20522

۲۰۵۲۲

رمزگشايي پارامترهاي حركت راه رفتن از سيگنال‌هاي قشر حركتي موش صحرايي

كارشناسي ارشد

مهندسي پزشكي - بيوالكتريك

۱۳۹۴-۱۳۹۷

1397/10/15

دكتر وحيد شالچيان

برق

سالانه تعداد زيادي از افراد به دلايل مختلف از جمله آسيبهاي نخاعي توانايي راه رفتن خود را از دست ميدهند. يكي از راههاي كمك به اين افراد استفاده از سيستمهاي واسط مغز-كامپيوتر است كه ميتوان با استفاده از آن در فرايندهاي بازتواني به اين افراد كمك كرد يا با استفاده از اين سيستمها پروتزهاي عصبي را كنترل كرد. براي نيل به اين هدف در مرحله اول بايد اطلاعات وابسته به حركت از سيگنالهاي الكتريكي مغزي استخراج شده و در مرحله بعد اين اطلاعات به فرمانهاي حركتي ترجمه شوند. بدين منظور در اين پژوهش به تخمين پارامترهاي حركتي راه رفتن موش صحرايي با استفاده از سيگنالهاي قشر حركتي مغز پرداخته شد. در اين پژوهش از پتانسيلهاي ميدان محلي استفاده شد زيرا در مقايسه با اسپايك نوروني در طول زمان پايدارتر بوده و براي استفاده طولاني مدت مناسبتر هستند. ابتدا به موشهاي صحرايي آموزش داده شد كه روي تردميل با سرعتهاي مختلف و همچنين در شيبهاي مختلف بدوند. سپس در قشر حركتي اوليه آنها آرايههاي ميكرووايري كاشته شد و پس از طي دوره بهبود بعد از عمل جراحي، به ثبت سيگنالهاي الكتريكي قشر حركتي در حين راه رفتن پرداخته شد. در جلسات ثبت، همزمان با ثبت سيگنالهاي مغزي، با استفاده از دوربين موقعيت مفاصل لگن، زانو، قوزك پا و مفصل متاتارسوفالانژيال نيز ثبت ميشد. در پايان با پردازش سيگنالهاي ثبت شده ويژگيهاي مختلفي از سيگنالهاي مغزي استخراج شد و با استفاده از روش رگرسيون حداقل مربعات جزئي به تخمين پارامترهاي حركتي نظير موقعيت مفاصل، زواياي مفاصل و سرعت حركت مفاصل در حين راه رفتن در سرعتها و شيبهاي مختلف پرداخته شد. بهترين نتايج با استفاده از ويژگيهاي توان و فاز باندهاي فركانسي مختلف به دست آمد كه به عنوان مثال، ضريب همبستگي مقادير تخمين زده شده و مقادير اندازه گيري شده در پارامترهاي موقعيت افقي قوزك پا، موقعيت عمودي قوزك پا و زاويه آن به ترتيب برابر 15 / 0 ± 48 / 0 ، 15 / 0 ± 4 / 0 و 14 / 0 ± 43 / 0 شد.

1398/02/30

Decoding Kinematic Parameters of Rat Locomotion from Motor Cortex Signals

1/5/2020 12:00:00 AM

A lot of people lose their ability to walk every year for different reasons such as spinal cord injury. Using Brain-Computer Interfaces (BCI) is a way to help these people with by using it in either their rehabilitation processes or in controlling neuroprostheses. In order to reach this goal, in the first step, the movement information must be extracted from brain electrical signals, and in the next step, this information must be translated into motion commands. This study is focused on estimating the rat locomotion kinematic parameters using the primary motor cortex (M1) signals. In this study, Local Field Potentials were used because they are more stable over time than neuron spikes and are more suitable for long-term use. First rats were trained to walk smoothly on a treadmill at different speeds and with different slopes. Then micro-wire arrays were implanted in the hindlimb area of their primary motor cortex and after recovery electrical signals of M1 was recorded during walking on the treadmill. In recording sessions, the position of hip, knee, ankle and metatarsal-phalangeal joint was recorded simultaneously with brain signals. Finally, different types of features were extracted from the signals and by using Partial Least Squares Regression kinematic parameters such as position, velocity, and angle of joints, while running, were estimated. The best results were obtained using the power and phase of frequency bands as features. For example, the correlation coefficient of the estimated and measured value in horizontal and vertical position of ankle and its angle are 0.48 ± 0.15, 0.4 ± 0.15 and 0.43 ± 0.14 respectively.