Name: Yakın Döngü Arabirimi Kullanarak Yeniden Parametrelendirilmiş ÇevreSel Sinyallerin Gerçek Zamanlı Proxy Kontrolü (Video) | JoVE Journal
Uploaded: 2021-05-08T14:30:00.000+00:00
Duration: 11 min 54 s
Description: Keşfedin, giyilebilir teknolojiler ve gerçek zamanlı veri akışı kullanarak kapalı döngü arayüzleriyle vücut farkındalığını nasıl artırabileceğinizi. Bu yöntem, sinir sistemi sinyallerini analiz ederek duyusal artırma sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Bu araştırmanın yapılmasına yardımcı olmak için gönüllü olarak zaman geçiren öğrencilere teşekkür ederiz; Kan Anant ve PhaseSpace Inc., kurulumu tanımlamak için gerekli görüntü ve videoları bize sağladığı için; ve nöroelektronik, kanal www.youtube.com/c/neuroelectrics/ ve kılavuzlarındaki materyalleri kullanmamıza izin verdiği için. Son olarak, Rutgers Bilişsel Bilimler Merkezi'nden Prof. Thomas Papathomas'a bu makalenin teslim aşamalarında profesyonel destek için, Nancy Lurie Marks Aile Vakfı Kariyer Geliştirme Ödülü'ne EBT'ye ve Gerondelis Vakfı Ödülü VK'ya teşekkür ediyoruz.
Katkı Kavramsallaştırma, VK ve EBT; metodoloji, EBT; yazılım, VK, EBT, SK.; doğrulama, VK ve SK; resmi analiz, VK; soruşturma, VK, EBT, SK; kaynaklar, EBT; veri kürasyonu, VK; yazma—orijinal taslak hazırlama, EBT; yazma—inceleme ve düzenleme, VK, SK.; görselleştirme, VK ve EBT.; denetim, EBT.; proje yönetimi, EBT.; fon edinimi, EBT Tüm yazarlar makalenin yayınlanan versiyonunu okudu ve kabul etti.

Çalışma, Helsinki'nin ilanına uygun olarak Rutgers Kurumsal Çalışma Kurulu (IRB) tarafından onaylandı.
1. Katılımcılar
<ol><li>Çalışılacak nüfusu tanımlayın ve çalışmaya katılmaya davet edin. Mevcut arayüz çeşitli popülasyonlarda kullanılabilir. Bu protokol ve kavram kanıtı sağlamak için burada kullanılan örnekler belirli bir grupla sınırlı değildir.</li>
	<li>Helsinki Bildirgesi'ne uygun olarak IRB onaylı protokolün yazılı bilgilendirilmiş onayını alın.</li>
	<li>Katılımcıdan veya veliden deneme başlamadan önce formu imzalamasını isteyin.</li>
</ol>2. Yakın Döngü Arabiriminin Kurulumu
<ol><li>Kinematik ekipman kurulumu-PNS<ol><li>Katılımcının, kullanılan hareket yakalama sistemine eşlik eden LED tabanlı hareket yakalama kostümünü (Şekil 3, adım 1 ve 5'te gösterilen gövde ve kafa) dikkatlice giymesine yardımcı olun. Kostümün LED işaretleyicileri, hareket eden gövdenin uzaydaki yerini tahmin etmek için sistemin kameraları tarafından izlenecek.</li>
		<li>Sistemin kablosuz LED denetleyicisini (LED sürücü ünitesi olarak da bilinir) uygun bağlantı noktasına takarak kostümün LED kablolarıyla bağlayın. Cihazı açın ve akış modunda ayarlayın.</li>
		<li>Hareket yakalama sisteminin sunucusunu açın.</li>
		<li>Bir web tarayıcısı açın, sunucu adresini ziyaret edin ve oturum açın (ürünü satın aldıktan sonra şirket tarafından oturum açma bilgileri sağlanmalıdır).</li>
		<li>Sistemi gerektiği gibi kalibre edin (örneğin, ekipmanı ilk kez kullanıyorsanız sistemi kalibre edin, aksi takdirde 2.1.17 adımına geçin).</li>
		<li>Hareket yakalama sisteminin kalibrasyon aracını açın ve Kalibrasyon Sihirbazı 'nıseçin.</li>
		<li>Arabirimin sol-üst tarafındaki metin alanına sunucu numarasının girişinin doğru olduğundan emin olun ve Devam'ı tıklatın.</li>
		<li>Asayı LED denetleyicisinin ilk bağlantı noktasına bağlayın ve kumandayı AÇIP Devam'ı tıklatın. Asa bağlandıktan sonra LED işaretleyicileri açılacak ve ekranda kamera görüşlerinde görünecektir.</li>
		<li>Asayı kamera görüntüleme alanının ortasına yerleştirin, kameralar tarafından kaydedilebileceğini onaylayın ve Devam'ı tıklatın.</li>
		<li>Asayı dikey tutarak ve silindirler çizerek boşluk boyunca hareket ettirün. Hareketin her seferinde en az 3 kamera tarafından çekildiğinden ve yeşil hale getiren her kameranın görüş alanına kaydedildiklerinden emin olun. Bunu tüm kameralar için yap.</li>
		<li>Her kameranın görüş alanı tamamen kaydedildikten sonra (hepsi yeşil), Devam'ı tıklatın ve kalibrasyon hesaplamalarının yürütülmesini bekleyin. NOT: Kalibrasyon tamamlandıktan sonra, led işaretleyicilerle birlikte kamera konumu, fiziksel olarak odaya yerleştirildikleri için ekranda görülecektir. Bu noktada, kullanıcı yapıldığı için kalibrasyona devam edebilir veya sistemi hizalamaya devam edebilir.</li>
		<li>Asayı dikey olarak tutun ve LED'li tarafı, 3B alanın kaynağının ayarlandığı yerdeki asanın ucuna yakın yerleştirin (nokta (0,0,0)).</li>
		<li>Asayı kayıt olana kadar sabit tutun. Kaydolduktan sonra ekran yeşil yanıp söner. Arabirimde, alandaki referans çerçevesinin kaynağını gösteren bir nokta görünecek ve bir sonraki hizalama ekseni olan x ekseni yeşil olarak vurgulanacaktır.</li>
		<li>Asayı x ekseni noktasında aynı yönü koruyarak (dikey olarak) hareket ettirin ve kaydedilene kadar sabit tutun.</li>
		<li>z ekseni için yineleyin. Z ekseninin noktası kaydedildikten sonra kalibrasyon tamamlanır.</li>
