Embedded EEG Recording Module with Active Electrodes for Motor
Transcripción
Embedded EEG Recording Module with Active Electrodes for Motor
Embedded EEG Recording Module with Active Electrodes for Motor Imagery Brain-Computer Interface J. A. Mercado, J. Herrera, A. J. Pansza, and J. Gutierrez, Member, IEEE Abstract— This paper presents a novel modular, portable and low-power electroencephalography (EEG) acquisition system for a Brain-Computer Interface (BCI) application. The system is based on the versatile microcontroller MSP430F5529, to acquire from 4 to 12 EEG channels at 256 Hz with a single 3.7 V supply. The prototype supports both passive and active electrodes; these were also designed and built. Additionally, a graphic visualization interface was developed on the open-source programming language Processing. Common-mode rejection ratio, input-referred noise and magnitude and phase frequency response were measured for each analog EEG channel, these requirements comply the International Federation of Clinical Neurophysiology guidelines. Furthermore, four noise and distortion parameters for AC input signals were evaluated for each ADC channel, based on the IEEE-1241-2000 standard. Power spectrum of EEG recordings using our prototype and the commercial amplifier g.USBamp were compared in open/closed eyes conditions ( -band reactivity). It was verified that spectral information retrieval (EEG alfa peak) attained with the prototype is quite similar to the commercial system, and that 60 Hz noise level is reduced when using active instead of passive electrodes, as expected. It was shown that analog pre-processing and noise design considerations are effective ways to get a good quality EEG signal and to enhance certain portions of its frequency spectrum (0.1–35 Hz). This embedded recording system improves the acquisition of EEG into the frequency bands of interest; the mu (8-13 Hz) and beta (14-27 Hz) EEG rhythms for a motor-imagery BCI application, while rejecting unwanted components (DC, >30 Hz, 60 Hz). With this design, it is possible to reduce noise and interferences in EEG signal to decrease the computational workload in digital post-processing, and thus, may increase the likelihood of achieving a completely stand-alone BCI system for clinical applications. Keywords— EEG, BCI, Active Electrodes, IEEE-1241-2000, IFCN. E I. INTRODUCCION NTRE los biopotenciales, la señal con más retos para su registro es el electroencefalograma (EEG) debido a su baja amplitud (< 100 ), que lo hace susceptible a diversas fuentes de ruido e interferencia, y a que su banda de frecuencias coincide con otras señales eléctricas endógenas (como la señal electrocardiográfica y la electromiográfica) y exógenas (ruido de línea de 50/60 Hz, ruido 1/f, potencial de offset de DC de los electrodos, etc.). Esas fuentes de interferencia afectan la relación señal a ruido del registro de J. A. Mercado, Instituto Nacional de Rehabilitación, D. F., México, [email protected] J. Herrera, Universidad La Salle, D. F., México, [email protected] A. J. Pansza, Instituto Politécnico Nacional, D. F., México, [email protected] J. Gutiérrez, Instituto Nacional de Rehabilitación, D. F., México, [email protected] EEG, y al mismo tiempo la distorsión de la misma. Por otro lado, no todas las aplicaciones que utilizan la señal EEG son para uso de diagnóstico clínico, que requiere múltiples canales (más de 32) y diferentes opciones de filtrado, ganancias, etc. Así, varios requerimientos de las guías de la IFCN (Federación Internacional de Neurofisiología Clínica) para equipos [1] y registros [2] clínicos de EEG, no es necesario cumplirlos en ciertas aplicaciones [3]. En este contexto se encuentran las BCI (Interfaces Cerebro-Computadora del inglés Brain-Computer Interface) [4]. Recientemente y a partir de la expectativa que ha generado las aplicaciones potenciales de los sistemas BCI en ámbitos que van desde la rehabilitación, hasta el estudio de usabilidad para el entretenimiento y el monitoreo de estados mentales [5], se han reportado diversos desarrollos de sistemas de registro de EEG [6-9]. Sin embargo esos trabajos no representan una solución completamente satisfactoria para una aplicación clínica de la BCI, particularmente porque no evalúan el nivel de ruido y distorsión del sistema enfocado en la banda de frecuencia de interés. Este aspecto es muy importante porque