 장애의 국립 연구소에 의해 지원 스트로크 (NINDS) # R01NS075889-01을 부여 하였다. 이 연구는 NIH 임상 센터의 교내 연구 프로그램에 의해 부분적으로 지원되었다. 저자는 또한 데이터 수집에 대한 지원은 Shahriar 이크발과 Yongtian 그는 감사합니다. 이 문서의 오픈 액세스 출판의 비용은 APDM, 주식 회사 (, 포틀랜드, OR에 의해 후원되었다 <a href="http://apdm.com" target="_blank">http://apdm.com</a> ).

1. 제목 준비 <ol><li> 피사체의 신장, 체중을 측정하고, 자신의 나이를 기록합니다. </li><li> 편안 때까지 자기 조절 러닝 머신 속도를함으로써 피사체의 선호 디딜 방아 속도를 평가합니다. </li><li> 펠트 팁 펜을 사용하여 피사체의 nasion 및 inion 사이의 중간 점으로 머리의 정점을 표시합니다. 또한, 뚜껑을 정렬에 대한 참조로 inion 거리에 nasion의 10 %를 표시합니다. </li></ol> 2. 두피 뇌파 (EEG) <ol><li> 12로 주제에 맞는 EEG 캡을 사용하여 10-20 국제 시스템에 의해 지정된 EEG 전극을 연결합니다. 모자는 두피에 전극의 적절한 배치를 보장합니다. </li><li> FP1과 FP2 전극 표시된 꼭지점의 Cz 전극의 중간에서 1.3 단계에서 10 %의 표를 정렬하여 주제에 대한 EEG 뚜껑을 놓습니다. 캡의 위치에 대한 자세한 내용은 12에서 발견된다. SE턱 아래에 달아서 뚜껑을 치료. </li><li> 뇌파 컨트롤 박스 EEG 전극을 연결합니다. 지상과 참조 전극을 시작으로, 녹색으로 변 전극에 표시된대로 25 KΩ 아래의 각 조치의 임피던스까지 각 전극에서 전해질 젤을 주​​입하는 작은 주사기를 사용합니다. EEG 전극의 준비에 대한 자세한 내용은 12,13에서 사용할 수 있습니다. </li><li> 무선 EEG 송신기 EEG 전극을 연결합니다. 어깨 주위에 배치 벨크로 스트랩의 피사체에 송신기를 고정하고 두 개의 32 채널 앰프에 무선 뇌파 수신기를 연결합니다. </li><li> USB 변환기에 광섬유를 사용하여 USB 포트를 통해 호스트 PC에 앰프를 연결합니다. </li><li> 0.1 DC에 μV, 낮은 컷오프 주파수, 높은 컷오프 주파수 EEG 데이터 수집 소프트웨어에서 1,000 Hz에서에 EEG 채널의 해상도를 설정합니다. </li></ol> 3. 표면 근전도 (EMG) <ol><li> EMG 전극을위한 준비8 근육의 사이트에서 배치 : 사포로 피부를 침식을 면도하고, 이소 프로필 알코올 패드를 청소합니다. 장소 준비 사이트에 전극과 EMG 데이터 로깅 장치에 연결합니다. 왼쪽 또는 오른쪽 손목에 EMG 접지 전극을 놓고, 데이터 로깅 장치에 연결합니다. </li></ol> 4. 모션 캡쳐 <ol><li> 제조업체의 지침에 따라 도킹 동안 센서를 마그 동기화 할 수 있습니다. </li><li> 표 2의 위치에 벨크로 스트랩 또는 이중 양면 테이프를 사용하여 주제에 마그 센서와 장소를 제거합니다. </li></ol> 5. 환경 준비 <ol><li> 벨트에 대각선 (수평에서 45 °)를 녹화하여 디딜 방아를 준비합니다. 디딜 방아 앞 약 1m 비디오 카메라에 연결된 TV 모니터를 놓습니다. 테이프 텔레비전에 2 인치 직경의 검은 색 원으로 종이의 조각. </li><li> IR 근접 센서, 콘 및 텔레비전의 5 세트를 배치하여 경기장에서 도보로 설정를 creen는 그림 3에 위치해 있습니다. </li></ol> 6. 밟아 돌리는 바퀴 <ol><li> 제목 디딜 방아에 올라간다. 안전 장치를 부착합니다. </li><li> 데이터 수집 이전에, 정확한 전극 배치, 전극 연결 및 데이터 전송을 확인하는 EEG와 EMG 신호를 확인합니다. </li><li> C + + 콘솔 응용 프로그램을 실행하여 데이터 수집을 시작합니다. EMG 녹음을 시작하고 실험을 시작하는 오디오 신​​호 (경고음)를 제공하기 위해 수동 트리거 누름 단추를 누르십시오. </li><li> 주제는 30 초 동안 조용한 자세 유지됩니다. </li><li> 30 초 누름 트리거 버튼을 한 후 걷기 시작하려면, 디딜 방아는 천천히 피사체의 미리 선택한 속도까지 가속된다. </li><li> 주제는 5 분 동안 걷는다. </li><li> 5 분의 끝에, 천천히 디딜 방아를 중지 전환을 서 산책을 시작하는 트리거 버튼을 누릅니다. 정지 후는 대상이 30 초 동안 서 남아있다. 데이터 수집 t을 중지하려면 &#39;Q&#39;버튼을 누르면리얼하고 데이터를 저장합니다. </li><li> 반복은 세 디딜 방아 조건 6.2-6.7 단계 : </li><li> 거리에서 검은 점을 바라 보면서 디딜 방아 산책. </li><li> 디딜 방아 걷는 TV 모니터에 자신의 다리의 움직임을 관찰하면서. </li><li> 디딜 방아 (인지 부하 6을 시뮬레이션하는)에 대각선을 방지하기 위해 비디오 피드백을 사용하는 동안 디딜 방아 산책. </li></ol> 7. 아레나 워킹 (1) <ol><li> 경기장에서 도보 루프 (그림 3)의 시작 위치 제목. </li><li> 6.2-6.4에서와 같이 데이터 수집을 시작합니다. </li><li> 걷기를 시작하는 트리거 버튼을 누릅니다. 시간 트리거가 주어집니다, 첫 번째 방향 화살표 (→, ←, 또는 ↑) 제목 (그림 3) 반대가 화면에 표시됩니다.