Index of /rozprawy2/11633

Pełen tekst

(1)AKADEMIA GÓRNICZO-HUTNICZA im. ST. STASZICA W KRAKOWIE Wydział Inżynierii Mechanicznej i Robotyki Katedra Automatyzacji Procesów. Praca doktorska mgr inż. Karolina Holewa Analiza sygnałów biologicznych wywołanych bodźcem świetlnym pod kątem ich wykorzystania w układach sterowania. Promotor: prof. dr hab. inż. Janusz Kowal Promotor pomocniczy: dr inż. Agata Nawrocka. Kraków, 2019.

(2) Składam serdeczne podziękowania mojemu promotorowi – Panu Profesorowi Januszowi Kowalowi oraz promotorowi pomocniczemu – Pani Doktor Agacie Nawrockiej, za cenne wskazówki i pomoc organizacyjną okazaną na każdym z etapów realizacji pracy..

(3) Rodzinie i przyjaciołom.

(4) Spis treści Wykaz najważniejszych oznaczeń ..................................................................................... 6 Wykaz najważniejszych oznaczeń ..................................................................................... 6 1. Wprowadzenie .............................................................................................................. 8 1.1. 2. 3. Teza i cele rozprawy ............................................................................................... 9. Techniki neuroobrazowania ...................................................................................... 11 2.1. Elektroencefalografia (EEG) ................................................................................ 13. 2.2. Sygnał EEG .......................................................................................................... 15. 2.3. Rejestracja sygnału EEG ...................................................................................... 16. 2.4. Artefakty ............................................................................................................... 17. Interfejsy mózg - komputer ....................................................................................... 19 3.1. Zastosowanie systemów BCI ............................................................................... 20. 3.2. Potencjały stosowane w systemach BCI .............................................................. 21. 3.3. Klasyfikacja systemów BCI ................................................................................. 24. 3.4. Wzrokowe potencjały wywołane.......................................................................... 25. 3.5. Zamiana energii światła na sygnał elektryczny .................................................... 26. 3.5.1. 4. 5. Drogi wzrokowe ........................................................................................... 29. 3.6. Wzrokowe potencjały wywołane stanu ustalonego .............................................. 31. 3.7. Padaczka fotogenna .............................................................................................. 33. Analiza sygnału EEG zawierającego SSVEP ........................................................... 34 4.1. Filtracja częstotliwościowa .................................................................................. 34. 4.2. Widmo sygnału ..................................................................................................... 37. 4.3. Stosunek sygnału do szumu.................................................................................. 38. 4.4. Rozkład topograficzny.......................................................................................... 39. 4.5. Wnioskowanie statystyczne .................................................................................. 40. Dobór bodźca świetlnego ........................................................................................... 47.

(5) 6. 7. 5.1. Rejestracja sygnału EEG ...................................................................................... 47. 5.2. Częstotliwości bodźca świetlnego ........................................................................ 49. 5.3. Scenariusz badań .................................................................................................. 50. 5.4. Wyniki .................................................................................................................. 55. 5.4.1. Podstawowa aktywność mózgu .................................................................... 56. 5.4.2. Rodzaj urządzenia emitującego światło ....................................................... 57. 5.4.3. Kolor ............................................................................................................. 62. 5.4.4. Jasność matrycy LED ................................................................................... 66. 5.4.5. Wzory ........................................................................................................... 71. 5.4.6. Zamknięte oczy............................................................................................. 75. 5.4.7. Natężenie oświetlenia w pomieszczeniu ...................................................... 78. 5.4.8. Podsumowanie .............................................................................................. 79. Układ sterowania wykorzystujący sygnały EEG ..................................................... 81 6.1. Wybrane metody analizy sygnału......................................................................... 81. 6.2. Detekcja SSVEP ................................................................................................... 86. 6.3. Projekt systemu BCI ............................................................................................. 91. 6.4. Model kinematyczny robota mobilnego ............................................................... 92. 6.5. Implementacja układu sterowania ........................................................................ 98. 6.6. Testy w czasie rzeczywistym ............................................................................. 109. Uwagi końcowe i wnioski ......................................................................................... 114 7.1. Wnioski I ............................................................................................................ 114. 7.2. Wnioski II ........................................................................................................... 115. 7.3. Kierunki dalszych badań .................................................................................... 116. Literatura ........................................................................................................................ 117 Załącznik A ..................................................................................................................... 126 Załącznik B ...................................................................................................................... 127 Załącznik C ..................................................................................................................... 128 Załącznik D ..................................................................................................................... 136.

(6) Wykaz najważniejszych oznaczeń. Wykaz najważniejszych oznaczeń. ANOVA. -. Analiza wariancji (ang. ANalusis Of VAriance). BCI. -. interfejs mózg komputer (ang. Brain Computer Interface). BMI. -. interfejs mózg maszyna (ang. Brain Machine Interface). CCA. -. analiza korelacji kanonicznej (ang. Canonical Correlation Analysis). EEG. -. elektroencefalograf, elektroencefalografia ElectroEncephaloGraphy ). FFT. -. szybka transformata Fouriera (ang. Fast Fourier Transform). ITR. -. ang. Information Transfer Rate. LASSO. -. ang. Least Absolute Shrinkage and Selection Operator. MSI. -. wielowymiarowy indeks synchronizacji (ang. Multivariate Synchronization Index). PSD. -. gęstość widmowa mocy (ang. Power Spectral Denisty). SNR. -. współczynnik sygnału do szumu (ang. Signal-to-Noise Ratio). SSVEP. -. wzrokowe potencjały wywołane stanu ustalonego (ang. Steady State Visual Evoked Potentials). (ang.. ElectroEncephaloGraph,. Wykaz najważniejszych oznaczeń. f. -. częstotliwość. fp. -. częstotliwość bodźca świetlnego, określana również jako częstotliwość podstawowa. fkh. -. częstotliwość h-tej krotności podstawowej (h ∈ N+). fs. -. częstotliwość próbkowania. N. -. liczba próbek. 6.

(7) Wykaz najważniejszych oznaczeń. m. -. numer elektrody pomiarowej (m = 1,2,3,…19). Fm(f). -. amplituda harmonicznej częstotliwości f wyznaczonej za pomocą FFT. SNRm(f). -. współczynnik SNR dla częstotliwości f. Pm(f). -. gęstość widmowa mocy. W. -. wartość testu Shapiro - Wilka. F. -. wartość testu Browna – Forsythe’a. X r2. -. wartość testu Friedmana. Z. -. wartość testu Wilcoxona. α. -. poziom istotności. αB. -. poziom istotności z korektą Bonferroniego. pA. -. próg akceptacji. K. -. liczba elektrod pomiarowych. H. -. liczba krotności częstotliwości. M. -. liczba użytych częstotliwości bodźca świetlnego. D. -. dokładność klasyfikacji. 7.

(8) Wprowadzenie. 1 Wprowadzenie Interfejs mózg – komputer (ang. Brain - Computer Interface, BCI), określany również jako interfejs mózg – maszyna (ang. Brain - Machine Interface, BMI) stanowi najbardziej bezpośredni sposób komunikacji pomiędzy ludzkim mózgiem a komputerem. Pomysł wykorzystania fal mózgowych do sterowania maszyną ma swoje początki w 1973 roku [1], jednak dopiero pod koniec lat 90-tych XX wieku wykonano pierwszą demonstrację eksperymentalną wykorzystującą aktywność neuronów do sterowania ramieniem robota. W 1999 roku w Nowym Jorku odbyła się pierwsza międzynarodowa konferencja poświęcona systemom BCI, na której Jonathan R. Wolpaw zdefiniował pojęcie interfejsu – mózg komputer: „A brain - computer interface (BCI) is a communication or control system in which the user’s messages or commands do not depend on the brain’s normal output channels. That is, the message is not carried by nerves and muscles, and, furthermore, neuromuscular activity is not needed to produce the activity that does carry the message” [2]. Definicję tę można przetłumaczyć jako: „Interfejs mózg – komputer jest systemem komunikacji, w którym polecenia użytkownika nie zależą od naturalnych dróg wyjściowych mózgu. Oznacza to, że wytworzenie aktywności, która niesie informację nie wymaga aktywności nerwowo-mięśniowej”. W tym świetle rolę interfejsu mózg – komputer (nazywanym w dalszej części pracy również systemem BCI) można określić następująco: System BCI opiera się na wykorzystywaniu świadomie generowanych sygnałów pochodzących z mózgu użytkownika do sterowania urządzeniami zewnętrznymi, takimi jak np.: komputer, robot mobilny, neuroproteza czy wózek inwalidzki [3]. Głównym atutem tych systemów jest wykorzystanie sygnałów pochodzących z ośrodkowego układu nerwowego (OUN, ang. Central Nervous System, CNS) a co za tym idzie, zgodnie z powyższą definicją, pozwala na interakcję użytkownika z otoczeniem bez udziału nerwów obwodowych oraz mięśni. Celem systemu BCI jest wspomożenie osób niepełnosprawnych w komunikacji z otoczeniem. Osoby dotknięte np.: całkowitym paraliżem (nazywanym również zespołem zamknięcia, ang. locked - in syndrome), pomimo tego, że w pełni zachowują wszystkie funkcje poznawcze oraz świadomość otaczającego ich świata, zostają uwięzione we własnym bezwładnym ciele. W takich przypadkach jedyną szansą interakcji chorego ze światem zewnętrznym jest wykorzystanie aktywności elektrycznej mózgu, czyli sygnału EEG [4], [5]. W latach 80-tych XX wieku uznawano, z powodu ograniczonej wiarygodności oraz dużej zmienności uzyskiwanych informacji, pomysł skutecznego „rozszyfrowywania” intencji badanej osoby oraz wykorzystania ich do sterowania za zbyt złożony oraz nierealny do osiągnięcia, w szczególności z uwagi na fakt, że systemy BCI wymagają przetwarzania sygnału w czasie rzeczywistym, a do niedawna wymagana technologia nie istniała. 8.