determina la fidelidad de las señales registradas [10], y de ignorarse puede incrementar el costo computacional en la etapa de procesamiento digital y disminuir el desempeño general de un sistema BCI. En el caso de utilizar un BCI para neurorrehabilitación, uno de los paradigmas más estudiados en la actualidad es el de la imaginación motora [11]. Este es un proceso cognitivo encubierto que evoca la representación mental de un movimiento voluntario de una parte del cuerpo, por lo general de una extremidad, pero sin ejecutarlo realmente y se manifiesta en la actividad eléctrica cerebral mediante la sincronización y desincronización de los ritmos sensorial motores mu (µ:8-13 Hz) y beta (β: 14-27 Hz) del EEG, los cuales se presentan tanto en movimiento real como para el caso imaginario. Es de interés en nuestro equipo de trabajo estudiar el uso potencial en la práctica clínica de una interfaz BCI utilizando imaginación motora, como una herramienta tecnológica para la neurorrehabilitación. Siendo la captura de la señal EEG una etapa crítica en el desarrollo de una BCI, aquí se presenta el diseño, la implementación y el análisis del desempeño de un módulo portátil de registro de señales EEG que usa electrodos activos, apto para un sistema BCI basado en el paradigma de imaginación motora, optimizado en las bandas µ y β de la señal EEG. II. METODOLOGÍA A. Especificaciones del sistema El diseño del sistema de adquisición de la señal EEG para una aplicación BCI debe cumplir con las especificaciones mínimas establecidas por la IFCN, que se muestran en la tercera columna de la Tabla 1. TABLA I. ESPECIFICACIONES DE UN SISTEMA DE REGISTRO DE EEG PARA USO CLÍNICO (IFCN) Y PARA UNA APLICACIÓN BCI. PARÁMETRO Rechazo en modo común [dB] Filtro de baja frecuencia [Hz] Filtro de alta frecuencia [Hz] Frecuencia de muestreo [Hz] Resolución del ADC [bits] Sensibilidad [ /LSB] Nivel de ruido [ Número de canales IFCN >80 < 0.16 ≤ 70 > 200 ≥ 12 0.5 < 0.5 > 32 BCI > 80 0.5-3 ≤ 40 > 200 ≥ 12 0.5 < 0.5 < 16 Como cualquier sistema de registro de EEG, éste debe incluir sensores para la captura del EEG (electrodos), un bloque de amplificación y pre-procesamiento analógico, una etapa de digitalización y comunicación, y un bloque para gestionar la adquisición y el almacenamiento de los registros, además de un módulo que genere las fuentes de alimentación para el sistema. En la Fig. 1. se ilustra la arquitectura general propuesta del prototipo de sistema de registro de EEG. Para reducir el nivel de interferencia en los registros, sea el ruido de 60 Hz y sus armónicos o de alta frecuencia, se propone que la captura de la señal de EEG se haga a través de electrodos activos (módulo de captura ver Fig. 1), que aprovechan el principio de acoplamiento de impedancia mediante un seguidor de voltaje cercano al sitio de registro (en el cuero cabelludo). canal [12] y es la ganancia en modo diferencial, establecida por las etapas de ganancia en el canal. Para determinar se conecta en ambas entradas (modo común) del amplificador de instrumentación (AI) una señal senoidal con frecuencia de 60 Hz y amplitud de 1 , donde es la amplitud en modo común de la señal de salida del canal de EEG y es la amplitud de la señal de entrada al mismo. Respuesta en frecuencia. Se introduce un barrido logarítmico senoidal (0.1-100 Hz) de 10 s y amplitud de 198.5 a la terminal no inversora ( ) del AI, y la entrada inversora (−) se conecta a tierra. Las respuestas en magnitud y fase se miden, respectivamente, como la razón de la amplitud, y el retardo en ms, entre las señales de salida y entrada de los canales de EEG en ciertos instantes de tiempo del barrido, correspondientes a distintos valores de frecuencia (cruces por cero de los ciclos positivos de la senoidal). Consumo de potencia. El consumo de potencia del sistema en operación (registrando 4 canales de EEG) se calcula como: ( ) = (2) donde es la corriente de operación que el sistema demanda a la fuente de alimentación durante el registro de EEG. Desempeño del ADC del módulo digital. Para evaluar el nivel de distorsión y ruido del ADC ante señales de entrada acopladas en AC (como el EEG) se usan 4 parámetros establecidos en el estándar IEEE 1241-2000 [13], que se calculan a partir de la Transformada Discreta de Fourier (DFT) de la señal de salida del ADC, de una señal senoidal con frecuencia de 15.75 Hz (en el rango del EEG) y (97.5% del