에게 → 또는 ←이 관찰되는 경우, 콘의 입구 세트 피사체 종료, 그 방향으로 90 ° 회전, 입구 콘에 루프 반환이 완료됩니다. &amp; UAR 경우R은, 피사체가 IR 센서하기 전에 대략 2 미터에 도달 할 때 관찰, 피사체가 입구 콘 및 수동 트리거 및 방향 화살표 (→ 또는 ←)에서 똑바로 계속이 주어집니다. IR 센서의 첫 번째 집합을 통해 다음 주제 수익금은 해당 90 °로 입구 콘을 돌려 루프를 완료하기 위해 설정합니다. (보행시, 실험은 무선 신호의 품질을 향상시키기 위해 바퀴가 달린 카트에 호스트 PC와 함께 약 3 ~ 5 미터의 거리에서 피사체를 따른다.) </li><li> 그 / 그녀가 단일 루프를 완료 한 후 입구 콘에 도달 할 때 대상이 걷는 계속됩니다. 3 루프는 각 초기의 화살표 완료 될 때까지 순서 7.3이 화살표를 임의의 순서로 반복된다 (→, ←, 또는 ↑). </li><li> 조건 7.4을 만족하면, 피사체가 서로 전환 신호를 입구 콘에 도달 수동 트리거 버튼을 누릅니다. 제목 조용히 30 초 후 서데이터 수집은 호스트 PC의 &#39;Q&#39;버튼을 누르면 종료됩니다. </li></ol> 8. 아레나 워킹 (2) <ol><li> IR 센서의 5 세트는 피사체의 앞에 반원 (그림 4)에 배치되도록 경기장 산책 코스를 재 배열. </li><li> 이전 시험 (7.1-7.2)와 같은 데이터 수집을 시작합니다. </li><li> 나는 걷기 아레나와 유사하게, 걷기 시작하는 수동 트리거를 제공합니다. 트리거 시간, 5 방향 화살표 중 하나 (←에서, →, <img src="/files/ftp_upload/50602/50602larr.jpg" alt="왼쪽 화살표" fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" /> , <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="오른쪽 화살표" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" /> 또는 ↑) 화면에 표시됩니다. 각 화살표는 경기장 (그림 4) 주위에 위치하는 IR 센서의 한 세트에 해당합니다. </li><li> 피사체가 화면 워싱턴 주에있는 화살표를 관찰두 센서를 통과하는 센서 이상 콘 주위에 U-턴을하는 IR 센서 (그림 4)의 해당 집합 LKS. U-턴을 한 후, 피사체가 시작 지점으로 돌아갑니다 걷는 계속됩니다. </li><li> 3 루프는 각 방향의 화살표 완료 될 때까지 화살표의 임의의 순서로, 순서 8.3-8.4 단계를 반복합니다. </li><li> 피사체가 서로 전환을 신호하는 시작점에 도달 할 때 조건 8.6을 만족 한 후, 수동 트리거 버튼을 누릅니다. 7.5에서와 같이 완전한 데이터 수집. </li></ol> 9. 스탠드에 앉아 <ol><li> 피사체의 뒤에 의자를 놓고 6.2-6.3 같이 데이터 수집을 시작합니다. 주제는 데이터 수집의 시작 부분에 15 초 동안 조용히 서있다. </li><li> 15 초 후, 수동 트리거 버튼을 누릅니다. 다음 오디오 큐 (버튼 누름)까지 착석 위치를 잡고, 자세를 앉아 스탠드에서 큐 주제 전환을 듣고. </li><li&gt; 전환을 서서 앉아에 대한 신호를주는 임의의 간격 (15 초)을 입력하고 Enter 키를 눌러 수동 트리거를 기다립니다. 자세를 서있는 것은 다음 오디오 신​​호까지 개최됩니다. </li><li> 9.2-9.3 단계를 반복까지 10 완전한 피사체가 15 초 동안 조용히 서 그 후, 대기에 - 앉아 윗몸에 - 서 기동이 완료됩니다. 그런 다음, &#39;Q&#39;버튼을 누르면 데이터 수집을 종료합니다. </li><li> 스탠드에 - 앉아 윗몸에 - 서 전환 자기 시작을 위해 독립에 - 앉아 프로토콜 (9.1-9.4)를 반복합니다. 오히려 전환 대상에게 방아쇠를주는 것보다, 피사체가 전송이 각 기동 10이 완료 될 때까지 자신을 가지고 시작해야합니다. </li></ol> 10. 복도 산책 <ol><li> 1 / 8 번째 마일, 직선 복도의 중간에 위치 제목과 데이터 수집 카트입니다. 디딜 방아 산책 실험 (6.2-6.4)와 같은 데이터 수집을 시작합니다. 처음 30 초 휴식 기간 후, 도보를 시작하는 수동 트리거를 제공합니다. </li><li> subjeCT는 5 분 동안 지속적으로 안내합니다. 피사체가 복도 끝 10 미터 이내에 도달 할 때, 그 / 그녀는 U-턴을 자기 - 시작과 반대 방향으로 걸어 계속됩니다. </li><li> 5 분의 끝에서 걸어 중지 수동 트리거 버튼을 누릅니다. 똑바로 보면서 피사체가 30 초 동안 조용히 서있다. &#39;Q&#39;버튼을 누르면 데이터 수집을 종료합니다. </li><li> 10.1로 두 번째 복도 실험을 시작합니다. </li><li> 워킹 (20-40 초)의 임의의 시간 간격 후, 수동 트리거와 피사체 정지 산책을 가지고 오디오 신​​호를 제공합니다. </li><li> 주제는 (5-15 초) 짧은, 임의의 시간 동안 서있는 상태로 유지됩니다. </li><li> 주제 이력서 산책을 가지고 수동 트리거 버튼을 누릅니다. </li><li> 스톱 - 스타트의 10주기가 완료 될 때까지 반복 10.5 ~ 10.7 단계; 10.3로 데이터 수집을 종료 할 수 있습니다. </li></ol>