(9) Wprowadzenie. W związku z tym przeprowadzane w tamtym okresie badania nad aktywnością mózgu ograniczały się głównie do analizy zaburzeń neurologicznych. Od końca lat 90-tych XX wieku doszło do ogromnego rozwoju tej interdyscyplinarnej dziedziny nauki, łączącej wiedzę zlokalizowaną na pograniczu nauk technicznych, medycznych i psychologicznych. Postępy w neurologii, w zakresie technik przetwarzania sygnałów, miniaturyzacji czujników czy rozwoju wiedzy z dziedziny biomateriałów sprawiły, że obecnie w kilkudziesięciu znaczących ośrodkach na całym świecie prowadzone są intensywne badania nad inwazyjnymi oraz nieinwazyjnymi systemami BCI. Obiecujące badania nad interfejsami mózg – komputer oraz możliwość wykorzystania tej nowej technologii jako wsparcie dla osób niepełnosprawnych spowodowały znaczący wzrost zainteresowania systemami BCI. Obecnie badania prowadzone są nie tylko na uczelniach czy instytutach naukowo - badawczych ale także można zauważyć powstawanie małych firm takich jak Emotiv [6] lub NeuroSky [7], które specjalizują się w komercyjnych bezprzewodowych elektroencefalografach oraz aplikacjach monitorujących pracę mózgu użytkownika. Skonstruowanie komercyjnego systemu BCI umożliwiającego osobom niepełnosprawnym polepszenia jakości ich życia, mimo znaczących w ostatnich latach postępów w dziedzinie tej technologii, wciąż pozostaje wyzwaniem dla współczesnej nauki.. 1.1 Teza i cele rozprawy Podstawowym problemem badawczym rozprawy jest zastosowanie algorytmów przetwarzania sygnałów biologicznych, które pozwolą na wyodrębnienie z sygnału elektroencefalograficznego parametrów charakterystycznych, umożliwiających sterowanie w interfejsie mózg - komputer. Sformułowano następującą tezę pracy: możliwe jest wykorzystanie sygnału elektroencefalograficznego jako sygnału sterującego w interfejsie mózg – komputer. Na tej podstawie założono następujące cele: I.. zbadanie wpływu oddziaływania bodźcem świetlnym o różnych parametrach (tj.: rodzaj urządzenia emitującego światło, kolor, realizacja jasności matrycy LED, wyświetlane wzory) na powstające w mózgu wzrokowe potencjały wywołane,. II.. opracowanie układu wykorzystującego parametry charakterystyczne sygnału elektroencefalograficznego do sterowania wybranym urządzeniem wyjściowym.. 9.

(10) Wprowadzenie. Aby zrealizować cel I oraz II, zaplanowano do wykonania następujące zadania: 1. przegląd literaturowy istniejących rozwiązań, 2. zaprojektowanie i wykonanie stanowiska laboratoryjnego do badania wzrokowych potencjałów wywołanych, 3. opracowanie scenariusza badań eksperymentów na grupie osób,. oraz. przeprowadzenie. według. niego. 4. wybór urządzenia wyjściowego (robot mobilny) oraz opracowanie jego modelu kinematycznego, 5. zaprojektowanie układu sterującego systemem BCI, 6. przeprowadzenie testów online zaproponowanego systemu BCI. Udowodnienie poprawności postawionej tezy oraz realizacja celów pracy wymaga przyjęcia odpowiedniego planu badań, które obejmowały planowanie oraz przeprowadzenie licznych eksperymentów, analizę zarejestrowanych sygnałów, dobór algorytmów sterowania oraz budowę interfejsu mózg – komputer. Niniejsza rozprawa składa się z 7 rozdziałów. Rozdział 1 zawiera wprowadzenie w tematykę pracy. W Rozdziale 2 przedstawiono niezbędne informacje na temat elektroencefalografii oraz opisano główne cechy charakterystyczne sygnału EEG. W Rozdziale 3 zamieszczono informacje na temat zasady działania interfejsów mózg - komputer oraz główne obszary jego zastosowania. Omówiono również potencjały stosowane w systemach BCI, skupiając się głównie na wzrokowych potencjałach wywołanych. Rozdział 4 stanowi omówienie metod analizy sygnału EEG zawierającego wzrokowe potencjały wywołane. Cześć eksperymentalną zawarto w Rozdziale 5. Opisano sposób realizacji przeprowadzonych eksperymentów, a także pokazano wyniki oraz wnioski wysunięte na podstawie analizy zarejestrowanych danych eksperymentalnych. W Rozdziale 6 przedstawiono algorytmy sterowania, główne założenia projektowe oraz praktyczną realizację układu sterowania wykorzystującego cechy charakterystyczne sygnału EEG. W Rozdziale 7 zawarto podsumowanie, sformułowano wnioski wynikające z analizy badań eksperymentalnych, a także praktycznej realizacji interfejsu mózg – komputer oraz wskazano kierunki dalszych badań.. 10.

(11) Techniki neuroobrazowania. 2 Techniki neuroobrazowania Niezależnie od funkcji, każda część mózgu składa się z komórek nerwowych nazywanych neuronami. Jako całość, mózg stanowi gęstą sieć składającą się z około 1010 neuronów, w której każdy neuron komunikuje się z tysiącem innych. Komunikacja ta odbywa się poprzez wysłanie sygnału elektrycznego za pomocą połączeń fizycznych lub poprzez wymianę związków chemicznych, czyli za pomocą neuroprzekaźników. Postępy w technologii obrazowania mózgu pozwalają na obrazowanie elektrofizjologicznych oraz hemodynamicznych zmian zachodzących w mózgu podczas jego aktywności [8]. Elektrofizjologiczna aktywność mózgu pochodzi od przepływających w drzewkach dendrytycznych neuronów w czasie transmisji synaptycznej prądów jonowych. Aktywność elektrofizjologiczną można zmierzyć za pomocą metod nieinwazyjnych takich jak elektroencefalografia (EEG) lub magnetoencefalografia (MEG), oraz za pomocą technik inwazyjnych do jakich należy elektrokortykografia (ECoG) [9]. Metody obrazowania wykorzystujące odpowiedź hemodynamiczną mózgu wykorzystują fakt, iż podczas wzmożonej aktywności komórek nerwowych zwiększa się ich zapotrzebowanie na tlen, który jest niezbędny do uzyskania energii. Za transport tlenu wraz z krwią do komórek odpowiedzialna jest hemoglobina. Różnica w rejestrowanym sygnale pomiędzy obszarami aktywnymi a nieaktywnymi wynika stąd, że oksyhemoglobina posiada inne właściwości magnetyczne niż deoksyhemoglobina [10]. Do metod obrazowania mózgu wykorzystujących odpowiedź hemodynamiczną zaliczamy funkcjonalny rezonans magnetyczny (fMRI) oraz spektroskopię w bliskiej podczerwieni (NIRS). Tego rodzaju metody sklasyfikowane są jako pośrednie, ponieważ mierzą odpowiedź hemodynamiczną, która w przeciwieństwie do aktywności elektrofizjologicznej, nie jest bezpośrednio związana z aktywnością neuronów. Najbardziej rozpowszechnioną metodą pomiaru aktywności mózgu stosowaną w interfejsach mózg - komputer jest elektroencefalografia. Główną zaletą tej metody jest wysoka rozdzielczość czasowa w stosunku do niskiego kosztu aparatury, łatwość w użytkowaniu, ocena aktywności mózgu w chwili rejestracji sygnału oraz niewielkie zagrożenie dla użytkownika. Rozdzielczości czasowe i przestrzenne oraz wady i zalety najczęściej stosowanych technik neuroobrazowania przedstawiono w Tab. 2.1.. 11.

(12) Tab. 2.1. Zestawienie technik obrazowania aktywności mózgu stosowanych w interfejsach mózg - komputer. Metoda. Elektro-. Mierzona aktywność Elektryczna. encefalografia (EEG). Magneto-. Magnetyczna. encefalografia (MEG). Elektro-. Elektryczna. kortykografia (ECoG) Funkcjonalny. Hemodynamiczna. magnetyczny rezonans jądrowy (fMRI) Spektroskopia w bliskiej podczerwieni (NIRS). Hemodynamiczna. Sposób pomiaru. Rozdzielczość czasowa [11]. Rozdzielczość przestrzenna [11]. Rejestracja zmian potencjałów elektrycznych na powierzchni skóry za pomocą elektrod rozmieszczonych na czaszce badanego.. 0.05 s. 10 mm. – dobra rozdzielczość czasowa; – przenośna aparatura pomiarowa; – relatywnie niski koszt i prosta obsługa; – badanie nieinwazyjne;. – słaba rozdzielczość przestrzenna; – wymaga rozmieszczenia elektrod na czaszce;. Pomiar pola magnetycznego wytworzonego przez elektryczną aktywność mózgu, przy pomocy wysokoczułych mierników np. typu SQUID umieszczonych w pobliżu czaszki pacjenta. Pomiar elektrycznej aktywności mózgu za pomocą elektrod umieszczonych bezpośrednio na korze mózgu.. 0.05 s. 5 mm. – umożliwia obrazowanie głębszych struktur; – badanie nieinwazyjne; – dobra rozdzielczość czasowa oraz przestrzenna;. – drogie oraz nieporęczne urządzenie; – wymaga izolacji od źródeł zewnętrznych – unieruchomienie głowy;. 0.003 s. 1 mm. – badanie inwazyjne;. 1 s. 1 mm. – bardzo dobra rozdzielczość czasowa oraz przestrzenna; – odizolowanie od zakłóceń elektrycznych; – szersze pasmo sygnału; – badanie nieinwazyjne; – dobra rozdzielczość przestrzenna. 1 s. 5 mm. – badanie nieinwazyjne;. – słaba rozdzielczość czasowa;. Hemodynamiczny pomiar odpowiedzi ośrodkowego układu nerwowego na działanie zewnętrznego pola magnetycznego. Technika ta wykorzystuje zjawisko zmiany poziomu utlenowania krwi. Technika wizualizacji aktywności mózgu, polegająca na przepuszczeniu przez czaszkę pacjenta promieni lasera o zakresie promieniowania bliskiej podczerwieni.. 12. Zalety. Wady. – metoda wrażliwa na ruch; – obrazuje tylko przepływ krwi; – słaba rozdzielczość czasowa; – drogie urządzenie.

