Design of a Brain Computer Interface (BCI) data acquisition and data analysis protocol using UNICORN equipment

Abstract

Les interfícies cervell-ordinador (BCI) han estat objecte d'estudi durant moltes dècades per la seva capacitat per controlar ordinadors a través del monitoratge de senyals cerebrals. Més concretament, els sistemes BCI basats en motor imagery (MI) han demostrat ser efectius en el camp de la neurorehabilitació ja que els patrons d'activitat cerebral són similars als que tenen lloc durant l'execució motora. Tenint en compte això, aquest estudi proposa un disseny de protocol d'adquisició i anàlisi de dades per a BCI utilitzant el dispositiu Unicorn Hybrid Black. En primer lloc, s'ha dissenyat un experiment que involucra el software PsychoPy i lab streaming layer (LSL) per realitzar i adquirir sessions MI de dues classes, els moviments de les quals són la flexió i extensió del canell. A partir de les dades obtingudes de 12 participants (no entrenats) que van realitzar l'experiment, les característiques de l'EEG durant la MI es van extreure mitjançant els filter bank common spatial patterns (FBCSP) i la transformada wavelet discreta (DWT). Finalment, es va fer servir un conjunt de classificadors per discriminar una selecció d'aquestes característiques a les dues classes. Els resultats mostren una àmplia variabilitat en la precisió dels classificadors entre participants, fet que indica que hi ha subjectes amb habilitats superiors en la MI. Així doncs, l’entrenament dels participants sembla necessari per aconseguir millors resultats. A més, el fet que la selecció de característiques obtingudes amb FBCSP fos diferent en cada participant indica que les freqüències d'activació a l'EEG durant la MI són específiques de cada subjecte. Finalment, és important ressaltar que dos dels participants van assolir una precisió superior al 90%, per la qual cosa aquests resultats són prometedors per continuar amb aquesta línia de treball

Las interfaces cerebro-computadora (BCI) han sido objeto de estudio durante muchas décadas debido a su capacidad para controlar ordenadores a través de la monitorización de señales cerebrales. Más concretamente, los sistemas BCI basados en imaginería motora (MI) han demostrado ser efectivos en el campo de la neurorrehabilitación ya que los patrones de actividad cerebral son similares a los que ocurren durante la ejecución motora. Teniendo esto en cuenta, este estudio propone un diseño de un protocolo de adquisición y análisis de datos para BCI utilizando el dispositivo Unicorn Hybrid Black. En primer lugar, se ha diseñado un experimento que involucra el software PsychoPy y lab streaming layer (LSL) para realizar y adquirir sesiones de imaginería motora de dos clases, siendo los movimientos la flexión y extensión de la muñeca. A partir de los datos obtenidos de 12 participantes (no entrenados) que realizaron el experimento, las características del EEG durante la MI se extrajeron por medio de los filter bank common spatial patterns (FBCSP) y la transformada wavelet discreta (DWT). Por último, se empleó un conjunto de clasificadores para discriminar una selección de estas características en las dos clases. Los resultados muestran una amplia variabilidad respecto la precisión de los clasificadores entre participantes, lo que significa que hay sujetos con habilidades superiores en la MI. Esto indica que haría falta más entrenamiento para lograr mejores resultados. Además, el hecho de que la selección de características obtenidas con FBCSP fuera diferente en cada participante indica que las frecuencias de activación en el EEG durante la MI son específicas de cada sujeto. Por último, es importante resaltar que dos de los participantes alcanzaron una precisión superior al 90%, por lo que estos resultados son prometedores para continuar con esta línea de trabajo

Brain-computer interfaces (BCIs) have been a subject of study for many decades due to their ability to control computers through the monitoring of cerebral signals. More precisely, BCI systems based on motor imagery (MI) have proven to be effective in the neurorehabilitation field since the patterns of cerebral activity are similar to the ones occurring during motor execution. Being this considered, a design of a BCI data acquisition and data analysis protocol using the Unicorn Hybrid Black device is proposed. First, an experimental paradigm involving the PsychoPy software and the lab streaming layer (LSL) was designed for conducting and acquiring two-class motor imagery sessions of right and left-hand movement (wrist flexion and extension). With the dataset obtained from 12 untrained participants that underwent the experiment, MI features were then calculated/extracted by means of filter-bank common spatial patterns (FBCSPs) and the discrete wavelet transform (DWT). Lastly, a set of classifiers were employed for discriminating a selection of these features into the two classes. Results show a wide range of classification accuracy among participants, meaning that there are subjects with major motor imagery abilities. This indicates that more training would be required. Besides, the fact that the FBCSP features selected from each subject are different indicates that EEG rhythms activated during motor imagery are subject-specific. Lastly, it is important to highlight that two of the participants reached an accuracy of more than 90%, so these are promising results to continue with this work

Objectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructura