Protocolo para detectar el ErrP durante la marcha con exoesqueleto
Contenido principal del artículo
Resumen
La presente investigación tiene como objetivo la detección del Potencial de Error (ErrP) en movimiento que se produce al detener erróneamente un exoesqueleto de miembro inferior utilizando una Interfaz Cerebro-Máquina (BMI) de imaginación motora (MI). En estos pasos iniciales, se diseña un protocolo experimental para generar potenciales ErrP y NoErrP en movimiento, previos a la parada del exoesqueleto, a través de un estímulo táctil. Posteriormente, se comparan los potenciales en el dominio del tiempo entre sesiones, entre clases y entre sujetos, mediante el cálculo del Error Cuadrático Medio (RMSE) de las señales respecto a su media y su análisis estadístico. Los resultados obtenidos determinan que no existen diferencias estadísticamente significativas entre las distintas sesiones experimentales de un sujeto pero si las hay entre sujetos. Además, la diferencia entre ambas clases varía según el sujeto y la sesión.
Palabras clave:
Detalles del artículo
Citas
Ahkami, B., Ghassemi, F., 7 2021. Adding tactile feedback and changing isi to improve bci systems’ robustness: An error-related potential study. Brain Topography 34, 467–477. DOI: 10.1007/s10548-021-00840-6 DOI: https://doi.org/10.1007/s10548-021-00840-6
Ang, K. K., Guan, C., 6 2013. Brain-computer interface in stroke rehabilitation. Journal of Computing Science and Engineering 7, 139–146. DOI: 10.5626/JCSE.2013.7.2.139 DOI: https://doi.org/10.5626/JCSE.2013.7.2.139
Chavarriaga, R., del R. Millan, J., 8 2010. Learning from eeg error-relatedpotentials in noninvasive brain-computer interfaces. IEEE Transactions on Neural Systems and Rehabilitation Engineering 18, 381–388. DOI: 10.1109/TNSRE.2010.2053387 DOI: https://doi.org/10.1109/TNSRE.2010.2053387
Chavarriaga, R., Sobolewski, A., del R. Mill´an, J., 7 2014. Errare machinale est: the use of error-related potentials in brain-machine interfaces. Frontiers in Neuroscience 8. DOI: 10.3389/fnins.2014.00208 DOI: https://doi.org/10.3389/fnins.2014.00208
Ferrero, L., Quiles, V., Ortiz, M., I´a˜nez, E., Azor´ın, J. M., 4 2021. A bmi based on motor imagery and attention for commanding a lower-limb robotic exoskeleton: A case study. Applied Sciences 11, 4106. DOI: 10.3390/app11094106 DOI: https://doi.org/10.3390/app11094106
Ferrez, P. W., del R. Millan, J., 2008. Simultaneous real-time detection of motor imagery and error-related potentials for improved bci accuracy. Proceedings of the 4th International Brain-Computer Interface Workshop and Training Course, 197–202. URL: https://www.researchgate.net/publication/41386722
Kilicarslan, A., Grossman, R. G., Contreras-Vidal, J. L., 4 2016. A robust adaptive denoising framework for real-time artifact removal in scalp eeg measurements. Journal of Neural Engineering 13, 026013. DOI: 10.1088/1741-2560/13/2/026013 DOI: https://doi.org/10.1088/1741-2560/13/2/026013
Kim, S. K., Kirchner, E. A., 12 2023. Detection of tactile-based error-related potentials (errps) in human-robot interaction. Frontiers in Neurorobotics 17. DOI: 10.3389/fnbot.2023.1297990 DOI: https://doi.org/10.3389/fnbot.2023.1297990
McFarland, D. J., Wolpaw, J. R., 5 2011. Brain-computer interfaces for communication and control. Communications of the ACM 54, 60–66. DOI: 10.1145/1941487.1941506 DOI: https://doi.org/10.1145/1941487.1941506
Meyer, S. M., Mangalore, A. R., Ehrlich, S. K., Berberich, N., Nassour, J., Cheng, G., 11 2021. A comparative pilot study on errps for different usage conditions of an exoskeleton with a mobile eeg device. IEEE, pp. 6203–6206. DOI: 10.1109/EMBC46164.2021.9630465 DOI: https://doi.org/10.1109/EMBC46164.2021.9630465
Ortiz, M., Nathan, K., Azor´ın, J. M., Contreras-Vidal, J. L., 2023. Brainmachine interfaces for neurorobotics. DOI: 10.1007/978-981-16-5540-152 DOI: https://doi.org/10.1007/978-981-16-5540-1_52
Schiatti, L., Barresi, G., Tessadori, J., King, L. C., Mattos, L., 7 2019. The effect of vibrotactile feedback on errp-based adaptive classification of motor imagery. IEEE, pp. 6750–6753. DOI: 10.1109/EMBC.2019.8857192 DOI: https://doi.org/10.1109/EMBC.2019.8857192
Tacca, N., Nassour, J., Ehrlich, S. K., Berberich, N., Cheng, G., 11 2022. Neuro-cognitive assessment of intentional control methods for a soft elbow exosuit using error-related potentials. Journal of NeuroEngineering and Rehabilitation 19, 124. DOI: 10.1186/s12984-022-01098-0 DOI: https://doi.org/10.1186/s12984-022-01098-0
Tessadori, J., Schiatti, L., Barresi, G., Mattos, L. S., 10 2017. Does tactile feedback enhance single-trial detection of error-related eeg potentials? IEEE, pp. 1417–1422. DOI: 10.1109/SMC.2017.8122812 DOI: https://doi.org/10.1109/SMC.2017.8122812
Trapero-Asenjo, S., Gallego-Izquierdo, T., Pecos-Mart´ın, D., Nunez-Nagy, S., 2 2021. Translation, cultural adaptation, and validation of the spanish version of the movement imagery questionnaire-3 (miq-3). Musculoskeletal Science and Practice 51, 102313. DOI: 10.1016/j.msksp.2020.102313 DOI: https://doi.org/10.1016/j.msksp.2020.102313
Zhang, Y., Chen, W., Lin, C.-L., Chu, J., Meng, F., 11 2018. Research on command confirmation unit based on motor imagery eeg signal decoding feedback in brain-computer interface. IEEE, pp. 1923–1928. DOI: 10.1109/ICARCV.2018.8581088 DOI: https://doi.org/10.1109/ICARCV.2018.8581088