		<li>Kalibrasyondan çıkmak için Son'u tıklatın.</li>
		<li>Hareket yakalama sisteminin arayüzünü açın ve LED işaretçilerinden veri akışına başlamak için Bağlan'ı tıklatın. Bağlantı kurulduktan sonra, işaretleyicilerin konumu arayüzün sanal dünyasında görüntülenecektir.</li>
		<li>Sanal iskeleti oluşturun (Şekil 8 adım2'degösterildiği gibi, kostümün LED işaretçilerinden toplanan konum verilerinden vücudun kemik konumlarını otomatik olarak tahmin edin).</li>
		<li>Pencerenin sağ tarafındaki İskeletler'e sağ tıklayın ve Yeni iskelet'i seçin.</li>
		<li>İşaretçi Eşleme'yi seçin ve ardından uygun dosyayı seçin (kullanılan arabirim sürümüne göre şirket tarafından sağlanır). Ardından, Tamam'ı tıklatın.</li>
		<li>Katılımcıdan T pozunda sabit kalmasını isteyin (yanlarda kollar açık düz duruş).</li>
		<li>İskelete sağ tıklayın ve Eğitim almadan iskelet oluştur 'useçin.</li>
		<li>Tüm adımlar doğru şekilde yapılırsa iskelet oluşturulur. Katılımcıdan hareket etmesini isteyin ve sanal iskeletin katılımcının hareketlerini ne kadar doğru takip ederek izlediğini kontrol edin.</li>
		<li>İskelet verilerini LSL'ye akışa almak için ana menüden Ayarlar ve Seçenekler'i seçin.</li>
		<li>Baykuş öykünücüslerini açın ve "başlat" Canlı akış 'ıtıklatın.</li>
	</ol></li>
	<li>EEG ekipmanlarının kurulumu - CNS<ol>
<li>Aynı katılımcının EEG başlık takmasına yardımcı olun.</li>
		<li>Jel elektrotları (EEG kafa kapağı ile kullanılan geleneksel jel bazlı elektrotlar) baş kapağına ve CMS ve DRL sensörleri için sağ kulağın arka tarafına 2 yapışkan elektrot (çıkartma gibi çalışan elektrotlar) yerleştirin.</li>
		<li>Sensör ve kafa derisi arasındaki iletkenliği artırmak için elektrotları gerektiğinde yüksek iletken jel ile doldurun.</li>
		<li>Elektrot kablolarını jel-trodes ve iki yapışkan elektrot üzerine bağlayın.</li>
		<li>Kablosuz monitörü baş kapağının arkasına yapıştırın ve elektrot kablolarını takın.</li>
		<li>Monitörü açın.</li>
		<li>EEG sisteminin arayüzünü açın.</li>
		<li>Wi-Fi aygıtı kullan'ı seçin ve Aygıtları tara 'yıtıklatın.</li>
		<li>NE Wi-Fi'yi seçin ve Bu cihazı kullanın.</li>
		<li>Kafa simgesine tıklayın, 32 sensörün tümünü kaydetmeye izin veren bir protokol seçin ve Yükle 'yitıklatın.</li>
		<li>Her kanalın akış verilerinin arabirimde görüntülendiğinden emin olun.</li>
	</ol></li>
	<li>EKG ekipmanlarının kurulumu- ANS<ol>
<li>2.2'de sunulan adımları tam olarak izleyin, ancak kalp atış hızı (İk) uzantısına bağlanmak için kanal O1'i kullanın.</li>
		<li>Uzantının diğer ucunun sol göğüs kafesinin hemen altına yapıştırmak için yapışkan bir elektrot kullanın.</li>
	</ol></li>
	<li>Kinematik verilerin senkronize kaydedilme ve akışı için LSL hazırlanması.<ol>
<li>İlgili simgeyi çift tıklatarak hareket yakalama sistemi için LSL uygulamasını çalıştırın. Uygulamayı LSL klasörünün aşağıdaki yolunda bulun: LSL\labstreaminglayer-master\Apps\PhaseSpace.</li>
		<li>Arabirimde, uygun sunucu adresini ayarlayın.</li>
		<li>Ardından, Dosya ve Yük yapılandırması 'nıseçin.</li>
		<li>Uygun yapılandırma dosyasını seçin (kullanılan ürün sürümüne göre şirket tarafından sağlanmalıdır)</li>
		<li>Bağlantı 'yatıklayın. Hata yapılmazsa, hata iletisi görüntülenmez.</li>
	</ol></li>
	<li>EEG ve EKG verilerinin senkronize kaydedilme ve akışı için LSL'yi hazırlayın. Bu ekipman için ekstra adım gerekmez.</li>
	<li>LSL Kurulumu<ol>
<li>LSL klasörünün LSL\labstreaminglayer-master\Apps\LabRecorder yolunda bulunan dosyayı çift tıklatarak LabRecorder uygulamasını çalıştırın.</li>
		<li>Güncelleştir 'itıklatın. Tüm talimatlar doğru şekilde yürütülürse, hareket yakalama ve EEG sisteminin tüm veri türleri akışlar için kayıt panelinde görülür.</li>
		<li>Depolama konumu panelinde veriler için dizin ve ad seçin.</li>
		<li>Başlat 'ıtıklatın. Hareket yakalama ve EEG sisteminin veri toplaması senkronize olarak başlayacaktır.</li>
		<li>Kaydın sonunda Durdur 'utıklatın. Kayıt başarılı olursa, veriler daha önce seçilen dizinde bulunur. Kaydedilen bilgileri içerdiklerini onaylamak için dosyaları açın.</li>
	</ol></li>
	<li>İnsan sisteminin gerçek zamanlı analizleri ve izlenmesi.<ol>
<li>MATLAB, Python veya akış verilerini alan, işleyen ve güçlendiren diğer kodu yürütün. Aşağıdaki bölümlerde açıklanan temsili örneklere karşılık gelen örnek kodları burada bulabilirsiniz: https://github.com/VilelminiKala/CloseLoopInterfaceJOVE</li>
	</ol></li>
	<li>Artırılmış duyusal geri bildirimin üretilmesi<ol>
<li>Uygun cihazı (örneğin, hoparlörler, monitör, diğerleri arasında) kullanarak duyusal çıkışı üretin.</li>
	</ol></li>
</ol>3. Deneysel prosedür
<ol><li>Varsa, kurulum tarafından tanımlanan deneysel yordamı izleyin. NOT: Yakın döngü arayüzleri sezgisel olarak keşfedilmek ve öğrenilmek üzere tasarlanmıştır. Bu nedenle, çoğu zaman talimatlara gerek yoktur.</li>
</ol>

