Interface cérebro-máquina baseada em biotelemetria e eléctrodos secos
Year: 2009
Type: dissertation
Abstract: Um sistema de interface cérebro-máquina (ICM) permite controlar uma aplicação baseada em computador (e.g. cursor no ecrã, teclado virtual), uma cadeira de rodas ou uma prótese mecânica na ausência de actividade muscular. Pessoas com incapacidade física, bem como pessoas saudáveis, enviam sinais de controlo unicamente através da performance de tarefas mentais que geralmente envolvem a imaginação de movimento. O electroencefalograma é comummente adquirido em ICM não-invasivas. Contudo, as ICM actuais não são práticas nem apropriadas a operações prolongadas devido a quatro questões principais: o tempo de preparação dos indivíduos pode demorar até 45 minutos, considerando o efeito abrasivo e a aplicação do electrólito nos eléctrodos; a qualidade do sinal EEG degrada-se rapidamente com o tempo à medida que o electrólito seca; a mobilidade do indivíduo é limitada pelos fios da ligação à unidade de processamento; grande parte das ICM obriga à aquisição de sinal de muitos eléctrodos. Esta tese sugere uma ICM baseada em biotelemetria e eléctrodos secos, de preparação rápida e para utilizações prolongadas. Eléctrodos com microagulhas de 100-200 μm de profundidade foram fabricados e revestidos com óxido de irídio (IrO). Estes eléctrodos penetram na camada mais externa da pele (stratum corneum) e entram em contacto directo com os fluidos electrólitos da epiderme. Assim, o gel electrólito é evitado o que acelera a preparação do indivíduo e mantém a qualidade do sinal elevada por períodos mais longos. O sistema de biotelemetria adquire sinais de 5 canais, com 16 bits de resolução, a uma taxa de amostragem de 1000 amostras/s e envia-os por radiofrequência para uma unidade de processamento num raio de 10 m. Embora a ligação sem fios restaure a mobilidade do indivíduo, um sistema de biotelemetria apresenta geralmente recursos limitados: poucos canais, taxa de amostragem e independência energética reduzidas, entre outros. Destas limitações, apenas os canais utilizados dependem das tarefas mentais e dos indivíduos. Assim, dois algoritmos de selecção de características foram desenvolvidos para minimizar o número de eléctrodos de EEG necessários à discriminação de imaginações motoras. As características foram extraídas da potência em bandas de frequência ou da amplitude de potenciais evocados. Os dados adquiridos durante a calibração duma ICM foram usados para avaliar, tanto a selecção de características, como a influência de diferentes disposições de estímulos visuais (simétricos vs. assimétricos) na selecção de características. Os eléctrodos em microagulha revestidos a IrO adquirem sinais semelhantes aos dos eléctrodos convencionais de EEG revestidos a Ag/AgCl. O sistema de biotelemetria adquire sinais de EEG com consumo de energia moderado (107 mW). Os novos algoritmos de selecção de características demonstram maior precisão de classificação (máximo de 91%) do que outros algoritmos usados em ICM, com menos eléctrodos seleccionados (em média 16% dos eléctrodos disponíveis). Os algoritmos de selecção calculam conjuntos de eléctrodos compatíveis com os recursos disponíveis no sistema de biotelemetria desenvolvido: discriminações significativas entre a imaginação de movimentos da mão esquerda e da mão direita são alcançadas para conjuntos com menos de 5 eléctrodos e sinais com taxa de amostragem de 256 amostras/s. A selecção de potências em bandas de frequência confirma a detecção de padrões EEG evocados pela imaginação de movimento das mãos. Os potenciais evocados sugerem que a utilização de estímulos visuais simétricos ou letras pode ajudar a proteger contra paradigmas em que a ICM detecta o estímulo visual apresentado em vez da intenção do indivíduo. Entretanto, a utilização criativa de potenciais evocados pela visão, para detectar a fixação do olhar e a atenção, oferece boas perspectivas para aperfeiçoar a ICM.
Author: N. S. Dias
Institution: University of Minho
Language: English
Subfield: Cognitive Neuroscience
Field: Neuroscience
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W9830855
