Resumen de Decoding of motor information from noninvasive electroencephalographic signals for brain-machine interfaces
Javier Mauricio Antelis Ortiz
Esta tesis esta dedicada a estudiar y analizar la actividad cerebral electroencefalográfica (EEG) con el objetivo de identificar y extraer información relacionada con movimiento de extremidades, como la ejecución o la intención de mover un brazo, que pueda ser usada en el contexto de las interface cerebro-maquina (BMI). La investigación se compone de cuatro estudios donde se exploran diferentes estrategias para la decodificar información motora directamente de las medidas EEG.
El primer estudio se centra en un area muy reciente dentro de las BMIs, en la cual se ha manifestado que la actividad temporal EEG de baja frecuencia contiene información cinemática de las extremidades que se puede decodificar usando modelos de regresión lineal. El objetivo de investigación es determinar si existe una \'unica relación de tipo lineal entre dicha actividad cerebral y movimientos de las extremidades o si el rendimiento positivo de estos modelos reportado en estudios previos se debe a una mala interpretación de resultados. Con este fin, se realizó un análisis matemático y una batería de experimentos con participantes sanos ejecutando movimientos de alcance. Los resultados muestran que aunque es posible usar modelos lineales para reconstruir movimientos con precisiones similares a las reportados en otros estudios, el rendimiento de tales modelos de decodificación esta en el nivel de azar. Por lo tanto, la conclusión es que no existe una relación lineal significativa entre la cinemática de las extremidades y la actividad temporal EEG de frecuencia baja.
El segundo estudio investiga la decodificación de información motora en pacientes afectados por accidente cerebro-vascular unilateral. El objetivo es determinar si la actividad EEG registrada de la corteza motora ilesa contiene alguna información relacionada con la intención de movimiento de las extremidades paralizadas. Para esto, se realizó una serie de experimentos con pacientes crónicos realizando movimientos del brazo no afectado o intentando mover el brazo paralizado. Los resultados de este estudio demostraron que los ritmos cerebrales registrados de la corteza motora ilesa se pueden usar no solo para decodificar con gran precision el movimiento de las extremidades sanas sino que también se pueden usar para decodificar información relacionada con la intención de movimiento de las extremidades paralizadas. En conclusion, los ritmos cerebrales de la corteza motora ilesa también codifican acciones motoras asociadas con el lado paralizado del cuerpo.
En el tercer estudio se investiga la influencia que tiene la atención a movimientos en la actividad EEG durante la ejecución movimientos pasivos asistidos por robot. El objetivo es determinar si es posible usar la actividad EEG para distinguir entre movimientos pasivos con atención o sin atención. Con este fin, se realizó un experimento con participantes sanos mientras realizaban movimientos pasivos de la extremidad superior derecha asistidos por robot. Los movimientos se realizaron con atención completa en la tarea o simultáneamente realizando otra tarea de distracción. Los resultados muestran que, aun cuando se trata de movimientos pasivos, se induce actividad oscilatoria en la corteza motora contralateral al movimiento, aunque esta actividad es menor cuando se realiza simultáneamente una tarea de distracción. Los resultados también muestran la posibilidad de usar algoritmos de clasificación para discriminar entre movimientos pasivos con atención y movimientos pasivos con distracción.
Finalmente, se diseño una técnica de estimación de la actividad cerebral generadora de las señales EEG para su potencial y posterior aplicación en BMIs. Esta idea tiene especial importancia en el campo de las BMIs dado que puede ofrecer un nuevo paradigma para la identificación de señales de control que usa información directamente la activación cerebral. El método propuesto se basa en la integración probabilista de múltiples modelos neuronales dipolares donde cada modelo se considera como un sistema dinámico. Estas características ofrece varias ventajas frente a los esquemas tradicionales de estimación de la actividad cerebral. La técnica se valido con datos simulados y con datos EEG reales registrados de participantes sanos en un experimento de potenciales de error (paradigma de gran interés en las BMIs). Los resultados demostraron que la técnica es capaz de localizar la actividad cerebral del EEG con una alta precisión y que presenta un gran potencial de aplicabilidad en BMIs.
En resumen, esta tesis se investiga la decodificación y extracción de diversos tipos de información motora contenida en la actividad EEG, que pueden usarse como señales de control para control de movimiento en BMIs.