Kapsadığı yöntemler:
•US20190333629A1 "Nörolojik bozuklukların tanı ve tedavisi için yöntemler"
•EP3229684B1 "Procédés de mesure d'un mouvement fizyolojisi ilgili"
•US20190261909A1 "Bir konudaki irade miktarını belirlemek için sistem ve yöntem"
• US202110989122 "Fizyolojik olarak ilgili hareketi ölçmek için Sistem veYöntem"

Bu makale, dyadik değişim bağlamında kişinin çevresel sinyalini kullanan, parametreleştiren ve yeniden parametreleştiren yakın döngülü ortak uyarlanabilir, etkileşimli, çok modlu arayüzler aracılığıyla proxy kontrolü kavramını tanıtır. Kişinin biyoritmlerindeki dalgalanmalarda stokastik kaymaları karakterize etmeyi ve değişimi parametreleştirmeyi amaçladık. Ayrıca, biyoritmlerinin stokastik imzalarını neredeyse gerçek zamanlı olarak hedeflenen gürültüden sinyale rejim seviyelerine sistematik olarak yönlendirmeyi amaçladık.
5 temel öğeyi karşılayan yakın döngü arayüzü oluşturmak için genel bir protokol sunduk: 1) CNS, PNS ve ANS'den çeşitli araçlar ve teknolojiler kullanarak birden fazla bedensel verinin toplanması; 2) verilerin senkronize kaydı ve akışı; 3) seçilen sinyallerin gerçek zamanlı analizi; 4) bedensel sinyaller için çıkarılan fizyolojik özellikler kullanılarak duyusal büyütmenin (ses, görsel vb.) oluşturulması; ve 5) insan sisteminin sürekli izlenmesi ve paralel duyusal büyütme, insan ve sistem arasındaki etkileşim döngüsünü kapatır.
Genel iletişim kuralı iki örnek arabirime uygulandı. birincisi iki insan ajanı arasındaki dyadik alışverişi, ikincisi ise bir insan ve bir avatar ajanı arasındaki dyadik değişimi araştırır. İki tip dyad, periferik sinyalin gerçek zamanlı olarak sistematik olarak değiştirilebileceği ve bu stokastik değişikliklerin tam olarak izlenebileceğine dair kavram kanıtı sağlamak için kullanılmıştır. Bir dyad fiziksel olarak etkileşimde bulunan iki katılımcıdan oluşurken, diğeri bir katılımcının kişinin hareketleriyle ve bu gerçek zamanlı hareketlerin değiştirilmiş varyantlarıyla donatılmış 3D işlenmiş avatar şeklinde bir sanal ajanla etkileşime girmesini içeriyordu. Bu tür değişiklikler, artırılmış duyumlar ortamında işitsel ve/veya görsel duyusal girişler tarafından yönlendirilen etkileşimli manipülasyonlarla çağrıştırıldı. Hem gerçek dyad hem de yapay boyada, vücut biyoritmleri ve kalp atışından gelen otonomik sinyaller de dahil olmak üzere periferik sinyalleri uzaktan değiştirmenin fizibilitesini gösterdik.
Kinestetik sinyal akışları neredeyse gerçek zamanlı olarak manipüle edilir ve yeniden parametrelendirilirken, efferent motor değişkenliğindeki bu tür kaymaları araştırmak için yeni deneysel protokoller sunduk. Bu yeniden giriş bilgileri (kinestetik reafference48),sistem performansını gerçek zamanlı olarak değiştirmek için değerliydi. Burada sunduğumuz yöntemler kullanılarak tam olarak izlenebileceğimiz eylemin duyusal sonuçları hakkında bilgi taşırlar.
Ayrıca, analizlerimizi standartlaştırmak için uygun veri türlerini ve istatistiksel yöntemleri gösterdik. Fizyolojik aktivitelerde doğal olarak farklı bağlamlarda gelişen gerçek zamanlı değişiklikleri göstermek için, kendi kendine üretilen ve kendi kendini kontrol eden sinir sistemleri sinyallerinin yorumlanmasına katkıda bulunan ampirik olarak yönlendirilmiş istatistiksel çıkarım ile birden fazla görselleştirme aracı sağladık. Daha da önemlisi, proxy denetleyicisi tarafından uyandırılan değişiklikler sorunsuz ve yine de ölçülebilirdi, böylece çevresel etkinliğin birden fazla şekilde yararlı olduğu fikrine destek verdi. Bu yöntemleri piyasada bulunan kablosuz giyilebilir sensörleri kullanarak uygulayabilirken, sistemi vurgulamadan biyofiziksel ritimlerde yakalanabilen performans değişikliklerini sistematik olarak teşvik edebiliriz. Yöntemlerimizi klinik arenaya çevirmek ve yeni müdahale modelleri geliştirmek için bir test yatağı olarak kullanmak önemlidir (örneğin, otizmde artırılmış gerçeklik kullanırken olduğu gibi 49). Bu tür modellerde, duyusal girdiler hassas bir şekilde manipüle edildiği ve çıktı neredeyse gerçek zamanlı olarak parametreleştirildiği ve yeniden parametreleştirildiği için, kişinin doğal eylemlerinin duyusal sonuçlarını izleyip ölçebileceğiz.
Bu protokolü, insan sinir sistemleri tarafından kendi kendine oluşturulan ve kablosuz giyilebilir cihazlarla invaziv olmayan bir şekilde kullanılan çeşitli biyoritmik faaliyetlerden yararlanmak için genel bir model olarak sunuyoruz. Bu makaleye EEG, EKG ve kinematik kaydetmek için bir dizi biyosensör kullanmamıza rağmen, sinyalleri kaydetme, senkronize etme ve analiz etme yöntemleri geneldir. Arayüz böylece diğer teknolojileri de dahil edebilir. Ayrıca, protokoller tıbbi alana uzanan diğer doğal eylemleri ve bağlamları içerecek şekilde değiştirilebilir. Doğal davranışları hedeflediğimiz için, geliştirdiğimiz kurulum eğlenceli ortamlarda (örneğin, çocukları ve ebeveynleri içeren) kullanılabilir.
Sinir sistemlerinin çeşitli bozuklukları, kontrol sorununa bu tür eğlenceli yaklaşımlardan yararlanabilir. Burada gösterdiğimiz her iki dyadik etkileşim türünde, katılımcılar müziği bilinçli olarak kontrol etmeyi hedefleyebilirken, proxy denetleyicisi, imzalarını bilinçsizce manipüle etmek ve sistematik olarak değiştirmek için çevresel çıktıyı kullanır. Çünkü bilim adamları, gama parametre düzlemini ve buna karşılık gelen Gama anları uzayını farklı yaş grupları (yenidoğanlardan 78 yaşına kadar) 19 , 50 ,51,52,53ve koşullar (otizm, Parkinson hastalığı, inme, koma durumu ve sağırferentasyon), farklı kontrol seviyeleri için (gönüllü, otomatik, spontan, istemsiz ve otonomik)25,47,54, gama alanlarında stochastic imzaların iyi bir tahmin kontrolü için nerede olması gerektiğini gösteren ampirik olarak ölçülen kriterlere sahiptirler. Önceki araştırmalar da, insan sinir sistemlerinin kendi kendine oluşturulan ritimlerinden gelen spontan rastgele gürültünün varlığında parametrelerin nerede olduğunu bildiğimizi göstermiştir7,19,55,56. Biyoritmik motor gürültüsünü en aza indiren bir optimizasyon şemasında, sinyalleri, her bir kişinin PDF ailesinin şekil ve dağılım imzalarının yüksek sinyalden gürültü oranına ve tahmine dayalı değerlerden oluşan gama alanlarının hedeflenen alanlarına elde edecek şekilde kullanmayı hedefleyebiliriz. Bu anlamda, brüt verileri kaybetmeyiz ve sistemi belirli bir durumda istenen gürültü seviyelerine yönlendirmek için etkili bir şekilde kullanırız.
Dyadik etkileşimler klinik veya eğitim ortamlarında her yerde bulunur. Eğitmen ve stajyer arasında oluşabilir; hekim ve hasta; klinik terapist ve hasta; ve ayrıca çeviri bilimi içeren ve araştırmacı ve katılımcı ile etkileşime giren araştırma ortamlarında da ortaya çıkabilirler. Mevcut protokollerin avantajlarından biri, dyadlar için tasarlanmış olsalar da, aynı zamanda kişiselleştirilmiş olmalarıdır. Bu nedenle, ortak uyarlanabilir etkileşimleri, hareket aralıklarına, duyusal işlem sürelerine ve kişinin sinir sistemlerinin fonksiyonel hiyerarşisi boyunca sinyallerin genliğindeki aralıkları göz önünde bulundurarak, kişinin en iyi yeteneklerine ve yatkınlıklarına göre uyarlamak mümkündür. Stokastik yörünge ortaya çıktıkça ve zamanla geliştikçe, imzaların şans oranlarını belirlemek ve bu zaman serisini olası duyusal sonuçlarla birlikte yaklaşan birkaç olayı tahmin etmek için kullanmak da mümkündür.
Son olarak, yakın döngü arayüzleri sanat dünyasında bile kullanılabilir. Sanatçılara, hesaplama odaklı modern danslar, teknoloji dansları ve bedensel ifadenin yeni görselleştirme ve sonifikasyon biçimlerini oluşturmak için yeni yollar sunabilirler. Bu bağlamda, dansçının vücudu, bu alandaki önceki çalışmalarda gösterildiği gibi, kendi kendine oluşturulan biyoritmik aktivitelerin sonifikasyonu ve görselleştirilmesi yoluyla farklı duyusal yöntemleri esnek bir şekilde keşfetmek için duyusal güdümlü bir enstrümana dönüştürülebilir40 , 41,43,46. Böyle bir performans, sahnede bir dansçının rolünü arttırabilir ve seyircinin görünür hareketin ötesinde ince bedensel sinyaller yaşamasına izin verebilir.
Bu teknolojinin çeşitli yönleri, gerçek zamanlı ortamlarda kullanımlarını optimize etmek için daha fazla geliştirme ve test gerektirir. Senkron akış, devam eden motor komutlarının duyusal sonuçlarını tahmin ederken zaman kazanma ve bir adım önde olma fikrinden gerçekten yararlanmak için yüksek hızlı CPU / GPU gücü ve bellek kapasitesi talep eder. Sinyalleri gerçekten hizalayabilmek, uygun duyusal füzyonu gerçekleştirebilmek ve sinir sisteminin farklı kanalları aracılığıyla bilgi aktarımını keşfetmek için ekipmanın örnekleme oranları karşılaştırılabilir olmalıdır. Bunlar, bu yeni arabirimde bulunan sınırlamalardan bazılarıdır.
Hepsi ve hepsi, bu çalışma, stochastic değişimin sistematik standartlaştırılmış sonuç ölçümlerine izin veren subliminal araçlar kullanırken bedensel sistemimizin kontrolünü geliştirmek için yeni bir konsept sunmaktadır.