(13) Techniki neuroobrazowania. 2.1 Elektroencefalografia (EEG) Elektroencefalografia (EEG) jest nieinwazyjną metodą pomiaru synchronicznej aktywności elektrycznej mózgu za pomocą elektrod rozmieszczonych na powierzchni głowy. Historia badań EEG sięga roku 1875, kiedy to Richard Caton przy pomocy galwanometru oraz elektrod umieszczonych na powierzchni czaszki zwierząt zarejestrował zmiany potencjału elektrycznego wywołane aktywnością neuronów kory mózgowej. Wykazał on korelację pomiędzy prostymi czynnościami, takimi jak przeżuwanie oraz ruch głową a zmianą potencjałów w odpowiednich obszarach kory mózgowej. Swoje odkrycie Caton opublikował w British Medical Journal [12]. W tym samym czasie polski uczony Adolf Beck, pod kierownictwem profesora Napoleon Nikodem Cybulski prowadził podobne badania. W 1890 roku Back obronił rozprawę doktorską „Oznaczenie lokalizacji w mózgu i rdzeniu za pomocą zjawisk elektrycznych” [13]. Praca ta stanowiła głębsze studium elektroencefalogramu oraz problemu lokalizacji funkcji sensorycznych w mózgu. Jednym z większych osiągnięć Becka było odkrycie desynchronizacji czynności elektrycznej mózgu w odpowiedzi na bodźce (ang. Event-Related Desynchronization, ERD). Za głównego prekursora w elektroencefalografii uważa się niemieckiego psychiatrę Hansa Bergera, który w 1925 roku po raz pierwszy zarejestrował przy pomocy galwanometru strunowego Einthovena potencjały elektryczne mózgu u człowieka. Berger jako pierwszy zaobserwował regularne fale o częstotliwości 10 cyklów na sekundę, które nazwał falami alpha. Swoje wyniki przedstawił 4 lata później w artykule Über das Elektrenkephalogramm des Menschen. Artykuł ten oraz kolejne publikacje Bergera do dnia dzisiejszego uznawane są za klasykę elektroencefalografii [14]. Rozmieszczone na czaszce elektrody rejestrują potencjał elektryczny, będący wypadkową potencjałów pochodzących od wszystkich źródeł pola elektrycznego. Oznacza to, że zapis EEG (elektroencefalogram) odzwierciedla nie tylko aktywność elektryczną mózgu ale także aktywność zewnętrzną pochodzącą np.: od sieciowych odbiorników prądu, czy narządów generujących inne sygnały elektrofizjologiczne np.: serce [15]. Istotny jest fakt, że im dalej od źródła tym wytworzone pole zanika. Najbliższym źródłem pola elektrycznego dla elektrod umieszczonych na czaszce jest kora mózgowa, dlatego też to jej aktywność determinuje sygnał EEG. Grubość kory mózgowej wynosi od 2 do 4 mm, zaś gęstość neuronów to około 4.4 × 104 na 1 mm3. Sygnał rejestrowany przez pojedynczą elektrodę pochodzi od około 106 – 108 neuronów. Istotną rolę podczas generowania pola elektrycznego odgrywają komórki piramidowe [16]. Komórki te ułożone są warstwowo oraz prostopadle do czaszki (Rys. 2.1). Rejestrowany z powierzchni czaszki sygnał EEG jest następstwem naprzemiennej depolaryzacji i repolaryzacji błony komórkowej dendrytów neuronów korowych. Błona komórkowa w spoczynku jest spolaryzowana po wewnętrznej stronie ujemnie, ponieważ przeważają tam jony chloru (Cl-), zaś po zewnętrznej stronie dodatnio ze względu na 13.

(14) Techniki neuroobrazowania. występowanie jonów sodu (Na+), wapnia (Ca++) oraz potasu (K+). Różnica potencjału elektrycznego to tzw. spoczynkowy potencjał błonowy, który w całym neuronie wynosi 70 mV [17]. Naprzemienne przesuwanie się depolaryzacji oraz repolaryzacji wzdłuż dendrytów determinuje zmiany biegunowości elektrycznego potencjału. Wytworzone pole elektryczne przez pojedynczą komórkę nerwową jest zbyt słabe, aby zostało wykryte. Orientacja komórek piramidalnych oraz zdolność do synchronicznego pobudzania się wielu komórek pozwala na generację dużych pól elektrycznych, które są rejestrowane za pomocą rozmieszczonych na czaszce elektrod. W rzeczywistości więc sygnał EEG mierzy wypadkowe pole elektryczne, wytworzone przez dużą liczbę komórek piramidalnych położonych w pobliżu elektrody. Wzmacniacz EEG Elektroda EEG. Skóra Czaszka Opona twarda Opona miękka Aktywna synapsa. Kora mózgowa. Akson. Komórki piramidowe. Rys. 2.1. Schemat powstawania sygnału elektrycznego (zmodyfikowane z [18]). Dzięki swojej nieinwazyjności obecnie EEG jest jedną z najbardziej rozpowszechnionych metod diagnostycznych. Do najczęstszych klinicznych zastosowań elektroencefalografii zaliczamy: . diagnozowanie epilepsji;. . diagnozowanie udarów oraz nowotworów mózgu;. . badanie zaburzeń psychicznych;. . diagnozowanie śmierci mózgu;. . kontrolę głębokości narkozy;. . badanie biofeedbacku/neurofeedbacku;. . badanie schizofrenii.. 14.

(15) Techniki neuroobrazowania. Warto wspomnieć, że oprócz nieinwazyjnej metody pomiaru aktywności mózgu istnieją również metody inwazyjne. Do takich metod zaliczamy elektrokortykografię (ECoG) oraz badanie lokalnych potencjałów polowych (ang. Local Fields Potentials, LFPs). Pierwsza z wymienionych inwazyjnych metod bada bioelektryczną aktywność mózgu za pomocą elektrod rozmieszczonych bezpośrednio na powierzchni kory mózgowej. Druga metoda, czyli LEPs, mierzy aktywność za pomocą wewnątrzkorowych mikroelektrod [19]. Rozmieszczenie elektrod dla każdej z wymienionych metod pomiaru aktywności mózgu została przedstawiona na Rys. 2.2. Głównymi zaletami metod inwazyjnych w stosunku do elektroencefalografii jest bardzo dobra rozdzielczość czasowa i przestrzenna oraz szersze pasmo częstotliwości rejestrowanego sygnału. Pomimo licznych zalet, największą wadą wymienionych metod jest konieczność wykonania operacji neurologicznej w celu umieszczenia elektrod bezpośrednio na lub w korze mózgowej. Względy etyczne, finansowe oraz istniejące ryzyko wystąpienia komplikacji pooperacyjnych sprawiają, że metody inwazyjne wykorzystywane są niezwykle rzadko. EEG. Skóra Tkanka miękka. ECoG Czaszka Opona twarda LFPs. Kora mózgowa 5 mm. Rys. 2.2. Lokalizacja elektrod pomiarowych dla różnych metod pomiaru aktywności mózgu (zmodyfikowane z [19]). 2.2 Sygnał EEG Sygnał EEG charakteryzuje się zakresem częstotliwości od 0.5 do 100 Hz oraz zakresem amplitud do 100 µV [20]. Największe wartości amplitud rejestrowane są dla napadu padaczkowego, podczas którego napięcie może osiągnąć wartość kilkuset mikrowoltów. Pomimo tego, że sygnał EEG jest indywidualny dla każdej osoby to istnieją charakterystyczne cechy sygnału elektroencefalograficznego, które nazywamy rytmami lub falami. Rytmy są charakterystyczne dla danego stanu psychicznego badanej osoby. Występują w określonych przedziałach częstotliwościowych oraz posiadają powtarzalny kształt. W zapisie sygnału EEG możemy wyróżnić następujące rytmy: . Delta (δ), które występują w zakresie częstotliwości od 0.5 do 4 Hz i jest charakterystyczny dla głębokiego snu. 15.

(16) Techniki neuroobrazowania. . Theta (θ), które pojawiają się w zakresie częstotliwości od 4 do 7.5 Hz. Pojawienie się fali theta związane jest z głęboką medytacją, hipnozą, marzeniem oraz intensywnymi emocjami.. . Alfa (α), które charakteryzują się zakresem częstotliwości 8 – 13 Hz. Fale te występują u dorosłego człowieka podczas relaksu i zamkniętych oczach. Najlepiej wykrywalne są we wszystkich częściach płatów tylnich mózgu. Najczęściej przyjmują sinusoidalny kształt.. . Beta (β), które występują w zakresie częstotliwości od 13 do 30 Hz. Fale beta związane są z codzienną aktywnością, skupieniem uwagi, przetwarzaniem informacji i pobudzeniem.. . Gamma (γ) występują powyżej 30 Hz. Pomimo tego, że amplituda tych rytmów jest bardzo mała a ich występowanie jest rzadkie, to na podstawie detekcji fal gamma potwierdza się niektóre choroby mózgu. Przypuszcza się, że fale gamma związane są z myśleniem integracyjnym, świadomością percepcyjną oraz aktywnością ruchową i percepcją sensoryczną.. Warto wspomnieć, że sygnał EEG odzwierciedla nie tylko wszystkie procesy w które zaangażowany jest mózg jak np.: relaks, skupienie uwagi, myślenie, odbieranie bodźców, przetwarzanie informacji. Sygnał ten uwzględnia również procesy, które świadomie nie są przez nas kontrolowane jak.: funkcjonowanie układu pokarmowego czy oddychanie.. 2.3 Rejestracja sygnału EEG Sygnał EEG, jak już wspomniano wcześniej, rejestrowany jest przy pomocy elektrod rozmieszczonych na powierzchni głowy badanej osoby. Zapis EEG (elektroencefalogram) jest graficznym odzwierciedleniem zmieniającej się w czasie różnicy potencjałów między dwiema elektrodami pomiarowymi. Najczęściej wykorzystuje się elektrody srebrne pokryte warstwą chlorku srebra (Ag – AgCl), których średnica miseczki nie przekracza 10 mm. Elektrody mocuje się za pomocą specjalnego żelu przewodzącego (koloidum), którego zadaniem jest zminimalizowanie oporności na styku elektroda – skóra. Wysoka impedancja pomiędzy elektrodą a skórą powoduje wprowadzenie zakłóceń, które mogą maskować rzeczywisty sygnał EEG. Obecnie stosowane elektroencefalografy posiadają monitory impedancji. Zgodnie z zaleceniem Międzynarodowej Federacji Neurofizjologii Klinicznej (ang. International Federation of Clinical Neurophysiology, IFCN) aby badanie było poprawne, impedancja elektrod nie może przekraczać 5 kΩ [21], [22]. W standardowym badaniu neurologicznym wykorzystuje się 21 elektrod pomiarowych rozmieszczonych na powierzchni czaszki zgodnie z Międzynarodowym Systemem 10 – 20 [23] (Rys. 2.3). Każde położenie elektrody oznaczone jest symbolicznie literami oraz cyframi. Litera oznacza płat kory mózgowej, nad którym położona jest elektroda, zaś cyfra prawą. 16.