<ol>
	<li>Choi, J. T., Bastian, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptation+reveals+independent+control+networks+for+human+walking.">Adaptation reveals independent control networks for human walking.</a> Nature Neuroscience. 10 (8), 1055-1062 (2007).</li><li>Grillner, S., Wallen, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+bases+of+goal-directed+locomotion+in+vertebrates+-+an+overview.">Neural bases of goal-directed locomotion in vertebrates - an overview.</a> Brain Research Reviews. 57, 2-12 (2008).</li><li>Petersen, T. H., Willerslev-Olsen, M., Conway, B. A., Nielsen, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+motor+cortex+drives+the+muscles+during+walking+in+human+subjects.">The motor cortex drives the muscles during walking in human subjects.</a> Journal of Physiology. 590 (10), 2443-2452 (2012).</li><li>Fitzsimmons, N. A., Lebedev, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extracting+kinematic+parameters+for+monkey+bipedal+walking+from+cortical+neuronal+ensemble+activity.">Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity.</a> Frontiers in Integrative Neuroscience. 3, 3 (2009).</li><li>Harada, T., Miyai, I., Kubota, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gait+capacity+affects+cortical+activation+patterns+related+to+speed+control+in+the+elderly.">Gait capacity affects cortical activation patterns related to speed control in the elderly.</a> Experimental Brain Research. 193 (3), 445-454 (2009).</li><li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electrocortical+activity+is+coupled+to+gait+cycle+phase+during+treadmill+walking.">Electrocortical activity is coupled to gait cycle phase during treadmill walking.</a> Neuroimage. 54, 1289-1296 (2011).</li><li>Presacco, A., Goodman, R., Forrester, L., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+decoding+of+treadmill+walking+from+noninvasive+electroencephalographic+signals.">Neural decoding of treadmill walking from noninvasive electroencephalographic signals.</a> Journal of Neurophysiology. 106, 1875-1887 (2011).</li><li>Presacco, A., Forrester, L. W., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Decoding+intra-limb+and+inter-limb+kinematics+during+treadmill+walking+from+scalp+electroencephalographic+(EEG)+signals.">Decoding intra-limb and inter-limb kinematics during treadmill walking from scalp electroencephalographic (EEG) signals.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering. 20 (2), 212-219 (2012).</li><li>Wagner, J., Solis-Escalante, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Level+of+participation+in+robotic-assisted+treadmill+walking+modulates+midline+sensorimotor+EEG+rhythms+in+abled-bodied+subjects.">Level of participation in robotic-assisted treadmill walking modulates midline sensorimotor EEG rhythms in abled-bodied subjects.</a> NeuroImage. 63, 1203-1211 (2012).</li><li>Makeig, S., Gramann, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Linking+brain,+mind,+and+behavior.">Linking brain, mind, and behavior.</a> International Journal of Psychophysiology. 73, 95-100 (2009).</li><li>Gramann, K., Gwin, J. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cognition+in+action:+imaging+brain/body+dynamics+in+mobile+humans.">Cognition in action: imaging brain/body dynamics in mobile humans.</a> Reviews in the Neurosciences. 22, 593-608 (2011).</li><li>Wilson, J. A., Schalk, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+an+EEG-based+brain+computer+interface+for+virtual+cursor+movement+with+BCI2000.">Using an EEG-based brain computer interface for virtual cursor movement with BCI2000.</a> J. Vis. Exp. (29), e1319 (2009).</li><li>Brummer, V., Schneider, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Coherence+between+brain+cortical+function+and+neurocognitive+performance+during+changed+gravity+conditions.">Coherence between brain cortical function and neurocognitive performance during changed gravity conditions.</a> J. Vis. Exp. (51), e2670 (2011).</li><li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEGLAB:+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis.">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> Journal of Neuroscience Methods. 134 (1), 9-21 (2004).</li><li>Makeig, S., Bell, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Independent+component+analysis+of+electroencephalographic+data.">Independent component analysis of electroencephalographic data.</a> Advances in Neural Information Processing Systems. 8, 145-151 (1996).</li><li>Rong, F., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Magnetoencephalographic+artifact+identification+and+automatic+removal+based+on+independent+component+analysis+and+categorization+approaches.">Magnetoencephalographic artifact identification and automatic removal based on independent component analysis and categorization approaches.</a> Journal of Neuroscience Methods. 157, 337-354 (2006).</li><li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Removal+of+movement+artifact+from+high-density+EEG+recorded+during+walking+and+running.">Removal of movement artifact from high-density EEG recorded during walking and running.</a> Journal of Neurophysiology. 103, 3526-3534 (2010).</li><li>Liao, L. D., Wang, I. J., Chen, S. F., Chang, J. Y., Lin, C. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design,+fabrication,+and+experimental+validation+of+a+novel+dry-contact+sensor+for+measuring+electroencephalography+signals+without+skin+preparation.">Design, fabrication, and experimental validation of a novel dry-contact sensor for measuring electroencephalography signals without skin preparation.</a> Sensors. 11, 5819-5834 (2011).</li><li>Liao, L. D., Lin, C. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biosensor+technologies+for+augmented+brain-computer+interfaces+in+the+next+decades.">Biosensor technologies for augmented brain-computer interfaces in the next decades.</a> Proceedings of the IEEE. 100, 1553-1566 (2012).</li><li>Farina, D., Merletti, R., Enoka, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+extraction+of+neural+strategies+from+the+surface+EMG.">The extraction of neural strategies from the surface EMG.</a> Journal of Applied Physiology. 96, 1486-1495 (2004).</li><li>Flint, R. D., Ethier, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Local+field+potentials+allow+accurate+decoding+of+muscle+activity.">Local field potentials allow accurate decoding of muscle activity.</a> Journal of Neurophysiology. 108, 18-27 (2012).</li><li>Luinge, H. J., Veltink, P. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measuring+orientation+of+human+body+segments+using+miniature+gyroscopes+and+accelerometers.">Measuring orientation of human body segments using miniature gyroscopes and accelerometers.</a> Medical &amp; Biological Engineering &amp; Computing. 43, 273-282 (2005).</li></ol>