<table><tbody><tr><td>Enobio 32</td><td>EEG veri toplama için</td><td>Enobio</td><td></td></tr><tr><td>Donanımı Enobio EKG Uzatma</td><td>Enobio</td><td></td><td>EKG veri toplama için</td></tr> donanım <tr><td>LabStreamingLayer (LSL)</td><td></td><td></td><td>Veri senkronizasyonu ve akışı</td></tr><tr><td>Matlab</td><td>Matematik Verileri</td><td></td><td>analizi ve işlenmesi</td></tr><tr><td>Max</td><td>Cycling'74</td><td></td><td>Sonifikasyon bedensel bilgi</td></tr><tr><td>NIC.2</td><td>EEG ve EKG veri toplama için</td><td>Enobio</td><td></td> Yazılımı</tr><tr><td>PhaseSpace Impulse</td><td>PhaseSpace</td><td></td><td>Kinematik verilerin toplanması için donanım (konum, hız, ivme)</td></tr><tr><td>Python3</td><td>Python</td><td></td><td>Verilerin analizi ve işlenmesi</td></tr><tr><td>Özet</td><td>Kinematik</td><td></td><td>verilerin toplanması için yazılım (konum, hız, hızlanma)</td></tr></tbody></table>

yakın döngü arabirimi kullanarak yeniden parametrelendirilmiş Çevresel sinyallerin gerçek zamanlı proxy kontrolü

Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface

Duyusal ikame ve duyusal büyütme için yöntemler geliştiren alanlar, merkezi sinir sistemlerinden (CNS) gelen sinyalleri kullanarak dış hedefleri kontrol etmeyi amaçlamaktadır. Bununla birlikte, daha az sıklıkta, hareket halindeki etkileşimli gövdeler tarafından kendi kendine oluşturulan dış sinyalleri güncelleştiren protokollerdir. Dyadik değişim sırasında başka bir hareketli ajanınkileri yönlendirmek için bir hareketli ajanın vücut-kalp-beyin biyoritmlerini birleştiren yöntemlerin azlığı vardır. Böyle bir başarıyı başarmanın zorluğunun bir parçası, farklı fiziksel birimlere, farklı zaman ölçeklerine ve değişken örnekleme frekanslarına sahip multimodal biyo-sinyaller kullanarak kurulumun karmaşıklığı olmuştur.
Son yıllarda, birden fazla sinyali birlikte invaziv olmayan bir şekilde kullanabilen giyilebilir biyo-sensörlerin ortaya çıkması, beyin ve/ veya vücut-makine arayüzlerini iyileştirmenin yanı sıra, etkileşime giren dyadların çevresel sinyallerini yeniden parametrelendirme ve güncelleme imkanını açmıştır. Burada biyosensörler kullanarak efferent somatik motor çıkışını (kinematik ve kalp atış hızı dahil) güncelleyen bir ko-uyarlanabilir arayüz sunuyoruz; stokastik biyo-sinyalleri parametreleştirir, bu çıkışı sonifiye eder ve visuo/audio-kinesthetic reafferent input olarak yeniden parametrelendirilmiş formda besler. Yöntemleri, biri iki insanı içeren, diğeri bir insan ve avatarının neredeyse gerçek zamanlı olarak etkileşime girdiği iki tür etkileşim kullanarak gösteriyoruz. Yeni yöntemleri, dış girişin iç somatik-duyusal motor kontrolü üzerindeki etkilerini ölçmenin olası yeni yolları bağlamında tartışıyoruz.

