ترجمه رابط مغز و کامپیوتر برای تشخیص تک مرحله‌ای راه رفتن با استفاده از پتانسیل‌های غشائی مربوط به حرکت

توضیحات

 عنوان فارسی: رابط مغز و کامپیوتر برای تشخیص تک مرحله‌ای راه رفتن با استفاده از پتانسیل‌های غشائی مربوط به حرکت

عنوان انگلیسی مقاله ترجمه شده:

A brain–computer interface for single-trial detection of gait initiation from movement related cortical potentials

رابط مغز و کامپیوتر برای تشخیص تک مرحله‌ای راه رفتن با استفاده از پتانسیل‌های غشائی مربوط به حرکت

موارد برجسته

• تشخیص تک مرحله‌ای و دقیق تصمیم به راه رفتن با استفاده از EEG پوست سر
• پیش پردازش تحلیل اجزای مستقل (ICA)[1]، به حذف خودکار مصنوعات EEG و افزایش کارایی تشخیص کمک می‌کند.
• تمام اشخاص شرکت کننده، نمونه‌های ساده BCI/EEG هستند که کاربرد عمومی روش پیشنهادی را نشان می‌دهد.

چکیده

هدف: کاربردهای رابط مغز و کامپیوتر (BCI)[2] در توانبخشی عصبی، توجهات زیادی را به خود جلب کرده است. تصمیم به انجام حرکت می‌تواند از EEG پوست سر تشخیص داده شده و برای کنترل دستگاه‌های توانبخشی مورد استفاده قرار گیرد تا منجر به الگوی توانبخشی بیمار گردد. در این بررسی، یک سیستم BCI برای تشخیص راه رفتن با استفاده از پتانسیل‌های غشائی مربوط به حرکت (MRCP)[3]، ارائه و اعتبار سنجی شده است.

روش‌ها: الگوهای MRCP از EEG پوست سر 9 کاناله در طی راه رفتن از 9 مورد سالم استخراج شده است. از تحلیل اجزای مستقل (ICA) برای حذف مصنوعات و فیلتر لاپلاس برای تقویت نسبت سیگنال به نویز MRCP استفاده شده است. در پی این پیش پردازش‌ها، از یک فیلتر تطبیقی برای انجام تشخیص تک مرحله‌ای راه رفتن، استفاده شده است.

نتایج: پیش‌پردازش ICA، باعث بهبود قابل توجه کارایی تشخیص شده است. با پیش‌پردازش ICA در تمام موارد، نرخ مثبت صحیح (TPR)[4] تشخیص، %97/8±9/76 و نرخ مثبت غلط، 09/1±93/2 بر دقیقه ارزیابی است.

نتیجه‌گیری: نتایج، امکان‌پذیری تشخیص تصمیم به راه رفتن با استفاده از سیگنال‌های EEG را نشان می‌دهند.

اهمیت: نتایج، برای توسعه استراتژی‌های جدید توانبخشی حرکتی برای عملیات جایگزینی/ بازیابی یا مدولاسیون عصبی، با اهمیت هستند.

واژگان کلیدی: رابط مغز و کامپیوتر، راه رفتن، پتاسیل غشائی مربوط به حرکت، تحلیل اجزای مستقل.

 1- مقدمه

مشکلات عصبی مانند سکته مغزی، آسیب نخاعی یا بیماری پارکینسون، اغلب منجر به اختلال در کنترل حرکت و مشکلات ناشی از آن برای انجام فعالیت‌های روزانه می‌گردد. یکی از اهداف توانبخشی، برگرداندن استقلال بیمار با برگشت توانایی حرکت است.

روش‌های مرسوم بازیابی حرکتی از طریق روش “پایین به بالا”، بر آموزش خارجی (اغلب با تمرین‌دهنده‌های رباتی) تمرکز دارند. آموزش رباتی دارای مزایایی است (کاهش تلاش فیزیوتراپ‌ها برای هر بیمار و امکان افزایش کیفیت پارامترهای توانبخشی و خروجی آموزش) و اجازه فعالیت خارجی را بدون محدودیت می‌دهد. با این حال، اثربخشی روش می‌تواند بخاطر خود مختاری ربات در تکمیل حرکت بدون نیاز به دخالت بیمار، کاهش یابد. مشخص شده است که مشارکت فعال بیمار برای بهبود خروجی توانبخشی لازم است.