이 기사에 대한 생산 및 출판 비용은 APDM에 의해 후원되었다.

여기에 제시 프로토콜은 기관차 다양한 작업 동안 함께 세 가지를 동시에 뇌 활동을 기록 할 데이터 수집 시스템, 근육 활동, 그리고 전신 운동을 제공합니다. 전체 프로토콜의 완성은 주제의 준비 1 시간을 포함하여 약 3 시간 걸립니다. 각 시스템은에 장착하고 피사체로 이동합니다. 따라서, 사전에 각 새로운 시도의 시작 EEG와 EMG 전극의 연결을 확인하는 것이 중요합니다. 이것은 쉽게 호스트 PC에 그래픽 인터페이스를 사용하여 실시간으로 조사 할 데이터 수 있도록 해당 제조업체가 제공하는 소프트웨어 패키지를 사용하여 수행 할 수 있습니다. 데이터 수집 응용 프로그램은 이러한 소프트웨어 패키지는 검증 프로세스를 간소화 실행해야합니다. 또한,주의 MARG 센서는 견고 각 시험 전에 주제에 연결되어 있는지주의해야합니다. EEG와 MARG 데이터는 2.4-2.5 GHz의를 통해 무선으로 전송스펙트럼 범위. 다른 많은 전자 장치가이 주파수 대역을 사용하기 때문에, 그것은 실험 환경에서 무선 인터페이스의 가능성을 고려하는 것이 중요합니다. 데이터 수집의 중요한 측면은 무선 간섭 견고성을 제공하는 모바일 카트와 피사체 사이의 가시 가시입니다. EEG 무선 수신기와 MARG 액세스 포인트 (그림 1)은 모두 연결 충실도를 표시하는 LED를 제공합니다. 호스트 PC와 EEG와 MARG 센서 무선 수신기 광경을 직접 선을 유지하고 피사체가 땅에 걸어 무선 데이터 전송을 극대화하기 위해 모바일 쇼핑 카트에 배치됩니다. 우리는 강력한 데이터 수집은 피사체 5 미터 작업을 수행하는 동안 피사체의 움직임을 제한하지 않은 거리에 모바일 카트를 유지하여 유지되었음을 발견했다. C + + 응용 프로그램으로 인해 무선 C의 중단에 데이터 손실 견고성을 제공하기 위해 데이터 수집을 위해 여러 스레드를 사용합니다EEG의 onnection. EEG 연결이 손실 된 경우, 마그와 EMG 데이터는 여전히 기록되어 있지만 EEG 데이터는 그 시점에 사용할 수 없습니다. EMG 데이터가 모바일 데이터 로깅 장치에서 SD 카드에 저장되어있는 동안, 무선 연결시 데이터 손실을 방지하기 위해 위에서 설명한대로 마그 센서의 단위 버퍼링을 제공합니다. 걷는 동안 EEG 데이터 수집과 일반적인 문제는 신호의 유물의 존재이다. 깜박 눈의 움직임, 얼굴 근육 활동, 심장 박동, 그리고 실험 프로토콜을 실행하는 동안 전극 및 / 또는 케이블의 움직임 같은 기계 유물 등 유물의 생리적 출처 : 광범위하게 말하기, 아티팩트는 두 그룹으로 분할 할 수 있습니다. 아티팩트 제거는 지속적인 연구의 주제이며, 독립 성분 분석 15,16 및 채널 기반 템플릿 회귀 절차 17와 같은 기술을 포함하고 있습니다. 이슈 최소화 및 제거는 홍보에 중요한 단계입니다신체 운동 신경 디코딩의 데이터 eprocessing. 여기에 제시된 설치는 EEG 전극 케이블의 이전 연구는 단일 연결에 번들 된 유사합니다. 그 연구의 결과는 케이블 동요 나 움직임에 의한 기계적인 유물 신경 활동 7,8에서 운동을 디코딩하는 역할을하지 않은 것으로 나타났습니다. 이러한 결과는 보행 관련 유물 속도에게 17 도보 중간 느리게의 실체가 있다고 결론 다른 연구에 의해 지원됩니다. 그러나,이 실험 앉아 -에 - 서 전환을 포함한 이전의 연구보다 몸에 더 많은 움직임을 요구하는 활동을하는 동안 뇌파 측정, 지상에 따라서 걷기, 터닝, 그리고 원시 EEG 데이터의주의 깊은 검사는 가능성을 식별하기 위해 수행해야 기계 유물의 오염. 아직 널리 사용되지 않지만, 이러한 잠재적 인 문제는 현재의 프로토콜에 새로운 하드웨어 통합을 통해 해결 될 수있다. 이러한 하드웨어 포함운동을 18 동안 피부 전극의 접촉 저항을 향상시킬 잠재력을 갖고 활동 EEG 전극 (이 프로토콜에서 사용)와 스프링, 건조 EEG 전극을, ludes. 이러한 기술은 모션 아티팩트 (19)의 영향을 줄일 수있는 무선 EEG 시스템에 통합되고있다. 새로운 하드웨어의 통합에도 불구하고,이 프로토콜은 신체의 모든 부분을 계측 16 되었기 때문에 움직임과 EMG 이슈 거부에 대한 새로운 알고리즘을 개발을 계속하는 독특한 기회를 제공합니다. 우리는 EEG, EMG, 그리고 현재 EEG 설정에 적용되는 강력한 유물 거부 패러다임을 개발하는 세그먼트의 움직임 사이의 시계열 상관 관계 및 주파수 도메인 일관성을 연구 할 계획이다. 우리의 해독 방법은 유물 7,8에 대한 견고성을 보여, 이러한 방법은 현재의 프로토콜보다 복잡한 시나리오에서 검토 될 것입니다. 기록 표면의 특징EMG는 여러 가지 요인에 따라 달라집니다, 그리고 신경 전략 연구를위한 표면 근전도 신호의 해석은 고려 20이 필요합니다. 이 프로토콜에서 사용하는 피부 준비와 EMG 전극 배치를위한 엄격한 절차는 표면 EMG 신호의 비 생리적 요인의 영향을 최소화하도록 설계되었습니다. 이 프로토콜에 의해 기록 된 EMG의 진폭과 주파수는 순수한 모터 유닛 활동과 관련된되며, 따라서 기록이 원하는 근육의 신경 활동의 직접적인 표현으로 해석 할 수 없습니다. 그러나, 표면 EMG 신호와 신경 활성의 상대적인 변화를 (모터 장치의 방전 시간을 확인하는 등의)을 결정하기 위해 근육의 활성화 패턴에 대한 귀중한 통찰력을 제공 할 수 있습니다 EMG 신호를 분해하여 근육에 신경 드라이브를 추정하는 고급 방법을 신중하게 고려해야 20. 또한, 신경 디코딩 컨텍스트 내에서, 비록 두뇌 활동침습적 인수 표면 EMG 21에 대한 정보를 포함하기 위해 표시되었습니다, 그것은 EEG 두피도 보행 운동뿐만 아니라 보행시 하체 근육 활동을 디코딩하는 데 사용할 수 있는지 여부를 현재 알 수 없습니다. 우리는이 프로토콜은 우리가 비 침습 뇌 영상 양식의 감소 공간 해상도가 각각의 근육에 관련된 신경 활동을 분리 할만큼 충분한 지 여부를 검토 할 수 있도록 할 것으로 예상된다. 이전 연구는 복원하는 뇌 기계 인터페이스 (BMI)의 개발을위한 7,8 제공하는 자극은 뇌에서 신호를 사용하여 걷고 걷고 디딜 방아 동안 운동을 디코딩하는 비 침습적 뇌파를 활용의 가능성을 보여 주었다. 델타 밴드 EEG 신호의 진폭 변조를 기반으로 시간 도메인 디코딩 방법은 인공적인 요소 7,8로 구분 것으로 표시되었습니다. 그러나, 디딜 방아 연구는 통제 된 환경에서 개최되는 동안 사용자의 비전 및 모션따라서 외부의 자극에 의​​한 신경 활동의 오염을 제한 제한됩니다. 무선 데이터 로깅의 결합을 통해,이 프로토콜은 운동 작업 및 다양한 환​​경 중에 동기화, EEG EMG 및 운동 데이터를 수집 할 수 있습니다. 동작 추적을위한 관성 센서의 통합은 더 많은 계산과 모션 캡처 시스템보다 운동을 추출하는 오프라인 처리를 요구하고, 결과 측정은 작은 포함 -하지만 허용을 - 시스템 22 기반의 카메라에 존재하지 않을 것 오류 마진. 이러한 관리 문제는 환경 변화의인지 모터 동작의 모바일 연구를 가능하게하는 실험 프로토콜을 설정하기 위해 필요합니다. 다른 10,11 언급 한 바와 같이, 이러한 설정은 해결 될 수있는 연구 질문에 거의 무진장이다. 가까운 미래에 우리의 초점은 서 재활 BMI의 발전에 중요한 문제에 있어야하며 다음을 걷는 것뇌 손상 및 신경. 위에서 언급 한 바와 같이 하나의 핵심 구성 요소는 뇌에서 측정 신호를 사용하여 움직임을 복원하는 생리 학적 및 기계적 유물을 거부 할 수 있습니다 재활 로봇 시스템에 대한 뇌 - 기계 인터페이스를위한 새로운 강력한 디코딩 전략 개발 될 것이다. 예를 들어, 복도 걷고 프로토콜은 데이터 수집 중에 존재하는 다른 사람과 공용 공간에서 수행되며, 따라서 자연 환경에 신경 해독 기술의 개발을위한 테스트 베드를 제공합니다. 이 프로토콜을 사용하는 그 밖의 연구 질문은 급성과 만성 두 단계의 부상에 따라 기능 회복 중에 재활 로봇 리듬 대 비 리듬 보행 훈련을 포함 패러다임과 신경 활동의 연구를 비교 이용하실 수 있습니다.