Önceki bölümde sunulan protokole göre oluşturulabilen ve çok sayıda amaç için farklı popülasyonlara uygulanabilen çeşitli arayüzler vardır. Bazı olası varyasyonlar EkMalzemenin " Sunulan Yakın Döngü Arabiriminin Varyasyonları" bölümünde açıklanmıştır.
Bu bölümde, önceki bölümde açıklanan protokolü izleyen 2 örnek yakın döngü arabiriminin temsili sonuçlarını gösteriyoruz. Bu çalışmaların kurulumu, deneysel prosedürü ve katılımcıları , Ek Dosyanın "Örnek 1: Gerçek Bir Dyadik Etkileşimin Ses Yakın Döngü Arayüzü" ve " Örnek2: Yapay Bir Dyadik Etkileşimin Görsel-İşitsel Yakın Döngü Arabirimi" bölümlerinde derinlemesine açıklanmıştır.
Gerçek Bir Dyadik Etkileşimin Ses Yakın Döngü Arayüzünün Sonuçları "Gerçek bir dyadik etkileşimin ses yakın döngü arayüzü" (ayrıntılı olarak sunulan "Örnek 1: Ek Materyalin Gerçek Bir Dyadik Etkileşimin Ses Yakın Döngü Arayüzü"çalışmasında), bir proxy kontrol arayüzü kullandık Şekil 4'te gösterilen , dans edilen müziği değiştirmek için kadın dansçının kalp sinyalini kullanan. Gerçek zamanlı olarak, kalp atışının zamanını çıkarmak için sinyal işleme gerçekleştirdik ve bu bilgileri seslendirilen şarkının hızını değiştirmek için Max sistemine akışı yaptık. Bu şekilde, biyofiziksel sinyallerle değiştirilmiş şarkıyı çaldık. Bu süreç, hareketlerin ve kalp atışı sinyallerinin daha fazla değişmesine yol açtı.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61943/61943fig04.jpg"> Şekil 4: Ses tabanlı yakın döngü arayüzü. 1. EKG-HR giyilebilir cihaz, rutinlerinin performansı sırasında bir salsa dansçısının aktivitesini izler ve sinyalleri 500Hz. Arayüzümüz EKG verilerini gerçek zamanlı olarak analiz eder. Her karede, ham verileri filtreler, QRS kompleksinin R tepelerini çıkarır; ve tepe algılamasını MAX. 3'e akışa alır. Üçüncü taraf arayüzü, sesin hızını kalp atış hızıyla karıştırır. 4. Değiştirilen şarkı dansçılara geri çalınır. <a href="https://www.jove.com/files/ftp_upload/61943/61943fig04large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
İki salsa dansçısı arayüzle etkileşime girdi ve iyi prova edilmiş bir rutin sahneleme bir koreografi ve kendiliğinden doğaçlama bir dans gerçekleştirdi. Dansçılar şarkının orijinal versiyonunu bir kez seslendirmek zorunda kaldılar ve bir versiyon şarkının orijinal temposunu gerçek zamanlı kalp atışı akışıyla harmanladı. Şarkının 1 ve 2'sine göre iki kez seslendirilen sonraki sürüme atıfta bulunuyoruz.
Aşağıda sunulan analizde kaydedilen kalp ve ses sinyalini kullandık. MMS trenlerini tahmin etmek için çıkarılan iki sinyalin zirveleri (Şekil 5'tegösterildiği gibi yüksek frekans dalgalanmalarını koruyan Ek Dosyadaki "Mikro hareketler Ani Artışları" bölümüne bakın).
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61943/61943fig05.jpg"> Şekil 5: Ses yakın döngü sisteminin MMS trenlerinin tahmini. EKG zaman serileri, RR tepelerini ve elde edilen R tepelerinin genel (tahmini) ortalama genliğinden (ortalama kaydırılmış veriler) genlik sapmalarını ayıklamak için kullanılır. Daha sonra MMS trenlerini elde etmek için denklem 1 ile normalleştirme (bkz. Tamamlayıcı Dosya, bölüm "Mikro Hareket Ani artışları") kullanılır. Ses dalga formlarını işlemek ve kişinin gerçek zamanlı performansına göre şarkıyı geri çalmak için benzer yöntemler kullanılır. <a href="https://www.jove.com/files/ftp_upload/61943/61943fig05large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
MMS trenleri, sürekli gama olasılık dağılımları ailesi tarafından iyi temsil edilen sürekli rastgele bir süreç olarak nitelendirildi. MLE, bu sürekli dağıtım ailesini her iki veri kümesi için de en uygun olarak gördü (Ek Malzeme ve Tamamlayıcı Şekil 2'nin"Gama Dağılımı" bölümündeki açıklamaya bakın). Bu tür rastgele süreç, insan sinir sistemlerinden gelen biyo-sinyaller tarafından kendi kendine oluşturulan biyoritmlerin stokastik imzalarındaki kaymaları izlemek için kullanıldı.
Ampirik olarak tahmin edilen şekil ve ölçek Gama parametrelerinden Gama anlarını, ortalamasını, varyansını, eğriliğini ve kurtozu elde ederiz (Ek Malzemenin "Stokastik Analizi" bölümündeki analizin ayrıntılarına bakın). Daha sonra tahmini PDF'nin grafiğini çizeceğiz. Şekil 6 sadece kalp sinyaline ve müziğe odaklanır, ancak yöntemler 41'de sunulan kinematik sinyaller tarafından üretilen diğer biyoritmlere benzer şekilde uygulanır.
Kalp ve müzik sinyalinin PDF'si Şekil 6A-B'de gösterilmiştir, burada iki koşulun veri kümeleri, kasıtlı rutin ve spontan doğaçlama arasındaki farkları vurgularız. Her koşul için, şarkının zamansal değişikliklerinin neden olduğu stokastik imzalardaki kaymaların altını çiziyoruz. Başlangıçta, orijinal şarkıyla dans ederler. Daha sonra, kalp atışı gerçek zamanlı olarak ritimleri değiştirirken, bu sinyaldeki sonlaştırılmış dalgalanmalar dansçıları şarkının zamansal değişikliklerini takip etmeye yönlendirir.
Bunlar, değişiklik 1 ve değişiklik 2 olarak gösterilir. Bu sistematik kaymalar Gama parametreleri ile tanımlanır. Daha sonra, ampirik olarak tahmin edilen şekil ve ölçek parametrelerini kullanarak, kalp atışı ve şarkılar için karşılık gelen dört Gama anını elde ettik. Bunlar kalp (üst) ve şarkı (alt) sinyalleri için Şekil 6C'de görüntülenir.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61943/61943fig06.jpg"> Şekil 6: Ses Yakın Döngü Sistemi kullanılarak proxy kontrolü altındaki performanstanampirik olarak tahmin edilen Gama PDF'lerinde ve Dört Gama Anının stokastik yörüngelerinde sistematik değişikliklere neden olmak. (A) Dans bağlamlarının her biri, spontan doğaçlama ve kasıtlı rutin için veri türünün her birinin MMS trenlerinden (EKG üst ve ses dosyası alt) PDF'ler. Göstergeler, oturumun başındaki temel koşulu gösteren Imp Veya (doğaçlama orijinalidir); Imp Alt1, değişiklik sırasında doğaçlamayı açıklama 1; Imp Alt2, değişiklik sırasında doğaçlamayı açıklama 2. (B) Aynı şekilde, kasıtlı prova rutin için, Rout Or rutin orijinal anlamına gelir; Rout Alt1, rutin değişiklik 1 anlamına gelir; Rout Alt2, rutin değişiklik 2 anlamına gelir. (C)panelleri, Gama anlarındaki sistematik kaymaları hem şarkılardan gelen ses sinyallerini hem de kalpten gelenlerin birlikte ve gerçek zamanlı olarak kaydığını gösterir. <a href="https://www.jove.com/files/ftp_upload/61943/61943fig06large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
