Estimation of lower-limb joint torques from EEG signals of gait initiation movements using a machine learning scheme

Alvarado Ruiz, Lucero Esmeralda (2019) Estimation of lower-limb joint torques from EEG signals of gait initiation movements using a machine learning scheme. Maestría thesis, Universidad Autónoma de Nuevo León.

Vista previa

Texto 1080288738.pdf - Versión Aceptada Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (16MB) | Vista previa

Resumen

La capacidad de realizar tareas cotidianas juega un papel fundamental en la forma en que las personas se perciben a sí mismas como miembros aportadores a la sociedad. Esta percepción puede cambiar drásticamente cuando se producen pérdidas de funciones en el cuerpo, sobre todo si ´estas implican la perdida de una extremidad, lo que es particularmente preocupante si tomamos en cuenta que la perdida de movilidad en las extremidades inferiores es una de las discapacidades más comunes. Las interfaces cerebro computadora, Brain-Computer Interfaces (BCIs), surgen como un intento de devolver a las personas con discapacidad la movilidad que alguna vez tuvieron. Uno de sus objetivos es la estimación de manera precisa de variables continuas de la locomoción humana, tales como fuerzas musculares, posiciones articulares, posiciones cartesianas y pares articulares, a partir de mediciones neuronales no invasivas, como las realizadas por medio de electroencefalografía (EEG). Al diseñar esquemas que integren la adquisición de señales EEG y algoritmos para su procesamiento, se puede lograr el objetivo antes mencionado. Sin embargo, todavía no existe un método factible para adquirir y procesar estas señales de una manera que permita estimaciones confiables; además, no hay propuestas para la estimación de variable cinética de extremidades inferiores, como pares articulares, durante la ejecución de movimientos fuera del ciclo de la marcha, tales como movimientos de inicio de la marcha. Por lo tanto, esta tesis presenta un esquema para estimar pares articulares de las extremidades inferiores a partir de señales EEG adquiridas durante la ejecución de movimientos de inicio de la marcha. Este esquema se aplica para optimizar un subconjunto de canales de EEG a partir del cual se lleva a cabo una extracción de la información más relevante del conjunto de datos. Estos datos extraídos, llamados prototipos y obtenidos mediante un algoritmo propuesto, se utilizan para entrenar y validar el modelo de regresión que se encarga de estimar los pares articulares. Los resultados muestran estimaciones exitosas y que los canales de EEG más frecuentemente seleccionados son consistentes con las regiones del cerebro que se sabe se activan durante tareas motrices. Los datos extraídos se pueden utilizar para un posterior análisis que tenga el fin de caracterizar procesos neuronales. Abstract The ability to perform physical tasks of daily living plays a critical role in the way people perceives themselves as contributors to society. This perception can be drastically modified when loss of function in the body occurs, specially if this involves the loss of a limb. This is particularly worrying as loss of mobility in the lower limbs is one of the commonest physical impairments. Brain-Computer Interfaces (BCIs) surge as an attempt to return the mobility impaired people once had. One of the aims BCIs have is the accurate estimation of continuous variables of the human locomotion, such as muscular forces, articular positions, cartesian positions and joint torques, from non-invasive neural recordings, such as Electroencephalographic (EEG) signals. By designing schemes that integrate acquisition of EEG signals and processing algorithms, the aforementioned aim may be achievable. However, there is still no feasible method to acquire and process these signals in a way that allows reliable estimations; moreover, there is lack of proposes for the estimation of kinetic variables of the lower limb, such as joint torques, during the execution of movements outside the gait cycle, such as gait initiation movements. Hence, this thesis presents a scheme for estimating lower-limb joint torques from EEG acquired during the execution of gait initiation movements. The scheme is applied to optimize the subset of EEG channels from which the extraction of the most relevant information of the dataset is carried out. This extracted data, referred as prototypes and obtained with a proposed algorithm, is used to train and test the regression model that estimates the desired joint torques. Results show that successful estimations are obtained, and that the most selected EEG channels are consistent with the regions of brain known to be activated during motor tasks. Extracted data can be used for further analysis in order to characterize neural processes.

Actions (login required)

Ver elemento