이 프로토콜은 동시에 EEG, EMG, 그리고 전신 운동을 (그림 1, 표 1) 기록 할 세 가지 데이터 수집 시스템을 사용합니다. 주제 산책하는 동안 EEG 데이터는 1,000 Hz의 샘플링 주파수에서 64 채널을 무선으로 수집됩니다. 전 경골근 (TA), 비복근 (가스트), 대퇴 이두근 (BF) 및 광근 lateralis (VL) : 근전도는 (EMG) 네 개의 근육 그룹에 양측 배치 표면 전극에서 1,000 Hz로 수집됩니다. 운동 데이터는 보행시 움직임을 기록하는 11 헤드에 장착 된 무선 센서, 상체, 허리 부분, 팔, 허벅지, 정강이, 그리고 발에서 128 Hz로 수집됩니다. 각각의 센서는 3 축 자력계, 축 자이로 스코프, 그리고 축 가속도계 (즉, 마그 센서)가 포함되어 있습니다. 데이터는 각 시스템에서 수집하고 단일 호스트 PC로 시간 동기화됩니다. 동기화는 연속 세리 통해 전송 트리거 신호를 사용하여 수행됩니다동시에 세 개의 데이터 시스템에 액세스 AL 통신 링크를 클릭하십시오. 트리거는 간단한 버튼 스위치로 구현되었습니다. 누르지 않은 경우는 null 신호 (0)이 전송되는 동안 버튼이 트리거 신호를 누를 때 (1), 호스트 PC로 전송됩니다. 아래의 프로토콜에 설명 된대로 트리거 버튼을 누르면, 또한 주제에 대한 오디오 신​​호로 사용되는 0.5 초 톤을 이끌어. 위치가 아래에 설명 된 실험을 걷는 동안 지상 동안 트리거로 적외선 (IR​​) 근접 센서의 다섯 쌍을 사용하기 위해 제작되었다. IR 신호가 트리거 신호를 중단 할 때 (1) 무선 주파수 (RF) 수동 트리거 상자 연결을 통해 직렬 연결을 통해 호스트 PC로 전송됩니다. 사용자 정의 C + + 응용 프로그램을 기록하고 데이터를 동기화하기 위해 개발 된 각 시스템에서 제공하는 소프트웨어 개발 키트 (SDK)을 활용. 코드는 멀티 스레딩 기술을 채택, 각 시스템의 데이터 저장 (EEG, EMG, 그리고 MARGs)에 대한 기능은 개별 선택에 포함되어 있습니다idual 스레드. 소프트웨어 알고리즘은 그림 2에 나와 있습니다. 데이터 수집 응용 프로그램이 실행될 때 시작하고 &#39;Q&#39;키를 누르면 종료됩니다. 다섯 개의 스레드 응용 프로그램 실행시 활성화됩니다. 하나의 스레드 (그림 2) 직렬 연결에서 트리거 신호의 값 (0 또는 1)을 모니터링합니다. 초기 트리거 값은 0입니다. 트리거가 수신 될 때 (버튼을 누를 때 또는 IR 센서 쌍 사이의 가시가 파손 된 경우 즉,) 글로벌 트리거 변수는 1로 설정됩니다. 그들은 데이터 수집 스레드에서 초기화 될 때까지 이러한 변수는 1 남아있다. EEG 스레드가 원격 TCP / IP 프로토콜을 사용하여 실시간으로 두피 뇌파 데이터에 액세스합니다. 데이터는 해당 샘플링 주파수 (1,000 Hz에서)에서 선으로 텍스트 파일 라인에 기록됩니다. 열이 2-65 64 EEG 채널 반면 글로벌 EEG 트리거 신호는 첫 번째 열의에 기록됩니다. 글로벌 EEG 트리거 신호가 1이라면, 그것은 0으로 재설정됩니다. 데이터EEG 스레드가 종료 될 때까지 쓰기가 계속됩니다. 두 개의 독립적 인 스레드 기록은 센서 데이터를 마그. 11 무선 MARG 센서는 무선 전송 문제의 경우에 데이터 손실을 방지하기 위해 각각의 센서에서 데이터를 버퍼링 강력한 스트리밍 모드에서 제조업체의 소프트웨어를 사용하여 데이터를 전송하기 때문에 두 개의 스레드가 필요합니다. 이 버퍼링은 실시간 데이터 전송을 저하 : 하나의 센서가 모두 11 센서가 버퍼에 그 시점을 유지하고 다음으로 사용 가능한 샘플 지점에 전송 주어진 샘플 데이터를 전송할 수없는 경우. MARG 무선 데이터 전송이 필연적으로 EEG 뒤쳐, 데이터 수집이 중지 된 후 따라서 마그 센서는 호스트 PC로 오프로드 버퍼링 된 데이터에 시간이 필요합니다. 이 문제를 극복하기 위해, 두 개의 스레드가 MARG 데이터 수집 알고리즘 (그림 2)에 사용됩니다. EEG 스레드가 수집되는 동안 첫 번째 스레드는 센서의 샘플링 주파수에서 글로벌 MARG 트리거 변수 (128 Hz에서)에서 마그 트리거 버퍼를 채 웁니다데이터입니다. 데이터 수집이 트리거 버퍼에 쓰기를 중지하는 경우에도 종료됩니다. 마그 실 (그림 2) 센서로부터 데이터를 수신하고 EEG 데이터와 동일한 방식으로 파일에 쓸 센서 SDK의 기능을 활용합니다. 즉, 첫 번째 열은 11 MARG 센서 (MARG 단위 당 9 센서)의 값은 글로벌 MARG 트리거 (MARG 트리거 버퍼에서 얻은) 다음과 같은 99 컬럼의 값입니다. MARG 트리거 버퍼의 시간 인덱스가 포인트 스레드 실행이 종료되는 EEG 데이터의 마지막 인덱스에 해당 될 때까지 MARG 스레드가 데이터를 기록합니다. EEG와 MARG 데이터와는 달리, EMG 데이터는 무선으로 기록되지 않습니다. 대신, EMG 데이터는 데이터 로깅 단위 내 SD 카드에 기록됩니다. 신호는 SD 카드에 데이터 쓰기를 시작하고 중지하는 블루투스 연결을 통해 전송됩니다. 첫 번째 수동 트리거가 EEG 스레드에 의해 수신 될 때 쓰기가 시작됩니다. 데이터 쓰기는 EEG와 중지&#39;Q&#39;버튼을 누르면 스레드. 다음과 같은 프로토콜은 휴스턴 대학에서 기관 검토위원회에 의해 검사 및 승인되었습니다. 모든 주제 수신, 읽기 참여하기 전에 동의서에 서명했다.