İmzaların kayması bu panellerde (PDF ve Gama anları grafikleri) takdir edilebilir, böylece sunulan yöntemlerin kalbin proxy denetleyicisinin gerçek zamanlı olarak ürettiği şarkının değişikliklerine adaptasyonunu yakalayabileceğini gösterir. Şarkılar ritimleri değiştirirken, kalp stokastik imzaları ve stokastik imzaların geçişi de yönde tutarlıdır (bu aynı zamanda şekil ve ölçek parametrelerini incelediğimiz 41'de bir bulgudur). Aynı şekilde, kalbin imzaları değiştikçe, şarkının imzaları da değişir. Bu yansıtma efektleri -biri diğerini etkiler ve biri sürekli olarak bir yöne doğru kayarken, diğeri de- bu proxy denetleyicisi arabiriminin yakın döngü doğasını izler. Sonuçlar bu kurulumun faydasının altını çizer ve kişinin otonom biyoritmlerini dyadik değişim bağlamında sistematik olarak değiştirebileceğimize dair kavram kanıtı verir.
Hem şarkıların hem de bedensel sinyallerin stokastik imzalarındaki paralel kaymalar, tüm sistemin (katılımcı ve arayüz) çevresel sinyaller kullanılarak birlikte adaptasyonunun mümkün olduğunu göstermektedir. Bu süreç, kişinin farkındalığının altında sorunsuz bir şekilde geçer ve fikirlerin, tercih eden dış duyusal geri bildirimle yazışmalarda kişinin biyo-sinyallerini uzaktan ve sistematik olarak kaydırması için kavram kanıtı sunar. Özetle, bu sürekli rastgele süreçte stokastik imzaların kaymasına rehberlik edebiliriz. Yöntemler, neredeyse gerçek zamanlı olarak inşa edebildiğimiz stokastik yörüngeler boyunca değişimi ve hızlarını yakalamayı sağlar.
Vardiyalarda istatistiksel önemi belirlemek için parametrik olmayan ANOVA, Kruskal-Wallis testini ve ardından geçici test sonrası birden fazla karşılaştırmayı kullanıyoruz. Kalp verilerinin MMS imzalarını altı durum arasında karşılaştırıyoruz. Şekil 7, MMS kalp verilerinin çoklu karşılaştırmasını ve buna karşılık gelen Kruskal-Wallis tablosunu göstermektedir. Çoklu karşılaştırma çizimi, orijinal rutin dansın temel koşulu (Rout) arasında önemli bir fark olduğunu gösterir. Veya) ve orijinal doğaçlama dansın temel durumu (imp. veya). İlk değişikliklerin, Rout olduğunu da fark etmek önemlidir. Alt1 ve Imp. Alt1, karşılaştırılabilir araçları paylaşan dağıtımlara ve aynı şey ikinci değişiklikler için de geçerlidir, Gama anları alanında varyans, eğrilik ve kurtoz kayması ise (Şekil 6C).
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/61943/61943fig07.jpg"> Şekil 7: Parametrik olmayan Kruskal-Wallis ve Çoklu karşılaştırma sonrası geçici testlerden elde edilen sonuçlar. Altı durumu karşılaştırmak için kalp verilerinin MMS'sine uygulanan parametrik olmayan ANOVA'nın (Kruskal-Wallis testi) sonuçları. Arsa, 6 kasanın çoklu karşılaştırmasını gösterir ve "Rout" arasındaki önemli farkı gösterir. Veya" ve "imp. veya" koşulları. Tablo Kruskal Wallis testinin sonuçlarını gösteriyor. <a href="https://www.jove.com/files/ftp_upload/61943/61943fig07large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
Yapay Bir Dinadik Etkileşimin Görsel-İşitsel Yakın Döngü Arayüzünün Sonuçları "Yapay bir dyadik etkileşimin görsel-işitsel yakın döngü arayüzü" (ayrıntılı olarak sunulan "Örnek 2: Yapay bir dyadik etkileşimin görsel-işitsel yakın döngü Arayüzü" ek materyali)çalışmasında, 6 katılımcı arayüzle etkileşime girdi, Şekil 8'de gösterilen, kişinin kendi hareketlerini oluşturan aynalı avatarlarını oluşturur. Arabirim, etkileşim sırasında kişiyi çevreleyen bölgeye konuma bağımlı sesler katıştırır. Katılımcılar çalışmanın amacına göre saftılar. Odanın etrafında dolaşmak ve proxy denetleyicisinin tanımladığı bir Yatırım Getirisi 'nden (ilgi çekici bölgeler) geçerken şaşırtıcı bir şekilde ortaya çıkacak sesi nasıl kontrol edeceklerini bulmak zorunda kaldılar.
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/61943/61943fig08.jpg"> Şekil 8: Görsel-İşitsel Arabirimin görsel gösterimi. 1. Çevresel kinematik verilerin eldei için bir hareket yakalama sistemi kullanılır. 2. Sistem, iskeleti tahmin etmek için sensörlerin konumlarını (örnek LED'lerde) toplar - kemikler üzerindeki konum. 3. Kemik konumları daha sonra kendi ileri kinematik modelimiz kullanılarak MATLAB tarafından geliştirilen arayüzümüzde hizalanır. 4. Hizalanmış konumlar, iskelet bilgilerini 3D işlenmiş avatarımızla eşlemek için kullanılır. 5. Akışa alınan verilerin avatarla eşlenişi gerçek zamanlıdır ve bu da kişinin yansıtılmış görüntüsüne bakma hissi yaratır. <a href="https://www.jove.com/files/ftp_upload/61943/61943fig08large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
Şekil 9, 1 koşulunun görsel-işitsel arayüzünün sonuçlarını gösterir (daha fazla koşul için Ek Dosya'ya bakın), burada kalça konumu roi'de bulunduğunda şarkıyı etkinleştirir. Bu şekil, 6 farklı kontrol katılımcısının (C1'den C6'ya) kalça hızı verilerinin ROI hacminin içinde ve dışındayken PDF ve Gama imzalarını (Ek Materyalin "Veri Türleri ve Analizleri" bölümüne bakın) göstermektedir. Burada sunulan sonuçlar, bireysel katılımcıların adaptasyon oranı üzerindeki kişiselleştirilmiş farklılıkları vurgulamaktadır. Bunlar, stokastik imzaların kaymaları ve RoI hacminin içinde veya dışında ortaya çıkan bireysel sonuçlarla gösterilir. Örneğin, PDF'nin C3 ve C4 kalçalarının hız genliğinden elde edilen MMS'nin frekans histogramlarına uyduğunu, hacmin içinde daha simetrik (daha yüksek şekil değeri) ve daha az gürültülü (daha düşük ölçek değeri) olduğunu fark edebiliriz. Buna karşılık, katılımcıların geri kalanı ters bir desen gösterir.
Ampirik olarak, sağ alt köşeye imzaların sporcuların ve dansçıların imzaları olduğunu ve son derece yetenekli hareketler yaptığını gördük. İmzalar sol üst bölgededir, otizm spektrum bozuklukları DEHB22,32 tanısı olanlar ve sağır bir katılımcınınkiler gibi patolojileri olan sinir sistemlerinin veri kümelerinden gelir21. Stokastik bir yörünge boyunca değişen desenler bağlamında, bu bilgileri zaman içinde biriktirerek sinyalin gürültü oranına genel kalitesini izlediğimiz sağ alt kadran (RLQ) ve sol üst kadranını (LUQ) tanımlamak için şekil ve ölçeğin ortanca değerlerini elde ediyoruz. Bu, bu kadranları dinamik olarak tanımlayan ortanca değerlerin güncellenmesini, kişinin dahili olarak ürettiği biyoritmleri proxy tarafından dışarıdan kontrol edilen ancak kişinin iç değerlerine bağlı olanlara birlikte uyarladığını düşünür.
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/61943/61943fig09.jpg"> Şekil 9: Görsel-İşitsel Yakın Döngü Sistemi kullanılarak yapılan etkileşimler sırasında bedensel biyoritmlerin ampirik olarak tahmin edilen Gama PDF'leri ve Gama İmzaları.<a href="https://www.jove.com/files/ftp_upload/61943/61943fig09large.jpg" target="_blank"></a><table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td></tr></tbody></table><a href="https://www.jove.com/files/ftp_upload/61943/Supplementary_Files.zip" target="_blank"></a>

