Stimuli en feature extractie methoden voor EEG-gebaseerde BMI*s: een systematische vergelijking

Een hersen-machine interface (brain-machine interface of BMI) kan gedefinieerd
worden als een interface systeem tussen het centrale zenuwstelsel en een extern
device. Als een potentiele ondersteunende technologie voor verlamde of
'locked-in' patienten die lijden aan een motorische stoornis, zou een BMI
hersenactiviteit in controle commando's kunnen omzetten voor een extern device
zoals een computer cursor of een prothese arm. Er zijn echter beperkingen die
nog overwonnen moeten worden voordat een BMI succesvol kan worden ingezet in
'real-life'. Er zijn verschillende directe en indirecte factoren die de
prestaties van een BMI beinvloeden. Het voordeel van niet-invasieve metingen
van hersenactiviteit zoals het EEG is dat ze gemakkelijker buiten het lab te
gebruiken zijn, maar het nadeel van het EEG is dat de meting van
hersenactiviteit indirect is en dat daardoor de signaal-ruis verhouding lager
is, wat het moeilijker maakt om hersenactiviteit te onderscheiden van ruis en
andere storing.
In de literatuur wordt 70% classificatie nauwkeurigheid vaak als minimum
gehanteerd voor een BMI om nog met redelijke snelheid te kunnen communiceren en
een extern device te kunnen controleren. Om verschillende BMI systemen qua
prestaties te kunnen vergelijken is het nodig om meerdere factoren, zoals
information transfer rate en nauwkeurigheid, daarbij te betrekken. Ondanks dat
er al veel pogingen tot standaardisatie van BMI's in de afgelopen decennia zijn
geweest, vormt het vergelijken van verschillende BMI's nog steeds een
uitdaging.

De hoofddoelen van het onderzoek zijn: 1) om systematisch vier verschillende
hersenstimulatie methoden en bijbehorende signaal analyse technieken te
vergelijken om de beste manier te selecteren waarmee uiteindelijk een BMI met
vier vrijheidsgraden ontwikkeld kan worden en 2) om de beste sets van 8 en 32
kanalen (van 64) te selecteren, gebaseerd op nauwkeurigheidsdata, om
portabiliteit te vergroten en de set-up tijd te verkleinen.

Observationele studie

Tijdens de experimenten zal de hersenactiviteit worden geregistreerd middels
64-kanaals EEG in een headcap. EMG van verschillende arm- en onderbeenspieren
en accelerometrie zullen tegelijkertijd gemeten worden om beweging te meten en
te kunnen monitoren. Video opnames zullen gemaakt worden om bewegingen te
kunnen detecteren en verifieren. De deelnemer zal op ongeveer 60 cm van een LCD
scherm zitten en zal geinstrueerd worden om sterke hoofd-, kaak- en tong
bewegingen te vermijden om artefacten te beperken. Na de voorbereiding en
set-up van het experiment zal de deelnemer gevraagd worden vier taken uit te
voeren, gebaseerd op verschillende typen stimulatie:

* Paradigma I: Steady State Visually Evoked Potential (SSVEP) taak;
* Paradigma II: P300 taak;
* Paradigma III: Motor uitvoering / Motor voorstellingstaak;
* Paradigma IV: Hybrid taak (SSVEP + Motor taak, simultaan).

Vragenlijsten worden gebruikt om andere parameters te verzamelen. Na de
metingen zullen EEG en andere sensoren worden verwijderd.

Er zijn geen risico's of voordelen en de belasting is beperkt tot de tijd die
het onderzoek duurt (ongeveer drie uur, waarvan één uur voorbereidingstijd)