<table border="1">
 <tbody>
 <tr>
 <td>Name</td>
 <td></td>
 <td>Company</td>
 <td>Quantity</td>
 </tr>
 <tr>
 <td>BrainAmp Amplifier</td>
 <td></td>
 <td>Brain Products, Gmbh</td>
 <td>Quantity: 2</td>
 </tr>
 <tr>
 <td>actiCAP EEG cap with 64 electrodes</td>
 <td></td>
 <td>Brain Products, Gmbh</td>
 <td>Quantity:1</td>
 </tr>
 <tr>
 <td>Brainvision MOVE wireless EEG system</td>
 <td></td>
 <td>Brain Products, Gmbh</td>
 <td>Quantity:1</td>
 </tr>
 <tr>
 <td>DataLOG MWX8 EMG data collection unit</td>
 <td></td>
 <td>Biometrics, Ltd.</td>
 <td>Quantity:1</td>
 </tr>
 <tr>
 <td>SX230 EMG electrodes</td>
 <td></td>
 <td>Biometrics, Ltd. </td>
 <td>Quantity:8</td>
 </tr>
 <tr>
 <td>R506 EMG ground electrode</td>
 <td></td>
 <td>Biometrics, Ltd. </td>
 <td>Quantity:1</td>
 </tr>
 <tr>
 <td>Opal movement monitor (MARG sensor)</td>
 <td></td>
 <td>APDM, Inc.</td>
 <td>Quantity:11</td>
 </tr>
 <tr>
 <td>Opal docking station for wireless data streaming</td>
 <td></td>
 <td>APDM, Inc.</td>
 <td>Quantity:2</td>
 </tr>
 <tr>
 <td>Opal wireless access point </td>
 <td></td>
 <td>APDM, Inc. </td>
 <td>Quantity:2</td>
 </tr>
 <tr>
 <td>Infrared Light Barrier Kit MK120</td>
 <td></td>
 <td>Velleman, Inc.</td>
 <td>Quantity:5</td>
 </tr>
 <tr>
 <td>Wixel Programmable USB Wireless Module </td>
 <td></td>
 <td>Pololu, Inc.</td>
 <td>Quantity:6</td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Table 1. Equipment</td>
 </tr>
 </tbody>
</table>

simultaneous scalp electroencephalography (eeg), electromyography (emg), and whole-body segmental inertial recording for multi-modal neural decoding

최근의 연구는 이족 보행 인간의 보행 제어에 supraspinal 네트워크의 참여를 지원합니다. 이 증거의 일부는 트레드밀 보행시 보행 운동 및 사지의 조정이 합리적으로 높은 해독 정확도와 두피 뇌파 (EEG)에서 유추 할 수있는 시연, 우리의 이전 작업을 포함, 연구를 포함한다. 이러한 결과는 복원 및 / 또는 재활 연구의 걸음 걸이 - 기본 목표의 확대에 사용하기 위해 비 침습 뇌 - 기계 인터페이스 (BMI) 시스템의 개발을위한 자극을 제공합니다. 지금까지, 보행시의 활동 EEG 디코딩을 조사 연구는 통제 된 환경에서 트레드밀 걷기로 제한되어있다. 그러나 실질적으로 가능한 것으로 BMI 시스템은 걷고 도는 지상을 통해 일상 전위 작업에 사용하기 위해 적용 할 수 있어야합니다. 여기, 우리는 뇌 활동의 비 침습 컬렉션에 대한 새로운 프로토콜 (EEG), 근육 활동 (근전도 (EMG)) 및도 ë을 제시두 디딜 방아 중 및 지상을 통해 전자 신체 운동 데이터 (머리, 몸통 및 사지 ​​궤도) 작업을 산책. 수집하여 통제 환경 통찰력이 데이터는 EEG 두피에서 보행 표면 EMG를 구속 해독의 가능성에 대해 얻을 수있다.