İnsan vücudu ve kalp sinyallerini yakın döngüde yayınlayan, parametreleştiren, analiz eden ve değiştiren birlikte uyarlanabilir arayüzler oluşturmak için protokoller ve analiz yöntemleri sunuyoruz. Bu kurulum, biyofiziksel değişimi izlemeye yardımcı olmak için dış duyusal girişlerle kişinin periferik ve merkezi sinir sistemlerinden elde edilen sinyalleri arayüzler.

Yakın Döngü Arabirimi Kullanarak Yeniden Parametrelendirilmiş ÇevreSel Sinyallerin Gerçek Zamanlı Proxy Kontrolü

The fields that develop methods for sensory substitution and sensory augmentation have aimed to control external goals using signals from the central ...

Bu arayüzün genel amacı, poli sinyal büyütmenin bedensel farkındalık kazanma üzerindeki etkisini incelemektir. Bu, farklı deneysel kurulumlarda farklı giyilebilir teknolojilerle kullanılabilen ve farklı popülasyonlara uygulanabilen genel bir kapalı döngü arabirimi tasarlanarak gerçekleştirilir. Bu çalışmada örnek arayüzlere, uygulamalarına ve insan sistemi üzerindeki etkilerine genel bir arayüz sunuyoruz.Tasarımın ilk adımı, sinir sisteminin farklı seviyelerinden gelen sinyallerin kaydedilmasına izin veren çeşitli giyilebilir teknolojilerin kullanılmasıdır. İkinci adım, senkronize kayıt ve sinyallerin gerçek zamanlı akışını elde etmek için Laboratuvar Akışı katmanının kullanılmasıdır. İlk adımda, akış verileri, seçilen bir sinyalin gerçek zamanlı analizinin ve özellik çıkarma işleminin gerçekleştiği tercihimizin dilinde geliştirilen kod tarafından çekilir.Bu nedenle, dört adımda katılımcılar, kalp atış hızlarının şarkının temposuna işitsel olarak haritalanması veya hareketlerinin görsel temsili gibi çıkarılan özelliklerin duyusal olarak arttırmasını yaşıyorlar. Son olarak, vücut bilgilerini sürekli olarak artırarak, arayüz ve katılımcı arasındaki açılma etkileşiminin döngüsünü kapatıyoruz. Beynin vücudumuzu nasıl kontrol edebileceğine dair araştırmalar beyin makinesi arayüzlerinin tasarımını oluşturdu.Dış iskelet veya robotik kol gibi harici bir cihazı kontrol etmek için sinir sistemi sinyallerini kullanır. Burada sinir sisteminin sinyallerinden yararlanan ve katılımcıların vücutları üzerinde kontrol elde etmelerine yardımcı olmak için duyusal bir modül kullanarak onları güçlendiren kapalı döngü arayüzleri sunuyoruz. Tasarımımızın bazı temel veya özellikleri bir, sinir sisteminin çeşitli seviyelerini araştırmak için farklı teknolojilerden gelen verilerin senkronize kaydı ve ikisi gerçek zamanlı büyütme için verilerin veri akışı ve analizi Her iki örnek çalışmada da ses geri bildirimi kullandık, ancak ses kapalı döngü arayüzünde salsa dansçıları gerçek zamanlı olarak kontrol edilen müziğin temposuna yanıt veriyorlardı. , kalbin ritmine göre.Bunu başarmak için müzik programlama dilini kullanıyoruz, Max ses dosyalarının oynatma hızını kontrol etmek için. Sensörler dansçıları yakalar, kalp atışları ve filtrelenmiş kalp R tepeleri bir Python komut dosyası kullanılarak oluşturulur. Bu tepe değerleri daha sonra açık ses kontrolü ile gerçek zamanlı olarak Max'e iletilir.İlk önce katılımcının LED tabanlı hareket yakalama kostümünü giymesine yardımcı olduk ve kablosuz led kontrol cihazına bağlandık. Sunucuyu açtıktan sonra bir web tarayıcısı açın, sunucu makinesinin IP adresini girin ve oturum açın. Bu adım başarılı olursa, yapılandırma yöneticisi açılır.Ardından hareket yakalama sisteminin arayüzünü açın ve bağlan'ı tıklayın. led işaretçilerinden veri akışına başlamak için. Bağlantı kurulduktan sonra, işaretleyicilerin konumu arayüzün sanal dünyasında görüntülenecektir.Pencerenin sağ tarafındaki iskelete sağ tıklayın ve işaret eşlemeyi seçmek için yeni iskelet seçin. Sonra iskelete tekrar sağ tıklayın ve iskelet oluştur'u seçin. Katılımcının T pozu verdiğinden emin olun.Tüm adımlar doğru şekilde yapılırsa iskelet oluşturulur. İskelet verilerini LSL'ye akışa almak için ana menüden ayarları ve seçenekleri seçin. OWL Öykünücüs'ü açın ve canlı akışı başlat'a tıkladiğinizden emin olun.Ardından, aynı katılımcının EEG başlık kapağını takmasına yardımcı olun. Elektrotları yüksek iletken jel ile doldurun ve elektrot kablolarını yerleştirin. Ardından kablosuz monitöre takın ve açın.EEG sisteminin arayüzünü açın ve wifi cihazını kullan'ı seçin. Cihazı seçin ve bu cihazı kullan'ı tıklatın, kafa simgesine tıklayın. Tüm 32 sensörün kaydediline izin veren protokolü seçin ve yüklemeyi tıklayın.Akış verilerinin uyduğundan ve hepsinin arabirimde görüntülendiğinden emin olun. Kalp aktivitesi verilerini toplamak için EEG uzatma kablosunu bağlamak üzere EEG kanallarından birini kullanın. Uzatmanın diğer ucunun katılımcının sol göğüs kafesinin hemen altına yapıştırması için yapışkan bir elektrot kullanın.LSL klasöründe hareket yakalama sisteminin LSL uygulamasını bulun ve ilgili simgeye çift tıklayarak çalıştırın. Arabirimde uygun sunucu adresini ayarlayın, bağlantıyı tıklatın. EEG ve EKG veri akışı için ek adım gerekmez.Daha sonra LSL klasöründe de bulunan laboratuvar kaydedici uygulamasını bulup bulaceğiz. Uygulamayı çift tıklatarak çalıştırın. Akışlar için panel kaydında hareket yakalama ve EEG sisteminin tüm veri türleri görüntülenmiyorsa, güncelleştir'i tıklatın.Depolama konumu panelinde dizin ve ad'ı seçin ve veri toplamayı başlatmak için Başlat'ı tıklatın. MATLAB, Python veya akış verilerini alan, işleyen ve güçlendiren diğer kodu yürütün. LSL, verilerin çok sayıda programlama platformunda akışını sağlar.Makalenin anlatılan sunum örneklerine karşılık gelen hedefleri kullanırlar. GitHub bağlantımızı ziyaret edin. Piyasada duyusal çıktılar yaratan çeşitli teknolojiler vardır.Bazı yaygın örnekler şunlardır: hoparlörler, ışıklar, monitörler ve dokunsal cihazlar vibratörleri, gustatory ve koku arayüzleri gibi daha az yaygın olanlar. Sesli kapalı döngü arayüzünde kalp atış hızını dijital olarak arttırmayı başarıyoruz. Müzik programlama dili Max'i kullanarak, ses dosyalarının oynatma hızını kontrol edebiliyoruz.Konsola yazdırılan filtrelenmiş kalp R tepeleri Python komut dosyasından Max'e iletilir. Orada tepe aralığı aralığı ölçülür ve dakika başına atıma dönüştürülür. Veriler sıfır, mümkün olan en yavaş oynatma hızı ve maksimum oynatma hızı arasında bir aralık oluşturmak için ölçeklendirilir.Bu süreklilikte bir normal oynatma hızına eşittir, 0.5 yarım hıza eşittir ve iki eşittir çift oynatma hızı. Genel arayüzün tasarımı çeşitli popülasyonlarda kullanılabilir. Protokolü ve burada kavram kanıtı sağlamak için kullanılan örnekler belirli bir grupla sınırlı değildir.Ayrıca, kapalı döngü arayüzleri sezgisel olarak keşfedilmek ve öğrenilmek üzere tasarlanmıştır. Deneysel prosedürün bir parçası olarak talimatlara gerek olmamasına rağmen. Gerçek bir dyadik etkileşimin sesli kapalı döngü arayüzünün çalışmasında, iki salsa dansçısı, şarkının hızını değiştirmek için kadın dansçıların kalp atış hızını kullanan bir arayüzle etkileşime girdi.Dansçılar iyi prova edilmiş bir rutin ve doğaçlama bir dans sergilediler. Her koşulda şarkının orijinal versiyonunu bir kez seslendirdiler ve sonra iki kez kalp değiştirilmiş versiyonu. Toplanan verilerden çıkarılan mikro hareket ani artışlarının gama Stokastik imzalarını tahmin ediyoruz.Burada kalbin tahmini olasılık yoğunluğu işlevlerini ve müzik verilerini gözlemliyoruz. Uyuşturucu figürleri, şarkıyı orijinal haliyle dans eden ilk durumdan itibaren otonom bir organ olan kalbin setlerini göstermektedir. İkinci ve üçüncü duruma kadar kalp değiştirilmiş şarkı dans.Sol figür spontane dansın üç kaydına karşılık gelirken, kasıtlı dansın üç kaydına doğru figür. Alt rakamlarda, çalınan sesin ilgili kümelerini gözlemleyebiliriz. Burada setlerin karşıt bir yönü var.Yapay bir dyadik etkileşimin görsel-işitsel kapalı döngü arayüzünün incelenmesinde, altı katılımcı canlı aynalı avatarlarını oluşturan bir arayüzle etkileşime girdi. Ek olarak, kalça pozisyonuna bağlı sesleri gömerek gömdöke. Katılımcılar çalışmanın amacı konusunda saftılar; odada dolaşmak ve ilgi çekici bölgeden geçerken şaşırtıcı bir şekilde ortaya çıkacak sesi nasıl kontrol edeceklerini bulmak zorunda kaldılar.Rakamlar, ilgi çekici bölgenin içinde ve dışındayken C1'den C6'ya kadar olan 60 arkadaş kontrol katılımcısının kalça hızı verilerinin olasılık yoğunluk işlevini ve buna karşılık gelen gama imzalarını göstermektedir. Sonuçlar, katılımcıların bölge içinde veya dışında davranışlarındaki kişiselleştirilmiş farklılıkları vurgulamaktadır. Ampirik olarak, gama düzleminin sağ alt köşesinde bulunan imzaların, yüksek vasıflı hareketler yapan sporcuların ve dansçıların imzaları olduğunu, sol üst bölgede yatan imzaların patolojileri olan sinir sistemlerinin veri setlerinden geldiğini bulduk.Bu nedenle, üç ve dört kontrol kalça hızının imzalarının hacmin içindeyken daha sağlıklı motor desenler ortaya çıkardık. Buna karşılık, katılımcıların geri kalanı tam tersi bir desen görüntüler. Bu yaklaşım hem dansçının hareketleri hem de ses arasındaki ilişkiyi daha iyi anlamak için kullanılabilir.Ayrıca, gerçek zamanlı bedensel bilgiler tarafından yönetilen müzik kompozisyonuna yeni yaklaşımları keşfetmek için de kullanılabilir, müzik yapımını vücut sinyali büyütme deneyimine dönüştürür Kapalı döngü arayüzleri üzerindeki geliştirme ve araştırma sinir sisteminin çeşitli bozukluklarına fayda sağlayabilir. Oyun, hareket eğitimi ve sporda da kullanılabilirler.