(17) Techniki neuroobrazowania. (cyfra parzysta) lub lewą (cyfra nieparzysta) półkulę mózgu. Litera F oznacza płat czołowy (łac. Frontalis), P – płat ciemieniowy (łac. Parietalis), T – płat skroniowy (łac. Temporalis), O – płat potyliczny (łac. Occipitalis) oraz C – bruzda środkowa mózgu [20]. Elektrody położone wzdłuż linii środkowej, tj. linii łączącej nasadę nosa z guzowatością potylicy oprócz dużej litery posiadają małą literę z (zero) określającą elektrody zlokalizowane w środku. Ponieważ, jak już zostało to wcześniej wspomniane, sygnał EEG jest różnicą potencjałów pomiędzy dwoma punktami, dlatego też potencjały generowane przez mózg muszą być mierzone względem potencjału odniesienia (elektroda referencyjna). Odprowadzenie referencyjne najczęściej zlokalizowane jest na czubku nosa lub szczycie czaszki w punkcie położenia elektrody Cz. Stosowane są także inne punkty odniesienia, takie jak połączone wyrostki sutkowe lub połączone płatki uszu. Innym powszechnie stosowanym rozwiązaniem jest użycie jako odniesienia potencjału uśrednionego ze wszystkich elektrod pomiarowych. Nasion 10 %. 20 %. Pz. F7. 20. P3 F7 T5. F4. F8. A1. A2 T3. T3. Fz. F3. 20 %. 10 %. %. C3. 20 %. Fp1. Fp2. Fp1. Cz. Fz F3. %. 20. %. 20. C3. Cz. C4. T4. C3 20 %. A1. 10 %. Nasion. T5. P3. P4. Pz. %. O2. 20. O1. T6. Inion Inion. 10 %. Rys. 2.3. Położenie elektrod w systemie 10 - 20. 2.4 Artefakty W sygnale EEG mogą występować zakłócenia, czyli artefakty. Ze względu na przyczyny ich powstawania możemy je podzielić na dwie zasadnicze grupy: artefakty techniczne i fizjologiczne [20]. Pierwsza grupa artefaktów związana jest z czynnikami takimi jak np.: występowanie w otoczeniu zewnętrznych urządzeń elektrycznych, siecią energetyczną, złym uziemieniem a także zbyt dużą lub zróżnicowaną impedancją elektrod. Druga grupa zakłóceń związana jest z występowaniem w organizmie człowieka innych źródeł sygnałów bioelektrycznych takich jak: EMG (elektromiogram), EOG (elektrookulogram) czy EKG (elektrokardiogram). Zapis EEG zawiera zakłócenia związane z czynnością potencjałów mięśniowych (EMG). Artefakty te najbardziej są widoczne w sygnale EEG pochodzącym z elektrod położonych w okolicy czołowej oraz skroniowej gdzie znajdują się mięśnie skroniowe oraz czołowe. 17.

(18) Techniki neuroobrazowania. Najprostszym sposobem na zmniejszenie artefaktów mięśniowych pochodzących z okolic skroniowych jest rozluźnienie mięśni szczęki poprzez lekkie otwarcie ust. Drugim znacznie wypływającym na sygnał EEG artefaktem jest sygnał EOG. Sygnał ten związany jest z ruchami gałek ocznych i jest najbardziej widoczny w okolicach czołowych. Do grupy tej warto również zaliczyć artefakty powstające podczas mrugania, których amplituda może osiągnąć nawet 100 μV. Ostatnimi istotnymi artefaktami fizjologicznym są zakłócenia związane z układem krążenia. Są one determinowane pracą serca (EKG), tętnem oraz procesem oddychania. Zakłócenia te charakteryzują się rytmicznymi, ostro zarysowanymi załamkami krzywej o takiej samej częstotliwości jak sygnał EKG, zaś powstają gdy elektroda umieszczona jest nad tętnicą powierzchniową (np.: nad gałęzią tętnicy skroniowej powierzchownej). Oprócz wyżej wymienionych artefaktów wpływ na jakość zarejestrowanego sygnały EEG mają również: pocenie się, żucie, ruchy języka, dreszcze oraz drżenie. Wpływ artefaktów fizjologicznych można ograniczyć poprzez odpowiednie przygotowanie uczestnika do badania. Ważne jest aby osoba podczas przeprowadzanego badania siedział wygodnie, nie wykonywał ruchów, był rozluźniony oraz zrelaksowany. Najczęstszą metodą eliminacji zakłóceń z zarejestrowanego sygnału EEG jest wzrokowe wykrycie niepożądanych fragmentów. Warto jednak pamiętać, że głównym zastosowaniem systemów BCI jest wspomożenie osób niepełnosprawnych w komunikacji z otoczeniem. Osoby te często są sparaliżowane, nie mają możliwości poruszania kończynami, co skutkuje nie występowaniem tego typu artefaktów w zapisie EEG.. 18.

(19) Interfejsy mózg - komputer. 3 Interfejsy mózg - komputer Schemat działania interfejsu mózg - komputer przedstawiono na Rys. 3.1. W skład systemu BCI wchodzą: 1. 2. 3. 4. 5.. akwizycja sygnału, przetwarzanie wstępne, ekstrakcja cech charakterystycznych, klasyfikacja, sprzężenie zwrotne.. Akwizycja sygnału polega na zapisie aktywności mózgu użytkownika wykonującego bieżącą czynność umysłową. Najczęściej w systemach BCI do rejestracji aktywności mózgu stosuje się elektroencefalografię, która została bliżej przedstawiona w rozdziale 2.1. Zadaniem przetwarzania wstępnego jest zwiększenie współczynnika sygnału do szumu (SNR) poprzez usunięcie artefaktów (rozdział 2.4) oraz przygotowanie sygnału do dalszego przetwarzania. Na tym etapie wykorzystuje się m. in.: filtry cyfrowe, filtry przestrzenne oraz analizę składowych niezależnych (ang. Independent Component Analysis, ICA). Następnie, z sygnału EEG wydobywane są cechy charakterystyczne, jak np.: częstotliwość, wartość amplitudy lub czas wystąpienia potencjału. W etapie tym stosowane są rozmaite metody analizy sygnałów jak np.: analiza Falkowa (DWT), modele autoregresyjne (AR), szybka transformata Fouriera (FFT), widmowa gęstość mocy (PSD) oraz analiza głównych składowych (PCA). Po wyodrębnieniu cech charakterystycznych w kolejnym kroku dochodzi do zinterpretowania i klasyfikacji otrzymanego danych. Celem etapu klasyfikacji systemu BCI jest rozpoznanie intencji użytkownika na podstawie dostarczonego wektora cech charakterystycznych. Najczęściej stosowanymi w systemach BCI metodami klasyfikacji są: maszyna wektorów nośnych (SVM), ukryte modele Marcowa (HMM), liniowy dyskryminator Fishera (FLD), drzewa decyzyjne (DT), sztuczne sieci neuronowe (ANN) oraz algorytm k najbliższych sąsiadów (kNN), czy nieliniowy klasyfikator Bayes’a (NBC). W kolejnym etapie generowany jest sygnał sterujący, który wykorzystywany jest do komunikacji (np.: wirtualne klawiatury) lub sterowania urządzeniem zewnętrznym (np.: wózek inwalidzki lub neuroproteza). Zastosowania systemów BCI zostały przedstawione w podrozdziale 3.1. Ostatnim etapem jest sprzężenie zwrotne (feedback), którego zadaniem jest sprawdzenie przez użytkownika poprawności sklasyfikowanego sygnału sterującego. Najczęściej etap ten realizowany jest w sposób wizualny, poprzez wyświetlenie na ekranie. 19.

(20) Interfejsy mózg - komputer. komputera sklasyfikowaną komendę sterującą. Etap ten jest bardzo ważny, ponieważ pokazuje użytkownikowi czy modulowany przez niego sygnał mózgowy jest poprawnie klasyfikowany.. Przetwarzanie sygnału 2. 1. Przetwarzanie wstępne. Akwizycja sygnału. Ekstrakcja cech 3. Interfejs Mózg - Komputer. Klasyfikacja 4. Wyjście sterujące. Fale mózgowe. Sterowanie Sprzężenie zwrotne 5. Rys. 3.1. Schemat systemu BCI. 3.1 Zastosowanie systemów BCI Nadrzędnym celem systemów BCI jest pomoc osobą niepełnosprawnym w komunikacji z otoczeniem. Technologia BCI posiada ogromny potencjał, który może być szeroko wykorzystany, dlatego też zastosowania systemów BCI możemy podzielić na dwie główne kategorie: medyczne oraz niemedyczne. Pierwsza kategoria obejmuje: . Rehabilitację oraz sterowanie sztucznymi protezami. Technologia BCI jest stosowana u pacjentów z umiarkowanymi lub ciężkimi zaburzeniami ruchowymi, gdzie możliwe jest odzyskanie częściowej sprawności ruchowej poprzez systematyczną rehabilitację. Ciekawym rozwiązaniem jest rehabilitacja sparaliżowanej ręki poprzez sterowanie specjalną protezą uprzednio umieszczoną na sparaliżowanej kończynie. Poprzez wyobrażenie ruchu (potencjały ERD/ERS) użytkownik aktywuje protezę, która wykonuje wcześniej zdefiniowane w systemie BCI ćwiczenia np.: zginanie palców [24].. . Komunikację dla osób niepełnosprawnych. Najbardziej korzystnymi urządzeniami dla osób niepełnosprawnych są te, które pozwolą im na odzyskanie mobilności oraz pozwolą na komunikację z otoczeniem. Dlatego też najcenniejszymi. 20.

