Decodificación de la velocidad variable de los movimientos de paso de los miembros inferiores a partir de EEG

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Tecnología de rehabilitación

Sus antecedentes:

• La decodificación precisa del movimiento de las extremidades inferiores mediante electroencefalografía (EEG) es fundamental para el desarrollo de exoesqueletos controlados por la interfaz cerebro-computadora (BCI).
• Los métodos existentes requieren un mayor refinamiento para aplicaciones de neurorrehabilitación en el mundo real.

Objetivo del estudio:

• Investigar y comparar la eficacia de la regresión lineal (LR) y un marco de aprendizaje profundo (DL) (CNN-LSTM) para decodificar el movimiento tridimensional de las extremidades inferiores a partir del EEG durante el paso por encima del suelo.
• Analizar los patrones de actividad cerebral, incluida la conectividad funcional, asociados con diferentes condiciones de paso.

Principales métodos:

• Se utilizaron datos de EEG de 9 participantes sanos que realizaban tareas de paso a paso y a su propio ritmo.
• Aplicó tanto la regresión lineal (LR) como un modelo de aprendizaje profundo de la memoria a corto plazo de la red neuronal convolucional (CNN-LSTM) para decodificar la velocidad 3D en los marcadores fibulares.
• Análisis de conectividad topográfica y funcional en diferentes bandas de frecuencia.

Principales resultados:

• El modelo DL (CNN-LSTM) superó significativamente a LR, logrando la mayor precisión de decodificación (DA) para el paso hacia adelante y hacia atrás (R = 0,63 ± 0,06).
• La actividad de la corteza sensoriomotora (8-40 Hz) fue dominante, con contribuciones frontales adicionales en condiciones de doble cola.
• La conectividad funcional estadísticamente significativa (p < 0,05) se observó solo en el grupo de doble señal (G2), que incluía múltiples regiones corticales a través de las bandas delta, theta, alfa / mu y baja beta.

Conclusiones:

• La decodificación 3D basada en EEG de la cinemática de las extremidades inferiores durante la locomoción realista es factible.
• Los patrones de sincronización cortical difieren según el contexto del movimiento y la carga cognitiva.
• El marco desarrollado CNN-LSTM es prometedor para avanzar en el control adaptativo del exoesqueleto impulsado por la intención en la neurorehabilitación.