그림 5는 시간 10 초, MARG를 EEG 고정 보여주고, 디딜 방아 산책 (프로토콜 3 절) 동안 기록 EMG 데이터입니다. 각 MARG 선생은 실제로 9 신호 (축 자력계, 자이로 스코프 및 가속도계) 기록 만 수직 가속도가 표시되어 있습니다. 그림 5의 원시 데이터는 사전 분석과 신경 디코딩 전처리 과정에 대해 설명 할 수 있어야 유물을 포함합니다. 그림 5의 EEG 아티팩트의 예로는 약 8.5 초 저주파 모션 아티팩트에 걸쳐 현재 존재하는 눈 깜박 있습니다. 그림 6은 경기장 보행시 (1) 프로토콜을 걷는 동안 지상 중 하나를 완료 루프 (~ 35 초)를 보여줍니다. 질적, 작업을 걷고 땅에 경기장에서 데이터를 회전하는 동안 피사체의 머리와 목의 추가 움직임으로 인해 걷는 디딜 방아보다 더 많은 유물이 포함되어 있습니다. 얼굴과 두개골 근육 활동 partic입니다그림 6의 시간적 전극 (채널 그림 1에서 FT와 T로 표시)에 ularly 눈에 띄는. 특히 발목 작용제 - 길항제 쌍의 트레드밀 걷기 (그림 5)에 비해 EMG 신호 활동의 증가를합니다. 그림 6은 이벤트를 표시합니다 데이터 처리 과정에 대해 설명 할 수 있어야 최적 무선 EEG 데이터 수집. 4 번째 트리거 직전에, EEG 데이터는 호스트 PC와 EEG 시스템 사이의 무선 전송 중단을 나타내는 평면 라인을 보여줍니다. 이 데이터 섹션은 전체 데이터 세트 (EEG MARG, 그리고 EMG)에서 손질해야합니다. 그림 7은 한 사이클 스탠드 - 앉아 데이터를 대기 위해 앉아서을 보여줍니다. 다른 데이터와 마찬가지로, 운동 아티팩트 전환의 끝 부분 동안, 머리 (또는 서) 앉아서 정도 진정 될 때이 유지되는 모두 EEG에 존재한다. 복도 걷는 중 하나 간격은 독립에 - 산책 등ND 산책 - 서서이 전환은 그림 8에 나와 있습니다. 시작하는 오디오 신호 후 EMG 및 가속도 데이터의 램핑을 참고 걷는 중지합니다. 이 램핑과 일치는 EEG 데이터 모션 아티팩트의 모양과 실종이다. 그림 8에는 약 7 초에서 발생 EEG 전극 PO10에 최적 연결을 표시합니다. 이 동작은 가끔 실험 기간 동안 관찰 가능성 EEG 전극과 두피 사이의 접촉의 손실로 인해입니다. 전극 PO10이 재판을 위해 데이터 분석에서 제거해야합니다. EEG 데이터를 실시간으로 관찰 할 수 있고, EEG 전극의 연결이 프로토콜에서 각 시험 전에 (프로토콜 단계 6.2) 확인되기 때문에, 가난한 전극 연결하기 전에 다음 재판을 해결할 수 있습니다. <table border="1"><tbody><tr><td> 이름 </td><td> 회사 </td><td> 양 </td></tr><tr><td> BrainAmp 앰프lifier </td><td> 뇌 제품, GMBH </td><td> 2 </td></tr><tr><td> 64 전극 EEG 캡을 actiCAP </td><td> 뇌 제품, GMBH </td><td> 1 </td></tr><tr><td> 무선 EEG 시스템을 이동 Brainvision </td><td> 뇌 제품, GMBH </td><td> 1 </td></tr><tr><td> 데이터 로그 MWX8 EMG 데이터 수집 장치 </td><td> 생체 인식 회사 </td><td> 1 </td></tr><tr><td> SX230 EMG 전극 </td><td> 생체 인식 회사 </td><td> 8 </td></tr><tr><td> R506 EMG 접지 전극 </td><td> 생체 인식 회사 </td><td> 1 </td></tr><tr><td> 오팔 움직임을 모니터 (MARG 센서) </td><td> APDM, 주식 회사 </td><td> 11 </td></tr><tr><td> 스트리밍 무선 데이터 오팔 도킹 스테이션 </td><td> APDM, 주식 회사 </td><td> 2 </td></tr><tr><td> 오팔 무선 액세스 포인트 </td><td> APDM, 주식 회사 </td><td> 2 </td></tr><tr><tD&gt; 적외선 장벽 키트 MK120 </td><td> VELLEMAN, 주식 회사 </td><td> 5 </td></tr><tr><td> Wixel 프로그램 USB 무선 모듈 </td><td> Pololu, 주식 회사 </td><td> 6 </td></tr></tbody></table> 표 1. 장비. <table border="1"><tbody><tr><td> 감지기 </td><td> 위치 </td></tr><tr><td> 머리 </td><td> 눈썹 위의 이마의 중심 </td></tr><tr><td> 트렁크 </td><td> 흉골의 기지에서 가슴 근육 사이 </td></tr><tr><td> 허리 부분의 </td><td> 요추 곡선의 최소 뒷면의 중심 </td></tr><tr><td> 팔 1 </td><td> 팔의 외측면, 손목 근위 ~ 10 % 팔꿈치 </td></tr><tr><td> 허벅지 1 </td><td> 허벅지의 측면 측면, 엉덩이와 무릎 사이에 50 %의 </td></tr><tr><td> 생크 1 </td><td> 생크의 측면 측면, 무릎의 원위부 75 % </td></tr><tr><td> 발 1 </td><td> 을 중심으로<html> 발등 </td></tr><tr><td colspan="2"> 1 팔, 허벅지, 정강이, 그리고 발 센서는 양측 배치됩니다. </td></tr></tbody></table> 표 2. MARG 센서 위치. <img alt="그림 1" fo:content-width="6.5in" fo:src="/files/ftp_upload/50602/50602fig1highres.jpg" src="/files/ftp_upload/50602/50602fig1.jpg" /> 그림 1. 시상 (a)와 EEG, EMG 및 데이터 수집을위한 관성 센서를 마그.을 입고 피사체의 정면 (B)보기 (C) 두피 뇌파 전극 위치의 지형 표현은, EEGlab Matlab을 도구 상자 14로 꾸몄다. ( D) 모바일 데이터 수집 카트 무선 액세스 포인트 및 EEG 무선 수신기, 증폭기, 전원 공급 마그 호스트 PC, 수동 트리거, EMG 블루투스를 포함.d/50602/50602fig1large.jpg &quot;대상 =&quot;_blank &quot;&gt; 큰 그림을 보려면 여기를 클릭하십시오. <img alt="그림 2" fo:content-width="6in" fo:src="/files/ftp_upload/50602/50602fig2highres.jpg" src="/files/ftp_upload/50602/50602fig2.jpg" /> 그림 2. 디자인 사용자 정의에 대한 알고리즘을 자세히 순서도, 멀티 스레드 데이터 수집 소프트웨어. <a href="http://www.jove.com/files/ftp_upload/50602/50602fig2large.jpg" target="_blank">큰 그림을 보려면 여기를 클릭하십시오</a> . <img alt="그림 3" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig3highres.jpg" src="/files/ftp_upload/50602/50602fig3.jpg" /> 그림 3. 무대 워킹 (1) 실험 프로토콜의 도식 (새의 눈) 표현입니다. 하나의 화살표 피사체가 입구 콘의 끝 부분에있을 때 (→, ←, 또는 ↑) 디스플레이 모니터에 표시됩니다<html> 의. 오른쪽 (→) 또는 왼쪽 (←)을 제시하면, 피사체가 적외선 (IR​​) 센서의 네 가지 세트 (IR1-IR4)을 통과, 각각 빨강, 녹색 루프를 다음과 같습니다. 직선 (↑)을 제시하면, 피사체가 화면 표시 모니터 (파란색 선), 그리고 두 번째 화살표를 향해 걸어 (→ 또는 ←)는 피사체가 IR 센서 (IR5)이 약 1m 일 때 표시됩니다. IR5 센서 세트를 통과 한 후, 피사체가 시작점으로 돌려 해당 (적색 또는 녹색) 경로를 따라 루프를 완료합니다. <img alt="그림 4" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig4highres.jpg" src="/files/ftp_upload/50602/50602fig4.jpg" /> 그림 4. 경기장 걷기 도식 (새의 눈) 표현 (2) 실험 프로토콜입니다. 실험의 시작, 단일 화살표 (pload/50602/50602larrhighres.jpg &quot;/&gt; <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="오른쪽 화살표" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" /> , →, ←, 또는 ↑) 디스플레이 모니터의 주제에 표시됩니다. 시작점 (에 해당 루프에받은 화살표를 바탕으로, 주제는, IR 센서의 해당 세트에 직접 걸어 센서를 통과 콘 주위에 U-턴을 완료하고 반환 <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="오른쪽 화살표" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" /> 화살표는) 위 표시됩니다. <img alt="그림 5" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig5highres.jpg" src="/files/ftp_upload/50602/50602fig5.jpg" /> 그림 5. 디딜 방아 걷는 초에서 10. 상단 패널의 샘플 데이터 10-20 국제 대회에서 채널 이름을 가진 64 채널 원시 EEG 데이터를 보여줍니다. 중간<html> 패널은 11 MARG 센서의 수직 방향 가속도를 보여줍니다. 하단 패널은 8 채널 원료 EMG를 보여줍니다. <a href="http://www.jove.com/files/ftp_upload/50602/50602fig5large.jpg" target="_blank">큰 그림을 보려면 여기를 클릭하십시오</a> . <img alt="그림 6" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig6highres.jpg" src="/files/ftp_upload/50602/50602fig6.jpg" /> 그림 6. 샘플 경기장 I 프로토콜 동안 걷는 하나의 루프 (오른쪽 화살표 경로, 그림 3) 데이터입니다. EEG, 가속도, 그리고 EMG 데이터는 그림 5와 같이 표시됩니다. 검은 색 세로 막대가 소프트웨어에 의해 수신 된 트리거의 위치입니다. 첫 번째 트리거 → 화살표를 제​​시하여 루프를 시작 수동 푸시 버튼에서입니다. 다음 네 가지 트리거는 대상 순회 루프와 IR 센서 IR1-IR4 (그림 3)에서 있습니다.tp_upload/50602/50602fig6large.jpg &quot;대상 =&quot;_blank &quot;&gt; 큰 그림을 보려면 여기를 클릭하십시오. <img alt="그림 7" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig7highres.jpg" src="/files/ftp_upload/50602/50602fig7.jpg" /> 그림 7. 샘플 EEG 독립에 - 앉아 윗몸에 - 서 전환 데이터., 가속도, 그리고 EMG 데이터는 그림 5와 같이 표시됩니다. 수직 막대가 서 각각 앉아 시작하는 수동 트리거 (오디오 신호) 나타냅니다. <a href="http://www.jove.com/files/ftp_upload/50602/50602fig7large.jpg" target="_blank">여기를 클릭하세요 더 큰 그림을 볼 수 있습니다</a> . <img alt="그림 8" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig8highres.jpg" src="/files/ftp_upload/50602/50602fig8.jpg" /> 그림 8. 복도 산책의 샘플 데이터는 스탠의 전환을 보여주는딩 걷고, 서에 걸어. EEG, 가속도, 그리고 EMG 데이터는 그림 5와 같이 표시됩니다합니다. 수직 막대는 각각 중지 ANSD 산책을 시작합니다 수동 트리거 및 오디오 신호를 나타냅니다. <a href="http://www.jove.com/files/ftp_upload/50602/50602fig8large.jpg" target="_blank">큰 그림을 보려면 여기를 클릭하십시오</a> .

