Resumen

El electrocorticograma (ECoG) es un método de registro bien conocido para la interfaz cerebro-máquina (BMI), menos invasiva. Nuestros estudios anteriores han logrado predecir las actividades musculares y las trayectorias del brazo a partir de las señales de ECoG. A pesar de estos estudios tan exitosos, aún quedan trabajos por resolver con el fin de realizar una prótesis basada en ECoG. Proponemos una interfaz neuromuscular para controlar el robot utilizando las actividades musculares decodificadas y los ángulos de las articulaciones. Utilizamos una regresión lineal dispersa para encontrar el mejor ajuste entre los ECoGs pasados por banda y los electromiogramas (EMG) o los ángulos articulares. El mejor coeficiente de determinación para una predicción continua de 100 s fue de 0,6333 ± 0,0033 (activaciones musculares) y 0,6359 ± 0,0929 (ángulos articulares), respectivamente. También controlamos un brazo robótico de 4 grados de libertad (DOF) utilizando sólo los ángulos decodificados de 4 DOF de los ECoG en este estudio. En consecuencia, este estudio muestra la posibilidad de contribuir a futuros avances en la tecnología de neuroprótesis y neurorrehabilitación.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:ángulo articular, métodos de registro conocidos, actividades musculares descodificadas, coeficiente de determinación, grado de libertad, regresión lineal dispersa, interfaz cerebro-máquina, brazos robóticos, tecnología de neurorrehabilitación, predicción continua
• Keywords:joint angle, known recording methods, decoded muscle activities, coefficient of determination, degree of freedom, sparse linear regression, brain machine interface, robot arms, neurorehabilitation technology, continuous prediction