Evaluación de una interfaz cerebro-máquina basada en P300 para un control
robótico de mano-ortesis
Jhon Saul Acosta Ramos 1161198
DOCENTE ING. Bustos Marquez Luis Fernando
FECHA 14/12/2020
Universidad Francisco de Paula Santander
San José de Cúcuta – Colombia Este trabajo presenta el diseño, implementación y evaluación de una interfaz cerebro-máquina (BMI) basada en P300 desarrollada para controlar una ortesis de mano robótica. El propósito de este sistema es ayudar a los pacientes con esclerosis lateral amiotrófica (ELA) que no pueden abrir y cerrar las manos por sí mismos. El usuario de esta interfaz puede seleccionar uno de los seis objetivos, que representan la flexión- extensión de un dedo de forma independiente o el movimiento de los cinco dedos simultáneamente. Probamos fuera de línea y en línea nuestro IMC en dieciocho sujetos sanos (HS) y ocho pacientes con ELA. En la prueba fuera de línea, se usan los datos de calibración de cada participante registrados en las sesiones experimentales para estimar la precisión del IMC para clasificar correctamente épocas individuales como pruebas objetivo o no objetivo. En promedio, la precisión del sistema fue del 78,7% para las épocas objetivo y del 85. 7% para ensayos sin objetivo. Además, se observan respuestas significativas de P300 en los registros de calibración de todos los participantes, incluidos los pacientes con ELA. Para la prueba de IMC en línea, cada sujeto realizó de 6 a 36 intentos de selección de objetivos usando la interfaz. En este caso, alrededor del 46% de los participantes obtuvieron el 100% de precisión, y la precisión en línea promedio fue del 89,83%. La tasa máxima de transferencia de información (ITR) observada en los experimentos fue de 52,83 bit / min, mientras que la ITR promedio fue de 18,13 bit / min. Los aportes de este trabajo son los siguientes. En primer lugar, informamos sobre el desarrollo y la evaluación de una órtesis de mano robótica controlada por la mente para pacientes con ELA. Hasta donde sabemos, este IMC es uno de los primeros dispositivos robóticos de asistencia basados en P300 con múltiples objetivos evaluados en personas con ELA. Segundo, proporcionamos una base de datos con datos de calibración y registros de EEG en línea obtenidos en la evaluación de nuestro IMC. Estos datos son útiles para desarrollar y comparar otros sistemas BMI y probar los canales de procesamiento de aplicaciones similares. Nuevas tecnologías basadas en la relación cerebro-computador para facilitar varios procesos de vida diaria a una persona con algún tipo de discapacidad. Se llevan estas tecnologías a ambientes clínicos, actualmente se activan proyectos para tratar la (ALS) AMYOTRHOPHIC LATERAL SCRELOSIS en español, la esclerosis lateral amiotrófica; caracterizada por ser una enfermedad neurodegenerativa en la cual, las neuronas motoras fallecen y como resultado de esto, deja de haber una comunicación entre las neuronas y las personas pierden su capacidad de movimiento; cabe mencionar que en MX se tiene la clínica privada ALS en donde el hospital zambrano, en el instituto de ciencias de monterrey se atiende a personas con ALS independientemente de su condición social. La señal P300 es un componente de potencial relacionado con eventos (ERP) observado en el electroencefalograma que se produce aproximadamente 300 ms después de la percepción de un bicho raro o un estímulo auditivo, visual o somatosensorial relevante. Por lo general, en un IMC basado en P300, los caracteres, las sílabas o los íconos presentados en la pantalla de una computadora parpadean al azar uno a la vez mientras el usuario centra la atención en un elemento gráfico en particular (estímulo objetivo). Cada estímulo intermitente representa una opción, acción o comando que el sistema puede ejecutar. El usuario selecciona una opción de la interfaz contando o realizando una tarea cognitiva cada vez que se resalta el estímulo objetivo. Debido a que la opción de destino parpadea aleatoriamente, este estímulo produce un potencial evocado P300 sincronizado con el evento de parpadeo en la línea de tiempo. De esta manera, un BMI basado en P300 identifica qué opción evoca un ERP para decodificar las intenciones del usuario y realizar la acción deseada. Desde los primeros desarrollos de los IMC, una de las aplicaciones más prometedoras de esta tecnología es el uso de dispositivos neuroprotésicos para ayudar a las personas con movilidad reducida. Existe un consenso entre los investigadores de esta área de que los IMC pueden mejorar significativamente la vida de los pacientes que sufren trastornos neuromusculares como la ELA. Aun así, a pesar de todos los esfuerzos en las últimas tres décadas para diseñar e implementar sistemas de IMC confiables, el objetivo de desarrollar neuroprótesis funcionales aún no se ha alcanzado. Los investigadores e ingenieros deben resolver muchos problemas técnicos y prácticos antes de llevar esta tecnología a la vida cotidiana. Algunas cuestiones abiertas relacionadas con el desarrollo de aplicaciones robustas controladas por el cerebro son la capacidad del sistema para interpretar con precisión las intenciones del usuario, el tiempo para procesar y analizar las señales cerebrales. Un IMC es un sistema que traduce la actividad cerebral en comandos para comunicarse con un dispositivo externo, sin pasar por las vías neuromusculares normales. Existen varias técnicas para registrar señales cerebrales, pero la modalidad de neuroimagen no invasiva más utilizada en aplicaciones de IMC es la electroencefalografía (EEG) debido a su alta resolución temporal, bajo costo y movilidad. Todo el desarrollo de la plataforma computacional de software, lo cual incluye los algoritmos de procesamientos de señales, la implementación de los algoritmos de inteligencia artificial por un lado y por otro lado incluye la integración con el robot, nosotros no desarrollamos robot, nos interesa es que funcione, desde luego realización de ensayos. La asociación médica de MX en convenio con estos ingenieros tenía como objetivo desarrollar la interfaz de cerebro-computador para pacientes con ALS y realizar ensayos clínicos en ellos con el objetivo de estudiar el cambio de los ritmos cerebrales con el paso del tiempo. Ambiente clínico se refiere a probar con pacientes, tareas motoras, calibraciones, se le dice a la persona controle el robot de forma libre y luego sin robot que haga la persona ciertos movimientos, para que el usuario pueda observar que tiene un control sobre la tecnología. Son diferentes ciertas características cerebrales de cada paciente, por ende, es importante saber ya que con esto se sabría tratar a cada persona con sus respectivas características. La actividad en el paciente es importante.