یک شاخه مکمل و امیدوارکننده برای توانبخشی و کمک به حرکت، رابط‌های مغز و کامپیوتر (BCI) هستند. فناوری‌های BCI، باعث انتقال مستقیم فرمان‌های کنترلی از مغز شده و می‌تواند برای کنترل مستقیم دستگاه‌های توانبخشی (عملیات بازیابی یا جایگزینی) استفاده شوند یا باز خوردی از فعالیت مغزی بیمار (مدولاسیون عصبی) ایجاد کنند. در این مورد، بیمار در فرآیندهای توانبخشی مشارکت فعال دارد. این بازخورد از عملکرد دستگاه‌های توانبخشی (نظیر سیستم‌های حرکتی در طب فیزیکی) تحریک شده با فعالیت مغز (سوئیچ مغزی) ایجاد می‌شود.

وقتی فعالیت مغزی مربوط به حرکت با استفاده از EEG غیر تهاجمی اندازه‌گیری می‌شود، اطلاعات منتقل شده در باندهای فرکانسی مختلف می‌توانند استخراج شده و بعنوان سیگنال فرمان برای دستگاه‌های خارجی استفاده ‌شوند. این استراتژی‌ها، ریتم‌های حرکتی حسی (SMR)[5] را در بر دارند که اغلب مطالعات اخیر در مورد BCI برای توانبخشی حرکتی، بر آن تمرکز داشته‌اند. با این حال، یکی از معایب این روش، نیاز به آیتم‌های آموزشی عصبی است تا زمانی که کاربر بتواند سیگنال را تا حد کافی کنترل کند. از طرفی، پتانسیل‌های غشائی مربوط به حرکت (MRCP) برای تشخیص تصمیم به حرکت با استفاده از EEG نیز پیشنهاد شده‌اند. MRCP یک پتانسیل غشائی پایین است که معمولا زمانی‌که شخصی تصمیم به شروع حرکت کرده یا زمانی که حرکت شروع می‌شود، ایجاد می‌گردد. مزیت این روش آن است که کاربر نیاز به آموزش‌های گسترده ندارد. به علاوه، MRCP‌ها می‌توانند برای تمایز بین انواع مختلف کارها و همچنین روشی که کار انجام می‌شود، استفاده شوند. یک عامل بالقوه MRCP، اندازه نسبتا کوچک (حدود 10 میکرو ولت) و مقاومت آن به مصنوعات حرکتی بسیار که بر اندازه‌گیری‌های EEG اثر می‌گذارند، است.

MRCP‌ها، در طی راه رفتن با تمرکز بر بیماران پارکینسون بررسی شده‌اند. به‌علاوه، در بررسی صورت گرفته توسط ناسیمنتو و همکاران (2005) در اشخاص سالم، نشان داده شد که MRCP‌ها اطلاعات غنی مربوط به راه رفتن را در بر دارند، که MRCP‌ها را گزینه‌های قوی برای تشخیص راه رفتن می‌سازد. با این حال، توانایی تشخیص MRCP‌ها به کیفیت سیگنال و حضور مصنوعات (مثلا ناشی از تحرکات چشم یا عضلات صورت که می‌توانند بر کارایی و مقاوم بودن یک سیستم تشخیص BCI اثر قابل توجهی بگذارد) بستگی دارد. این مطالعه با هدف بررسی امکان‌پذیری تشخیص تصمیم به راه رفتن با استفاده از MRCP‌ها پس از اینکه مصنوعات از یک روش نیمه خودکار حذف شدند، انجام گرفته است. در اینجا بر حرکت در جهت مستقیم تمرکز شده است چرا که برای کاربردهای هدفمند بسیار مناسب است. هدف اصلی، توسعه و تست یک سوئیچ مغزی براساس مفاهیم حرکتی اولیه، و در آینده توسعه آن برای ادغام این سوئیج مغزی با سیستم‌های روباتیک غیر اورژانسی برای توابخشی حرکتی در بیماران سکته مغزی است.

2- روش‌ها

2-1- اشخاص (نمونه‌ها)

9 مورد (6 مرد و 3 زن، 21-38 ساله) که با SUB1- SUB9 مشخص شده‌اند، در آزمایشات مشارکت داشته‌اند. در هیچ یک از این موارد، اختلالات عصبی تشخیص داده نشده است. به استثنای SUB5، تمام دیگر موارد تجربه قبلی از سیستم‌های BCI نداشتند و بنابراین بعنوان نمونه‌های BCI ساده در نظر گرفته می‌شوند. پروتکل آزمایش، توسط کمیته اخلاق پژوهشی دانشگاه پزشکی Göttingen تایید گردیده است.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش ترجمه مقاله

به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.

سفارش ترجمه تخصصی