Watch this Scientific Journal Video about Simultaneous Scalp Electroencephalography EEG, Electromyography EMG, and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding at JoVE.com

Simultaneous Scalp Electroencephalography EEG, Electromyography EMG, and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

이족 보행 운동의 복원 및 재활을위한 효과적인 뇌 기계 인터페이스 (BMI) 시스템의 개발은 사용자의 의도를 정확하게 디코딩이 필요합니다. 여기에서 우리는 동시 비 침습적 신경 활동의 인수, 근육 활동, 다양한 운동 작업 및 조건에서 전신 운동을위한 새로운 실험 프로토콜과 데이터 수집 기법을 제시한다.

동시에 두피 뇌파 (EEG), 근전도 (EMG), 멀티 모달 신경 디코딩을위한 전체 몸 분절 관성 기록

Recent  studies support the involvement of supraspinal networks in control of bipedal  human walking. Part of this evidence  encompasses studies, ...

Research

JoVE Journal

Behavior

Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

Method for Simultaneous fMRI/EEG Data Collection during a Focused Attention Suggestion for Differential Thermal Sensation

차동열 감각에 대한 집중주의 제안 중 동시 fMRI/EEG 데이터 수집 방법

In the present work, we demonstrate a method for concurrent collection of EEG/fMRI data. In our setup, EEG data are collected using a high-density ...

연구

행동분석학

Best Current Practice for Obtaining High Quality EEG Data During Simultaneous fMRI

동시 fMRI를하는 동안 고품질 EEG 데이터를 얻기위한 가장 좋은 현재의 관행

Simultaneous  EEG-fMRI allows the excellent temporal resolution of EEG to be combined with the  high spatial accuracy of fMRI. The data  from these two ...

Simultaneous EEG Monitoring During Transcranial Direct Current Stimulation

경 두개 직류 자극하는 동안 동시 EEG 모니터링

Transcranial  direct current stimulation (tDCS) is a technique that delivers weak electric  currents through the scalp. This constant electric current ...

Automated Visual Cognitive Tasks for Recording Neural Activity Using a Floor Projection Maze

바닥 투사 미로를 사용하여 녹음 신경 활동에 대한 자동화 된 시각인지 작업

Neuropsychological tasks used in primates to investigate mechanisms of learning and memory are typically visually guided cognitive tasks. We have ...

Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks

모터 작업하는 동안 동시 운동 학적 및 EMG 모니터링과 감각 및 모터 뇌 영역의 기능 근적외선 분광법

There are several advantages that functional near-infrared spectroscopy (fNIRS) presents in the study of the neural control of human movement. It is ...

Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks

작업 별 신경 효율성 비교를위한 뇌파 전위 측정을 활용 : 공간 지능 작업을

Spatial intelligence is often linked to success in engineering education and engineering professions. The use of electroencephalography enables ...

A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants

인간의 유아를 자유롭게 행동의 사회적 상호 작용하는 동안 의도 모드의 신경 디코딩에 소설 실험 및 분석 접근

Understanding typical and atypical development remains one of the fundamental questions in developmental human neuroscience. Traditionally, experimental ...

Concurrent Electroencephalography Recording During Transcranial Alternating Current Stimulation (tACS)

Concurrent Electroencephalography Recording During Transcranial Alternating Current Stimulation tACS

경 두개 교류 자극하는 동안 동시 뇌파 기록 (TACS)

Oscillatory brain activities are considered to reflect the basis of rhythmic changes in transmission efficacy across brain networks and are assumed to ...

Determining Pain Detection and Tolerance Thresholds Using an Integrated, Multi-Modal Pain Task Battery

통합, 멀티 모달 통증 작업 배터리를 사용하여 통증 탐지 및 공차 임계 값을 결정

Human pain models are useful in the assessing the analgesic effect of drugs, providing information about a drug&#39;s pharmacology and identify ...

A Wireless, Bidirectional Interface for In Vivo Recording and Stimulation of Neural Activity in Freely Behaving Rats

A Wireless, Bidirectional Interface for In Vivo Recording and Stimulation of Neural Activity in Freely Behaving Rats

무선, Vivo에서 녹음 하 고 자유롭게 행동 하는 쥐에서 신경 활동의 자극에 대 한 양방향 인터페이스

In vivo electrophysiology is a powerful technique to investigate the relationship between brain activity and behavior at a millisecond and micrometer ...