real-time-proxy-control-re-parameterized-peripheral-signals-using

Research

JoVE Journal

Behavior

Biz nöronal kontrolü genel prensiplerini araştırmak için bir kapalı döngü fly-makine arayüzü kullanır.

Beyin-makine Arayüzler Kapalı döngü Performans Çalışması için Deneysel Bir Platform

Kapalı döngü protokolleri günümüz elektrofizyolojisinde giderek yaygınlaşmaktadır. Kortikal piramidal nöronlarda in vitro olarak karmaşık elektrofizyolojik protokolleri gerçekleştirmenin basit, çok yönlü ve ucuz bir yolunu sunuyoruz.

Gerçek zamanlı Elektrofizyoloji: Probe Nöronal Dynamics ve Ötesi Kapalı çevrim Protokolleri Kullanma

Bir ön-vurgu tekniği kullanılarak karşılık gelen frekans genişletmek için bir yöntem önerilmektedir. Bu yöntem, orantılı-entegral-ayırıcı kontrol kullanarak izleme sinüs dalgası yolundaki bir galvano aynanın kazanç azaltılması için telafi eder.

Ön vurgu Teknikleri Kullanarak Oransal-İntegral-Diferansiyel Kontrolü bir Galvanometre Mirror bir sinüsoidal Tarama için Kazanç-tazminat Metodolojisi

Burada, nörokritik hastaların serebral hemodinamiğini gerçek zamanlı olarak ve yatak başında diffüz optik kullanılarak invaziv olmayan bir şekilde izlemek için bir protokol sunulmuştur. Spesifik olarak, önerilen protokol, serebral oksijenasyon, serebral kan akışı ve serebral metabolizma hakkında gerçek zamanlı bilgileri tespit etmek ve görüntülemek için hibrit bir yaygın optik sistemler kullanır.

Diffüz Optik Spektroskopilerle Nörokritik Hastaların Gerçek Zamanlı İzlenmesi

Bu protokol, yüksek erime sıcaklıklarına sahip lipitler için lipid monolayer montajını ve damlacık arayüzü bilayer oluşumunu teşvik etmek için geri bildirim sıcaklığı kontrollü bir ısıtma sisteminin kullanımını ve membrandaki sıcaklık odaklı değişiklikleri karakterize etmek için kapasitans ölçümlerini detaylandırıyor.

Damlacık Arayüzü Bilayer'in Sıcaklık Kontrollü Montajı ve Karakterizasyonu

APTrack, gerçek zamanlı veri görselleştirme ve nöronal aksiyon potansiyellerinin kapalı döngü elektriksel eşik takibini sağlayan Open Ephys platformu için geliştirilmiş bir yazılım eklentisidir. Bunu mikronörografide insan C-fiber nosiseptörleri ve fare C-fiber ve Aδ-fiber nosiseptörleri için başarıyla kullandık.

Translasyonel ağrı araştırması için açık kaynaklı gerçek zamanlı kapalı döngü elektrik eşiği izleme

Bu makale, bir simülatör olan OPAL RT-Lab'da uygulanan hiyerarşik kontrole sahip bir DC mikro şebekesini sunmaktadır. Devre modellemesini, birincil ve ikincil kontrol stratejilerini ve deneysel doğrulamayı detaylandırır. Sonuçlar, mikro şebeke araştırma ve geliştirme için sağlam bir deneysel platformun önemini vurgulayan etkili kontrol performansını göstermektedir.

DC Mikro Şebekelerde Hiyerarşik Kontrolün Gerçek Zamanlı Simülatör Kullanılarak Deneysel Olarak İncelenmesi

Dikkat kontrolü, hedef sinyallerin geliştirilmesini ve dikkat dağıtıcı sinyallerin azaltılmasını içerir. Her iki sürecin de sürekli olarak devreye girmediği pasif bir kontrol koşulu kullanarak, sürekli intermodal dikkati katılma ve görmezden gelme nörofizyolojisini ayrı ayrı ama aynı anda ölçmek için bir yaklaşım tanımlıyoruz.

Dikkat Kontrol Süreçlerinin almamak ve Katılıyor ve nörofizyolojik Sinyalleri ölçümü

Bu protokol, bir aktörle senaryosuz sosyal etkileşim sırasında özgürce davranan bebeklerden gelen niyetin sinirsel olarak çözülmesi için yeni bir metodoloji sunar. Nöral aktivite, non-invaziv yüksek yoğunluklu aktif kafa elektroensefalografisi (EEG) kullanılarak elde edilir. Kinematik veriler atalet ölçüm birimleri ile toplanır ve senkronize video kaydı ile desteklenir.

İnsan Bebekler Serbestçe-davrandığını Sosyal Etkileşim sırasında Niyet Multimodal Sinir Coded Yeni Bir Deneysel ve Analitik Bir Yaklaşım

Bir kablosuz fareler serbestçe davranışlar içinde stimülasyon ve çok kanallı sinirsel kayıtları için çift yönlü sistemi tanıttı. Hafif ve küçük, böylece animal´s davranış repertuar üzerinde en az etkiye sistemidir. Ayrıca, bu çift yönlü sistem beyin harekete geçirmek desen ve davranışı arasındaki nedensel ilişkileri değerlendirmek için gelişmiş bir araç sağlar.

Kablosuz, Vivo içinde kayıt ve fareler serbestçe davranışlar içinde sinirsel aktivite uyarılması için çift yönlü arayüzü

Keşfedin, giyilebilir teknolojiler ve gerçek zamanlı veri akışı kullanarak kapalı döngü arayüzleriyle vücut farkındalığını nasıl artırabileceğinizi. Bu yöntem, sinir sistemi sinyallerini analiz ederek duyusal artırma sağlar.

Yakın Döngü Arabirimi Kullanarak Yeniden Parametrelendirilmiş ÇevreSel Sinyallerin Gerçek Zamanlı Proxy Kontrolü

Daha fazla video keşfet