rango de entrada del ADC) amplitud de 2.44 obtenida de un generador de señales Tektronix AFG320, digitalizada a = 256 Hz. Los parámetros utilizados se definen a continuación: Distorsión armónica total (THD). La THD es la medida de las distorsiones armónicas presentes a la salida del ADC; se calcula como la raíz cuadrada de la suma de cuadrados (RSS) de un conjunto especifico de armónicos (2º a 6º): ∑( ( )) (3) = Figura 1. Arquitectura del sistema de adquisición de 4 canales de señales EEG (CH1-CH4). Incluye electrodos activos (módulo de captura), preprocesamiento y amplificación (módulo analógico), digitalización y transmisión de datos (módulo digital), módulo de alimentación e interfaz de adquisición. A. Desempeño del sistema de registro. = 20 El Desempeño del módulo analógico se analiza a partir de los siguientes parámetros: Rechazo en modo común (CMRR). Se calcula como: / = 20 log , donde = / , donde ( ) es la magnitud promedio del − é componente armónico de la de la salida del ADC en K registros de datos y es el número de muestras tomadas en cada registro [13]. La se puede expresar como una razón en con respecto a la amplitud ( ) del componente fundamental en el registro de salida del ADC: (1) es la ganancia en modo común del (4) Rango dinámico libre de espurios (SFDR). Indica el rango dinámico utilizable del ADC y se calcula como la razón entre la amplitud del valor promedio (en K registros de datos) de la DFT en la frecuencia fundamental , y la amplitud del valor promedio de la DFT del componente de mayor magnitud de la señal, armónico ( ) o espurio ( ), observado a lo largo de toda la banda de Nyquist (0 a / ): ( ) = 20 ( ( )∪ ( )) (5) Relación señal a ruido y distorsión (SINAD). Es la razón de la señal de interés al ruido total presente en la salida del ADC: = ( ñ )/ ( ) (6) En el dominio de la frecuencia se calcula a partir del espectro de potencia de las señales de entrada y salida del ADC [13]. Número de bits efectivos (ENOB). Compara la cantidad de ruido producido por el ADC bajo prueba, con el ruido de cuantización de un ADC ideal con ese número (ENOB) de bits de resolución [13]. Se calcula como: =( ( ) − 1.76)/6.02 (7) Para obtener estos parámetros en la práctica, se utilizan las funciones correspondientes de Matlab, que los calculan a partir de un periodograma de la misma longitud que la señal analizada. El valor final de los parámetros de desempeño del ADC (Tabla 2) se toma como el promedio del valor obtenido en K=5 ventanas de análisis (Hanning) (de 4 segundos c/u) de la senoidal de 15.75 Hz y 2.44 . B. Validación del sistema de registro Se compara el espectro de potencia de las señales EEG en las condiciones de ojos abiertos y cerrados (reactividad del ritmo α occipital), registradas con el prototipo y el equipo comercial g.USBamp. Además, se compara el nivel del ruido de 60 Hz en el espectro de los registros de EEG cuando se utilizan electrodos activos y pasivos con el prototipo. Protocolo de Registro y Análisis. 1. Un mismo examinador registra 3 canales de EEG a 4 sujetos voluntarios sanos con los electrodos activos en configuración monopolar, repitiéndose para cada uno 10 registros. Se colocan en las posiciones O1, O2 y Oz del Sistema Internacional 10-20 [14], el electrodo de tierra (BIAS) en FCz y el de referencia (EREFC) en la oreja derecha (A2). Se usa pasta TEN20® para fijar los electrodos y acoplarlos eléctricamente al cuero cabelludo. 2. Se hizo un registro de 1 min de duración mientras el sujeto tiene los ojos cerrados pero manteniéndose alerta, y otro registro de 1 min de duración con el sujeto en condición de ojos abiertos. 3. En Matlab se calculó el espectro de densidad de potencia promedio (periodograma de Welch, ventanas Hamming de 2 s traslapadas 50%) de segmentos de 20 s de las señales de EEG con ojos cerrados y ojos abiertos para cada canal. 4. Los pasos 1 a 3 se repiten, utilizando electrodos pasivos. 5. Nuevamente se repiten los pasos 1 a 3, ahora utilizando el amplificador g.USBamp con sus electrodos activos y su gel conductor g.tec. 6. Para las 3 configuraciones de registro (prototipo con electrodos activos y pasivos, y equipo comercial) se comparan los espectros de potencia haciendo énfasis en la banda de 8-13 Hz (banda α) en cada condición (ojos abiertos y cerrados). 