(21) Interfejsy mózg - komputer. aplikacyjnymi rozwiązaniami systemów BCI są : kontrola wózkiem inwalidzkim [25], sterowanie wirtualną klawiaturą [26] czy poruszanie kursorem myszki [27]. . Monitorowanie stanów psychicznych. Systemy BCI w tym obszarze pozwalają przeprowadzać w czasie rzeczywistym ocenę stanu mentalnego użytkownika a także pozwalają osobą z ADHD zwalczać zaburzenia koncentracji [28].. Pomimo tego, że technologia BCI głównie jest dedykowana dla osób niepełnosprawnych, może być również wykorzystywana przez zdrowe osoby, dlatego niemedyczne zastosowania obejmują: . Gry. W literaturze można spotkać zastosowanie technologii BCI w powszechnie znanych grach komputerowych takich jak: Pacman [29], Tetris [30], World of Warcraft [31] czy Pinball [32].. . Sterowanie wirtualną rzeczywistością. Poruszanie się awatara po wirtualnej rzeczywistości realizowane jest np.: poprzez wyobrażenie ruchu stóp [33].. . Zastosowania militarne. Prowadzone są również badania nad wykorzystaniem systemu BCI do sterowania myśliwcami a także do komunikacji między żołnierzami na polu walki.. 3.2 Potencjały stosowane w systemach BCI Głównym zadaniem systemów BCI jest interpretacja intencji użytkownika poprzez monitorowanie aktywności mózgu. Pomimo tego, że mózg nadal pozostaje najbardziej niezbadanym narządem znajdującym się w organizmie człowieka, to fizjologiczne mechanizmy niektórych potencjałów zostały poznane i zbadane w takim sposób, że można człowieka nauczyć je modulować w ten sposób, że mogą być interpretowane przez systemy BCI. Do tych potencjałów należą: . . P300 (ang. Pluse 300) – najczęściej występowanie potencjału P300 w sygnale EEG związane jest ze zjawiskiem zwanym paradygmatem odmienności (ang. odd - ball paradigma), gdzie oczekiwany bodziec (np.: świetlny) pojawia się rzadko w stosunku do często ukazujących się bodźców tła. Po upływie 250 – 600 ms od momentu pojawienia się oczekiwanego bodźca w zapisie EEG powstaje symetrycznie dodatnia fala. Najbardziej rozpowszechnionym zastosowaniem systemów BCI opartych na detekcji potencjałów P300 są wirtualne klawiatury, umożliwiające użytkownikowi pisanie tekstu [34]. VEP (ang. Visual Evoked Potentials) – wzrokowe potencjały wywołane, które powstają w mózgu pod wpływem stymulacji siatkówki bodźcem świetlnym. VEP najbardziej są widoczne w obszarze kory wzrokowej (elektrody O1 i O2). (Potencjały te zostały dokładniej omówione w podrozdziale 3.5).. 21.

(22) Interfejsy mózg - komputer. . SCP (ang. Slow Cortical Potentials) – wolne potencjały korowe, czyli powolne zmiany w zapisie EEG trwające od 300 ms do kilku sekund. Potencjały SCP charakteryzują się częstotliwościami od 1 do 2 Hz. Głównym zastosowaniem potencjałów SCP jest stymulowanie mózgu na zasadzie sprzężenia zwrotnego (tzw. neurofeedbacku/biofeedbacku) [35].. . ERD/ERS (ang. Event – Related Desynchronization/Synchronization) – potencjały te najczęściej związane są z ruchem lub wyobrażeniem ruchu np.: ręki lub nogi. Potencjały ERD/ERS charakteryzują się zmianą mocy sygnału w określonym paśmie. Wzrost mocy w pewnym przyjętym paśmie (ERS) jest interpretowany jako wzrost synchronizacji aktywności neuronów, zaś spadek mocy (ERD) jako spadek synchronizacji neuronów generujących sygnał EEG. Główną wadą tych potencjałów jest niski stosunek sygnału do szumu (współczynnik SNR) przez co wymagane jest przeprowadzenie wielu powtórzeń doświadczenia w celu uśrednienia wyników [11].. Omawiając potencjały wykorzystywane w systemach BCI należy wspomnieć o ocenie jakości działania tych systemów. Miary jakości mogą być porównywane na wiele sposobów. Najprostszą metodą oceny jest kryterium dokładności klasyfikacji, określana jako liczba zdarzeń poprawnie sklasyfikowanych, podzielona przez całkowitą liczbę przeprowadzonych prób. Często w literaturze zamiast poprawnego współczynnika klasyfikacji, podawany jest błąd klasyfikacji. Innym sposobem oceny jakości jest określenie szybkości działania systemów BCI. Warto również zaznaczyć, że otrzymywane szybkości nie są duże, jednak dla osób niepełnosprawnych możliwość przekazania swoich intencji w porównaniu do czasu jaki jest potrzebny na poprawne sklasyfikowanie komendy ma największe znaczenie. Główną wadą porównywania interfejsów na podstawie szybkości działania jest możliwość porównywania systemów, które wykorzystują te same potencjały oraz mają to samo zastosowanie (np.: wirtualne klawiatury wykorzystujące potencjał P300). Do oceny różnych systemów BCI porównuje się tak zwaną szybkość transferu informacji (ang. Information Transfer Rate, ITR). Współczynnik ten określa ilość informacji przekazanej za pośrednictwem interfejsu w jednostce czasu. Współczynnik ITR (w bitach na symbol, B) dla systemów BCI definiuje się jako [36]:. 1  P  B  log 2 L  P log 2 P  (1  P) log 2   L  1 . (3.1). gdzie L określa ilość zadań myślowych (liczba możliwych wyborów/symboli), zaś P średnią skuteczność. Jeżeli oznaczymy czas dokonania pojedynczego wyboru jako Tk (w minutach), wówczas ITR wyrażamy w bitach na minutę:. 22.

(23) Interfejsy mózg - komputer. ITR . B Tk. (3.2). Na Rys. 3.2 przedstawiono zależność ITR wyrażoną w bitach na symbol (B) od średniej skuteczności klasyfikacji (P). Poniższy wykres ma sens dla wartości P większych od. 1 . L. Rys. 3.2. Zależność współczynnika ITR od średniej skuteczności klasyfikacji i liczby zadań myślowych. Rys. 3.3 przedstawia graficzne porównanie interfejsów w zależności od szybkości transferu informacji (ITR) oraz czasu niezbędnego na naukę obsługi interfejsu. Czas treningu SCP. Tygodnie. ERD/ERS. Godziny. P300 SSVEP. Minuty 5. 20. 30. 60. ITR [bit/min]. Rys. 3.3. Porównanie systemów BCI. Systemy BCI oparte na potencjałach wywołanych (SSVEP, P300) charakteryzują się wyższą wartością współczynnika ITR oraz znacznie krótszym czasem potrzebnym użytkownikowi na opanowanie interfejsu w stosunku do systemów wykorzystujących potencjały związane z wyobrażeniem ruchu (ERD/ERS). Najgorzej w tym zestawieniu wypadają systemy oparte o detekcje wolnych potencjałów korowych (SCP). Systemy te posiadają bardzo niską wartość współczynnika ITR, zaś czas potrzebny na naukę systemu mierzony jest w tygodniach.. 23.

(24) Interfejsy mózg - komputer. 3.3 Klasyfikacja systemów BCI Interfejsy mózg – komputer możemy podzielić ze względu na [11]: . użyty sygnał wejściowy (ang. endogenous),. . sposób przetwarzania danych wejściowych na: synchroniczne (ang. synchronous) i asynchroniczne (ang. asynchronous).. na:. egzogenne. (ang.. exogenous). i. endogenne. Egzogenne systemy BCI wykorzystują aktywność mózgu powstałą w wyniku działania zewnętrznego bodźca np.: wizualnego (potencjały P300 oraz SSVEP) lub słuchowego. Główną zaletą egzogennych systemów jest brak konieczności przeprowadzania treningów. Systemy te charakteryzują się również wysokim współczynnikiem ITR. Endogenne systemy bazują na detekcji wolnych potencjałów korowych (SCP) lub potencjałów związanych z wyobrażeniem ruchu (ERD/ERS), przez co nie wymagają działania zewnętrznych bodźców. Interfejsy endogenne wymagają przeprowadzenia sesji treningowych, podczas których użytkownik uczy się generować określone wzorce w mózgu. Systemy tego typu są szczególnie dedykowane osobą w zaawansowanym stadium ALS oraz osobą, u których stwierdzono nieprawidłowe działanie narządów sensorycznych. W Tab. 3.1 przedstawiono główne wady i zalety egzogennych oraz endogennych systemów BCI. Tab. 3.1. Porównanie egzogennych i endogennych systemów BCI Rodzaj systemu BCI. Potencjały  P300  SSVEP. Egzogenny.  SCP  ERD/ERS Endogenny. Zalety. Wady.  brak konieczności przeprowadzania treningu;  wysoka szybkość transmisji danych (wysoki współczynnik ITR);  duża ilość możliwych do wykonania poleceń;  ograniczenie ilości potrzebnych elektrod EEG do dwóch;  niezależne od bodźców zewnętrznych;  odpowiednie do sterowania kursorem aplikacji;  dedykowane osobą, u których zdiagnozowano patologie narządów sensorycznych;.  konieczność skupienia uwagi na bodźcu zewnętrznym;  możliwość wywołania uczucia zmęczenia;.  konieczność przeprowadzania treningów, które trwają tygodnie a nawet miesiące;  konieczność zastosowania wielu elektrod EEG;  niska szybkość transmisji danych (niski współczynnik ITR);  mała ilość możliwych do wykonania poleceń;. Synchroniczne interfejsy analizują sygnał w określonych przedziałach czasu, w których występuje oczekiwana aktywność mózgu. Najczęściej systemy synchroniczne wykrywają w sygnale EEG potencjały wywołane, które pojawiają się w mózgu podczas działania bodźców zewnętrznych (światło, dźwięk). 24.

(25) Interfejsy mózg - komputer. Asynchroniczne systemy BCI, w przeciwieństwie do synchronicznych, wymagają ciągłej analizy sygnału EEG. Systemy te oferują bardziej naturalny tryb interakcji człowieka z maszyną niż systemy synchroniczne oraz są dedykowane dla systemów wykorzystujących potencjały SCP lub ERD/ERS. Tab. 3.2 przedstawia porównanie synchronicznych oraz asynchronicznych systemów BCI. Tab. 3.2. Porównanie synchronicznych i asynchronicznych systemów BCI Rodzaj systemu BCI. Zalety. Wady. Synchroniczne.  możliwość zastosowania łatwych metod analizy sygnałów;  łatwo ocenić jakość działania systemu;  analiza sygnały w określonych przedziałach czasu powoduje, że użytkownicy mogą ograniczyć tworzenie artefaktów (np.: mruganie).  konieczność skupienia uwagi użytkownika w odpowiednich chwilach czasu;  mniej naturalny tryb interakcji człowieka z maszyną;. Asynchroniczne.  niezależny od bodźców zewnętrznych;  zapewni bardziej naturalny tryb interakcji człowiek z maszyną;.  wymaga bardzo skomplikowanych metod analizy sygnału  trudno ocenić jakość działania systemu;. 3.4 Wzrokowe potencjały wywołane Wzrokowe potencjały wywołane powstają w ośrodkowym układzie nerwowym pod wpływem określonej stymulacji siatkówki. Bodźcami stymulującymi są zmiany w polu widzenia wynikające z intensywności, koloru lub wzorca bodźca świetlnego. Pierwsze informacje na temat potencjałów VEP pochodzą z 1934 roku. W roku tym Adrian i Matthews [37] opublikowali pracę, w której m. in. opisali potencjały będące odpowiedzią mózgu na działanie bodźca wizualnego. Głównym zastosowaniem VEP w medycynie jest ocena wzroku pacjenta. Potencjały te mają również duże znaczenie w diagnostyce chorób ośrodkowego układu nerwowego (np.: w diagnostyce stwardnienia rozsianego) oraz podczas diagnozowania niektórych retinopatii. Ze względu na sposób modulacji bodźca świetlnego stosowanego, potencjały VEP możemy podzielić na trzy kategorie [11]: . modulacja czasu VEP (t-VEP);. . modulacja częstotliwości VEP (f-VEP);. . modulacja pseudolosowa VEP (c-VEP).. W zależności od wartości częstotliwości bodźca wzrokowego wyróżniane są dwa rodzaje f-VEP: . przemijające wzrokowe potencjały wywołane (ang. transient Visual Evoked Potentials ,tVEP), które występują do 6 Hz; 25.

(26) Interfejsy mózg - komputer. . wzrokowe potencjały wywołane stanu ustalonego (ang. Steady - State Visual Evoked Potentials, SSVEP), które powstają w mózgu dla częstotliwości stymulacji powyżej 6 Hz [11].. 3.5 Zamiana energii światła na sygnał elektryczny Najważniejszym zmysłem dla człowieka jest wzrok, który odgrywa bardzo ważną rolę w postrzeganiu zewnętrznego świata. Oko jest skomplikowanym narządem światłoczułym, którego zadaniem jest zamiana energii światła na sygnał elektryczny w procesie fototransdukcji. Padające na oko światło (Rys. 3.4) przechodzi przez rogówkę, a następnie przez źrenicę docierając do tylnej ściany gałki ocznej - siatkówki. Średnica otworu źrenicy jest kontrolowana przez tęczówkę, czyli miesień barwnej części przedniej ściany gałki ocznej. Naczyniówka. Siatkówka Tęczówka Nerw wzrokowy. Źrenica. Do wzgórza. Rogówka (przejrzysta) Twardówka (nieprzejrzysta). Rys. 3.4. Schemat budowy oka. Częścią neuronalną oka jest siatkówka, w której dochodzi do zmiany energii światła na sygnał elektryczny. Proces fototransdukcji zachodzi w wyspecjalizowanych światłoczułych neuronach nazywanych fotoreceptorami. Fotoreceptory zlokalizowane są w tylnej części siatkówki, tym samym światło musi przejść przez wszystkie warstwy siatkówki, zanim dotrze do fotoreceptorów. Wyróżniamy dwa rodzaje fotoreceptorów: pręciki, umożliwiające widzenie przy słabym oświetleniu (widzenie skotopowe) oraz czopki – widzenie przy dziennym oświetleniu (widzenie fotopowe). Każdy fotoreceptor składa się z odcinka zewnętrznego, który połączony jest za pomocą rzęski łączącej z odcinkiem wewnętrznym oraz zakończeniem synaptycznym [17].. 26.

(27) Interfejsy mózg - komputer. Elektromagnetyczna energia światła zamieniana jest na sygnał elektryczny w odcinku zewnętrznym, który zawiera duże stężenie cząsteczek barwnika wzrokowego odpowiedzialnego za absorpcję fotonów światła. W oku ludzkim wyróżniamy cztery typy fotoreceptorów (trzy typy czopków i jeden typ pręcików) oraz cztery typy barwnika wzrokowego. Barwniki wzrokowe absorbują światło w widzialnym zakresie spektrum elektromagnetycznego, w zakresie długości fali 400 – 700 nm. Warto jednak wspomnieć, że każdy typ barwnika ma swoją największą wrażliwość dla określonej długości fali [17]. Potencjał spoczynkowy błony plazmatycznej fotoreceptorów w ciemności wynosi około -40 mV. Światło wywołuje hyperpolaryzację, czyli zwiększenie potencjału receptora w stopniu zależnym od intensywności światła. Hyperpolaryzacja spowodowana jest zamknięciem kanałów kationowych, bramkowanych cyklicznym nukleotydem. Proces transdukcja w komórkach pręcików rozpoczyna się w chwili zaabsorbowania fotonów przez prostetyczną grupę rodopsyny, czyli retinal, który ulega fotoizimeryzacji do formy trans. Podczas procesu fotoizomeracji, który trwa kilka pikosekund, dochodzi do absorpcji fotonu oraz wzbudzeniu rodopsyny, która łączy się z białkiem G, zwanym również transducyną. W kolejnym etapie transducyna aktywuje fosfodiesterazę (PDE), enzym, który hydrolizuje cykliczny GMP (cGMP) do GMP, zmniejszając tym samym stężenie cGMP. Zmniejszenie stężenia powoduje zamknięcie kanałów bramkowanych cyklicznym nukleotydem. W ciemności, gdy mamy wysokie stężenie cGMP, kanały są otwarte, zaś błona komórkowa fotoreceptorów ulega depolaryzacji. W obecności światła stężenie cGMP jest niskie, co powoduje zamknięcie kanałów w wyniku czego potencjał błonowy fotoreceptorów jest bardziej ujemny. Warto również nadmienić, że pojedynczy foton aktywuje około 500 cząsteczek transducyny, zamyka setki kanałów kationowych, przez co jest blokowany przepływ 106 jonów Na+, co w efekcie powoduje hyperpolaryzację rzędu 1 mV [38]. Fotoreceptory tworzą połączenia synaptyczne z komórkami poziomymi oraz dwubiegunowymi. W ciemnościach dochodzi do zwiększenia uwalniania glutaminianu i depolaryzacji komórek poziomych. Uwalnianie glutaminianu spada pod wpływem światła, co powoduje hyperpolaryzację komórek poziomych. Komórki poziome są ze sobą połączone za pomocą wstawek, dlatego powstająca hyperpolaryzacja roznosi się na sąsiadujące komórki nawet wtedy gdy z nim fotoreceptory nie są oświetlane. Ponieważ komórki dwubiegunowe, tak samo jak komórki poziome, połączone są za pomocą synaps z fotoreceptorami, to padające na fotoreceptory światło będzie również zmieniać ich potencjał błonowy. Ze względu na zmianę potencjału komórki dwubiegunowe dzielimy na komórki: wyłączeniowe (hiperpolaryzujące komórki dwubiegunowe) oraz włączeniowe (depolaryzujące komórki dwubiegunowe) (Rys. 3.5) [17]. Komórki wyłączeniowe odpowiadają na światło w ten sam sposób co komórki poziome, czyli podczas ciemności zakończenia synaptyczne fotoreceptorów uwalniają więcej glutaminy. 27.

(28) Interfejsy mózg - komputer. i dochodzi do depolaryzacji błony komórkowej. Komórki dwubiegunowe typu włączeniowego reagują w sposób przeciwny, tj. depolaryzacja błony komórkowej następuje pod wpływem padającego światła. Taki przeciwny typ odpowiedzi komórek dwubiegunowy spowodowany jest tym, że komórki te posiadają różne receptory dla glutaminianu. Pola recepcyjne komórek dwubiegunowych mają organizację koncentryczną. W przypadku komórek typu włączeniowego środek pola pod wpływem światła ulega depolaryzacji, zaś otoczka hiperpolaryzacji. Środek pola recepcyjnego dla komórek typu wyłączeniowego jest hiperpolaryzowany, a otoczka depolaryzowana [17].. Światło. Światło. Fotoreceptory. Fotoreceptory Komórki dwubiegunowe typu „wyłączeniowego”. Komórki dwubiegunowe typu „włączeniowego” Światło. Ciemność. Światło Ciemność. Ciemność. 0. 0. Em -50 (mV). Em -50 (mV). -100. Ciemność. -100. Czas. Czas. Rys. 3.5. Odpowiedź na światło komórek dwubiegunowych (zmodyfikowane z [17]). Sygnał z komórek dwubiegunowych przekazywany jest następnie do komórek amakrynowych i zwojowych. Komórki amakrynowe są zaangażowane w proces przekazywania sygnału przez pręciki oraz uczestniczą w hamowaniu pobocznym. Biorą również udział w detekcji kierunku ruchu obiektu znajdującego się w polu widzenia. Komórki zwojowe stanowią wyjście informacji z siatkówki, zaś ich aksony tworzą nerw wzrokowy. Sygnały elektryczne w komórkach zwojowych są transmitowane w postaci potencjałów czynnościowych, które są przekazywane do mózgu za pomocą nerwu wzrokowego [17]. Wyróżnia się dwa rodzaje komórek zwojowych: komórki zwojowe P oraz komórki zwojowe M. Pierwszy typ komórek charakteryzuje się tym, że wolno przewodzi potencjały czynnościowe oraz otrzymują wejście tylko z jednego rodzaju czopków. Są one zaangażowane w analizę kształtu i koloru oraz są wrażliwe na określoną długość fali światła. Komórki zwojowe M, w odróżnieniu od komórek zwojowych P, szybko przewodzą potencjały czynnościowe oraz otrzymują wejście zarówno z czopków wrażliwych na średnią długość fali światła, jak i z czopków wrażliwych na długie fale. Komórki zwojowe M mają zdolność wykrywania ruchu oraz kontrastu jasności [38].. 28.

(29) Interfejsy mózg - komputer. 3.5.1 Drogi wzrokowe Aksony komórek zwojowych tworzą nerwy wzrokowe, które krzyżują się u podstaw mózgu. Miejsce skrzyżowania nerwów wzrokowych nazywa się skrzyżowaniem wzrokowym. W miejscu tym aksony wychodzące z komórek zwojowych części nosowej każdej z siatkówki przechodzą na przeciwną stronę mózgu, zaś aksony wychodzące z komórek wzrokowych skroniowej części pozostają po tej samej stronie mózgu. Takie rozmieszczenie nerwów wzrokowych sprawia, że lew połowa pola widzenia jest reprezentowana w prawej półkuli mózgu, zaś prawa połowa pola widzenia w lewej półkuli mózgu (Rys. 3.6). Zakończenie synaptyczne aksonów komórek zwojowych (komórek zwojowych P oraz komórek zwojowych M) jest zlokalizowana w jądrach ciała kolanowego bocznego (LGN) wzgórza. W miejscu tym następuje wzmocnienie informacji o kontraście oraz porządkowanie informacji o kolorze, formie oraz ruchu [17]. Lewe pole widzenia. Prawe pole widzenia. Nerwy wzrokowe Skrzyżowanie wzrokowe Drogi wzrokowe. Ciało kolankowate boczne (LGN). Pierwotna kora wzrokowa. Rys. 3.6. Schemat dróg wzrokowych. W kolejnym etapie informacje przekazywane są do pierwotnej kory wzrokowej, która nazywana jest polem V1 lub korą prążkowaną. Pole V1 składa się z sześciu warstw, w których znajdują się neurony wrażliwe na prążki oraz światło o określonej długości fali, dlatego też w tym miejscu dochodzi do równoległej analizy różnych cech bodźca wzrokowego (orientacja przestrzenna, kierunek ruchu, kolor) [17]. Wejście informacji pochodzących z LGN zlokalizowane jest w czwartej warstwie (podwarstwa C czwartej warstwy - 4C) pola V1 (Rys. 3.7). Obszar ten podzielony jest na dwie warstwy: 4Cα gdzie znajduje się zakończenie komórek zwojowych M oraz 4Cβ gdzie zlokalizowane jest zakończenie komórek zwojowych P [39]. Informacje z pola V1 trafiają do pól wyższego rzędu gdzie podlegają dalszemu przetwarzaniu. W polu V2 neurony podzielone są na określone grupy, które analizują kształt, 29.

(30) Interfejsy mózg - komputer. kolor oraz ruch obiektów znajdujących się w polu widzenia. Następnie informacje za pośrednictwem aksonów przekazywane są do kolejnych struktur (pola V3, V4 oraz V5) zlokalizowanych w przednich częściach płata potylicznego i tylnich płata skroniowego kory mózgowej. Pole V3 odpowiedzialne jest za analizę otrzymanych informacji pod kątem kształtu obiektu, pole V4 rozpoznaje barwy, zaś pole V5 specjalizuje się w rozpoznawaniu ruchu i kierunku obiektów. Zniszczenie okolicy pola V4 powoduje utratę zdolności do widzenia barwnego, zaś zniszczenie okolic pola V5 skutkuje utratą widzenia obiektów w ruchu [38], [17].. 4. ?. 5. V le. V le. po. po. Komórki zwojowe siatkówki eV pol. Komórki zwojowe P. 2. a h or ruc form kol a m for r h ma kolo ruc for ma for. LGN Komórki zwojowe M 1 2i3 4A 4B.   4C  5 6. skóra. pole V1. Elektroda EEG. Rys. 3.7. Diagram przedstawiający etapy przetwarzania informacji wizualnych w drogach wzrokowych (zmodyfikowane z [40]). Wszystkie wizualne informacje takie jak np.: kolor, kierunek ruchu, kontrast przetwarzane są równolegle w drogach wzrokowych. Na Rys. 3.8 schematycznie przedstawiono etapy powstawania sygnału EEG zawierającego wizualne informacje. W schemacie tym czaszka została przedstawiona jako filtr dolnoprzepustowy (ang. Low - Pass Filter, LPF) [41], zaś spontaniczna aktywność neuronów reprezentuje sygnał ζ(t). Mierzony za pomocą rozmieszczonych na czaszce elektrod sygnał EEG został oznaczony jako sygnał xm(t) dla m-tej elektrody.. Kolor. Komórki zwojowe siatkówki. Ciało kolankowe boczne (LGN). Pole V1. Komórki zwojowe P. Warstwa komórek zwojowych P. Warstwa 4Cα. Komórki zwojowe M. Warstwa komórek zwojowych M. Czaszka (LPF). +. xm (t). + Kontrast. Warstwa 4Cβ. +. +. ζ(t). Rys. 3.8. Schemat blokowy przedstawiający etapy powstawania sygnału EEG zawierającego wizualne informacje. 30.

(31) Interfejsy mózg - komputer. 3.6 Wzrokowe potencjały wywołane stanu ustalonego Pierwsza literaturowa wzmianka na temat wzrokowych potencjałów wywołanych pojawiła się w 1966 [42] roku, w którym to Regan zaprezentował wyniki eksperymentu z wykorzystaniem sinusoidalnie modulowanego światła monochromatycznego. Zauważył on, że pod wpływem światła powstają w mózgu potencjały, które mogą być wyodrębnione poprzez uśrednienie wielu prób. Wzrokowe potencjały wywołane stanu ustalonego SSVEP, jak już wcześniej zostało wspomniane, powstają w ośrodkowym układzie nerwowym pod wpływem stymulacji siatkówki oka bodźcem świetlnym o częstotliwości powyżej 6 Hz [11]. W trakcie oddziaływania na siatkówkę bodźcem świetlnym mózg generuje aktywność elektryczną o takiej samej częstotliwości (lub jej krotnościach) jak częstotliwość bodźca świetlnego. Częstotliwość bodźca świetlnego w dalszej części pracy określana będzie jako częstotliwość podstawowa fp. Krotności częstotliwości podstawowej określa wzór: f kh  h  f p. (3.3). gdzie h – krotność (h∊N+). Na Rys. 3.9 przedstawiono widmo amplitudowe wyznaczone z sygnału EEG zarejestrowanego w trakcie własnych eksperymentów, w których to oddziaływano na siatkówkę oka bodźcem świetlnym o częstotliwości fp = 8.5 Hz. Na wykresie zauważamy, że wartości amplitudy częstotliwości podstawowej fp oraz jej drugiej (fk2) i trzeciej (fk3) krotności przewyższają wartości pozostałych składowych częstotliwościowych.. Widmo amplitudowe [V]. 2 fp= 8.5 Hz. 1.5. fk2= 17 Hz. 1. fk3= 25.5 Hz 0.5. 0 0. 5. 10. 15 20 Częstotliwość [Hz]. 25. 30. 35. Rys. 3.9 Widmo amplitudowe wyznaczone z sygnału EEG – stymulacja siatkówki bodźcem świetlnym o częstotliwości fp = 8.5 Hz (fs = 1024 Hz, N = 4096). Najsilniejsze potencjały SSVEP występują w okolicy potylicznej (Rys. 3.10), gdzie zlokalizowana jest kora wzrokowa. Inne obszary mózgu są również aktywowane, jednak w mniejszym stopniu. Zaletą rejestracji SSVEP z obszaru potylicznego jest fakt, że sygnał EEG rejestrowany z tego obszaru jest najmniej narażony na występowanie artefaktów związanych m. in.: z ruchem gałek ocznych lub sygnałem EMG. 31.

(32) Interfejsy mózg - komputer 17 Hz. 8.5 Hz. 25.5 Hz. 0.9 0.8 0.7 0.6 0.5 0.4 0.3. Znormalizowana Amplituda. 1. 0.2. Rys. 3.10. Mapy topograficzne rozkładu znormalizowanej amplitudy dla fp = 8.5 Hz oraz jej drugiej i trzeciej krotności, wyznaczone z sygnałów EEG zarejestrowanych podczas własnych eksperymentów. Regan na podstawie serii badań SSVEP wyodrębnił trzy pasma częstotliwościowe bodźców świetlnych: . niskich częstotliwości (od 6 do 12 Hz);. . średnich częstotliwości (od 12 do 25 Hz);. . wysokich częstotliwości (od 25 do 50 Hz).. Zastosowanie niskich częstotliwości bodźca świetlnego powoduje powstanie potencjałów SSVE o dużych amplitudach, łatwych do analizy. Główną wadą tego pasma jest szybkie wywoływanie u użytkownika zmęczenia oraz duży dyskomfort. Kolejną wadą jest pokrycie się pasma niskich częstotliwości z pasmem częstotliwości fal alfa, co może prowadzić do błędnej klasyfikacji intencji użytkownika. Wykorzystanie pasma średnich częstotliwości wiąże się z ryzykiem wywołania u użytkownika padaczki fotogennej, która bliżej została przedstawiona w podrozdziale 3.7. Główną zaletą zastosowania pasma wysokich częstotliwości jest otrzymanie sygnału EEG wolnego od spontanicznej aktywności neuronów. Pasmo to również poprawia komfort użytkownika. Wadą tego pasma jest otrzymywanie SSVEP o małej amplitudzie, co wymusza zastosowanie bardziej rozbudowanych metod analizy sygnałów – klasyczne spektralne metody analizy mogą być niewystarczające [43].. 32.

(33) Interfejsy mózg - komputer. Warto wspomnieć, że powstające w sygnale EEG SSVEP związane są również z cechami osobniczymi badanych osób. Wspominając o cechach osobniczych mamy na myśli fakt, że każda osoba jest inaczej uwarunkowana fizjologicznie a co za tym idzie, moc odpowiedzi SSVEP dla różnych osób wywołane tym samym bodźcem świetlnym będzie różna.. 3.7 Padaczka fotogenna Padaczka fotogenna jest szczególnym rodzajem padaczki (epilepsji), której czynnikami wywołującym napady są szybkozmienne bodźce wizualne. Nadwrażliwość na światło, która uaktywnia się podczas działania szybkozmiennego światła lub wzoru na siatkówkę, powoduje nieprawidłową odpowiedź mózgu. Problem ten dotyczy 3 % populacji. Padaczka fotogenna najczęściej uaktywnia się dla szybkozmiennych bodźców świetlnych mrugających z częstotliwością od 9 do 18 Hz. Istnieją czynniki, które mogą powodować wystąpienie napadu padaczkowego, nawet u osoby zdrowej. Do takich czynników należą m. in.: szybkie zmiany kolorów, wzory geometryczne oraz jasne migotanie z gwałtowną zmianą luminancji. Najsłynniejszym przypadkiem wywołania padaczki fotogennej, było wyemitowanie przez Japońską telewizję (grudzień 1997 roku) czterosekundowej sekwencji kreskówki Pokemon [44]. Duże pola, które pojawiły się w kreskówce, zmieniające kolory z czerwonego na niebieski z częstotliwością 12 Hz wywołały u 685 osób (głownie u dzieci) napady padaczkowe. Napady pojawiły się zarówno u osób zdrowych jak i u osób chorujących na padaczkę fotogenną, ale u których nigdy wcześniej nie wystąpiły napady padaczkowe. Tylko u 24 % hospitalizowanych osób wystąpiły wcześniej napady [45]. Kolejnym znanym przykładem wycofanym z telewizji ze względu na możliwość wywołania padaczki fotogennej jest animowane logo londyńskiej Olimpiady 2012 oraz reklama Citroena DS4. Aby zapobiec ponownemu wywołaniu napadów padaczki fotogennej wprowadzono wytyczne co do wizualnych treści wyświetlanych publicznie. Wytyczne te dotyczą m. in.: częstotliwości, rozmiaru oraz barwy obrazów. W wytycznych tych mowa jest m. in. o tym, że najbardziej epileptogenne są: czerwono-niebieskie kombinacje kolorów, elementy zajmujące powyżej 25 % obszaru wyświetlania ekranu oraz gdy ekran znajduje się bliżej niż trzy-, cztero- krotna jego przekątna [45], [46]. Innym środkiem zmniejszającym ryzyko wystąpienia napadów jest filtrowanie informacji wizualnych poprzez użycie polaryzacyjnych okularów.. 33.

(34) Analiza sygnału EEG zawierającego SSVEP. 4 Analiza sygnału EEG zawierającego SSVEP Do analizy sygnału EEG zawierającego SSVEP wykorzystuje się metody przetwarzania sygnałów w dziedzinie częstotliwości lub czasu. W celu zbadania wpływu oddziaływania bodźcem świetlnym o różnych parametrach (tj.: rodzaj urządzenia emitującego światło, kolor, wyświetlane wzory) na powstające w mózgu SSVEP zdecydowanie lepszymi metodami przetwarzania sygnałów są metody w dziedzinie częstotliwości. Po dokonaniu rejestracji sygnał EEG poddawany jest procesowi filtracji. Zadaniem filtracji jest wyeliminowanie artefaktów znajdujących się w sygnale. Następnie, w zależności od założeń, sygnał jest analizowany przy pomocy szybkiej transformaty Fouriera. Wyznaczana jest również gęstość widmowa mocy PSD oraz współczynnik SNR. Ostatecznie w celu wskazania bodźca świetlnego o najlepszych parametrach, wyznaczone współczynniki SNR poddawane są analizie statystycznej. Użycie najlepszego bodźca świetlnego w systemie BCI zwiększa dokładność klasyfikacji intencji użytkownika.. 4.1 Filtracja częstotliwościowa Filtry cyfrowe wykorzystywane podczas przetwarzania sygnału EEG to zarówno filtry o skończonej odpowiedzi impulsowej (FIR) jak i o nieskończonej odpowiedzi impulsowej (IIR). Podstawowym zakłóceniem, które pojawia się w sygnale EEG jest zakłócenie pochodzące od sieci elektrycznej. Na Rys. 4.1a przedstawiono 4 sekundowy zapis sygnału EEG zawierający zakłócenie o częstotliwości napięcia sieci elektrycznej 50 Hz. Składowa sygnału o częstotliwości napięcia w sieci elektrycznej charakteryzuje się większą amplitudą w stosunku do amplitud pozostałych składowych sygnału (Rys. 4.1b). a). 30. Sygnał EEG [V]. 20 10 0 -10 -20 -30 0. 0.5. 1. 1.5. 34. 2 Czas [s]. 2.5. 3. 3.5. 4.

(35) Analiza sygnału EEG zawierającego SSVEP b). 2. Widmo amplitudowe [V]. spontaniczna aktywność neuronów 1.5 f50. fp. fk3. 1 fk2. fk4. 0.5. 0 0. 10. 20. 30 40 Częstotliwość [Hz]. 50. 60. Rys. 4.1. Sygnał EEG zawierający SSVEP oraz zakłócenia związane z wpływem sieci elektrycznej: a) 4 sekundowy przebieg czasowy, b) widmo amplitudowe z widoczną częstotliwością podstawową oraz jej krotnościami a także częstotliwością napięcia sieci elektrycznej 50 Hz (częstotliwość próbkowania fs = 1024 Hz, liczba próbek N = 4096). W celu usunięcia z sygnału EEG zakłóceń związanych z siecią elektryczną został zastosowany cyfrowy filtr IIR pasmowozaporowy (w paśmie 49 – 51 Hz) Butterwortha II rzędu. Szablon projektowy oraz charakterystyki wykorzystanego filtru zostały przedstawione na Rys. 4.2. a) |H(f)|. | Fc1. 0. | Fc2. Fs/2. f (Hz). 0. 1.6251. -5. 1.2531. -10. 0.881. -15. 0.5089. -20. 0.1368. -25. -0.2352. -30. -0.6073. -35. -0.9794. -40. -1.3515. 0. 50. 100. 150. 200. 250. 300. 350. 400. 450. Faza (radian). Wzmocnienie (dB). b). 500. Częstotliwość (Hz). Rys. 4.2. Filtr IIR Butterwortha II rzędu: a) szablon użyty do zaprojektowania filtru (Fs=1024 Hz, Fc1=49 Hz, Fc2=51 Hz), b) charakterystyka amplitudowo – częstotliwościowa (kolor niebieski) i fazowo – częstotliwościowa (kolor zielony) wykorzystanego filtru. 35.

(36) Analiza sygnału EEG zawierającego SSVEP. Kolejnym zakłóceniem występującym w sygnale EEG jest spontaniczna aktywność neuronów, która występuje dla pasma częstotliwości 0.5 – 5 Hz (Rys. 4.1). Jak zostało wspomniane w rozdziale 2.2 sygnał EEG charakteryzuje się zakresem częstotliwości do 100 Hz, dlatego też w kolejnym kroku wykonano filtrację filtrem pasmowo przepustowym 5 – 100 Hz (wykorzystano filtr IIR typu Butterwortha XX rzędu). Szablon projektowy oraz charakterystyki wykorzystanego filtra IIR zostały przedstawione na Rys. 4.3. a). |H(f)|. | Fc1. 0. | Fc2. Fs/2. f (Hz). b) 7.428. -20. 5.5861. -40. 3.7441. -60. 1.9022. -80. 0.0602. -100. -1.7817. -120. -3.6237. -140. -5.4656. -160. -7.3075. 0. 50. 100. 150. 200. 250. 300. 350. 400. 450. Faza (radian). Wzmocnienie (dB). 0. 500. Częstotliwość (Hz). Rys. 4.3. Filtr IIR Butterwortha XX rzędu: a) szablon użyty do zaprojektowania filtru (Fs = 1024 Hz, Fc1 = 5 Hz, Fc2 = 100 Hz), b) charakterystyka amplitudowo – częstotliwościowa (kolor niebieski) i fazowo – częstotliwościowa (kolor zielony) wykorzystanego filtru. Po zastosowaniu wyżej opisanych filtrów typu IIR, przebieg czasowy sygnału stał się czytelniejszy (Rys. 4.4), zaś w widmie amplitudowym obserwujemy wytłumienie składowych sygnału o częstotliwości 50 Hz oraz częstotliwości poniżej 5 Hz jak i powyżej 100 Hz.. 36.