7. Se verifica la reactividad mediante la presencia del pico α prominente en el espectro en el registro con ojos cerrados y su disminución o ausencia con ojos abiertos, particularmente en O1, O2 y Oz. 8. Se realiza un análisis estadístico para evaluar la Repetibilidad del sistema de registro de EEG, con el fin de determinar la variación que procede de la toma de varias medidas de la frecuencia en el pico α, en las mismas condiciones, con el mismo examinador y el mismo instrumento. Se usa el método de Rangos y Promedios descrito por Llamosa et al [15], para calcular el porcentaje de la variabilidad del instrumento o Repetibilidad de acuerdo a la siguiente ecuación: % = x100% (8) , donde es el rango promedio de todos los rangos individuales. T es la tolerancia de la característica medida (para nuestro caso es 2 Hz). K1 es la constante estadística basada en la desviación estándar considerando el número de mediciones, en un intervalo de confianza del 95% (para n=10; K1=2.2). El valor se encuentra en la Tabla de Distribución t-Student [16]. III. RESULTADOS A. Arquitectura y operación del sistema de registro. En la Fig. 2 se muestra la arquitectura global del sistema con un diagrama a bloques que ilustra la interconexión de los módulos y bloques funcionales. A continuación se describen la implementación y funcionalidad de cada bloque. Módulo analógico: canales de EEG. El módulo analógico se diseñó para acoplarse a la arquitectura del módulo digital, conectando las salidas a las terminales correspondientes del ADC del microcontrolador. El diseño del módulo analógico permite acoplar de 1 a 3 módulos idénticos que funcionan simultáneamente (4, 8 o 12 canales). Tierra virtual (VGND). Este bloque de circuito genera 2.5 V a partir de la referencia de voltaje de precisión REF5025 de Texas Instruments (TI). La señal VGND se usa como línea de referencia (tierra virtual) en los canales de EEG. Amplificador de instrumentación (AI). Se eligió el dispositivo INA333 de TI (Texas Instruments) para este bloque por su CMRR de 100 dB (a G =10), alimentación de 1.8-5.5 V, alta impedancia de entrada (10 GΩ), entradas y salidas riel a riel, bajo ruido (50 /√ ) y offset (máx. 25 , G ≥100). Al ser un bloque de pre-amplificación su ganancia se establece en 11.64. Generador de Referencia Común (GRC). Es un seguidor de voltaje cuya entrada es la señal captada por el electrodo EREFC. Su salida va a la entrada (−) del AI de cada canal. Generador de voltaje de modo común (GVMC). Determina la contribución del ruido de cada canal al promedio de todos los canales (común), que se amplifica en el Circuito de Derivación de Pierna Derecha (DRL). En éste y todos los circuitos del módulo analógico se emplearon amplificadores operacionales LMP2021 y LMP2022 de TI, que al igual que el INA333 tienen características compatibles con las especificaciones de diseño. Circuito de Derivación de Pierna Derecha (DRL). Este circuito invierte la señal de ruido en modo común generada por el bloque GVMC, la invierte (la desfasa aprox. 180°) y la amplifica con una ganancia dependiente de la frecuencia de la señal, antes de retroalimentarla al sujeto de registro a través del electrodo BIAS (Fig. 2). De este modo, su función es servir como un mecanismo de reducción del ruido común, idealmente el de 60 Hz y sus armónicos. Además establece el nivel de la línea base del registro (2.5V), necesaria dado que el sistema opera con una sola fuente de 5V. Adicionalmente al circuito DRL y para establecer la línea base del registro, se implementó la circuitería necesaria para retroalimentar al sujeto los 2.5 V generados en el módulo VGND, a través del electrodo BIAS. Acoplamiento en AC (AAC). Es un filtro pasa-altas pasivo de orden 2 y frecuencia de corte 0.16 Hz que elimina el voltaje de DC de offset presente a la salida del AI. Ganancia no inversora (GNI). Los dos bloques GNI son amplificadores con ganancia de 31.2 y 26.07. Así, la ganancia total (diferencial) de los canales (en la banda de paso) es: = (11.64)(31.2)(26.07) = 9468 / (9) , donde 11.64 es la ganancia establecida en el AI. Filtro pasa-bajas (FPB). Es un filtro Sallen-Key de orden 4, frecuencia de corte 40 Hz y respuesta Bessel (fase lineal) para preservar la forma de las señales. Su función es limitar el contenido de frecuencia de la señal a la banda de interés (< 40 Hz) y sirve como filtro anti-aliasing, previo a la digitalización. Filtro Notch (NOTCH). Es un filtro de rechazo tipo Twin-T centrado en 60 Hz. Funciona mediante cancelación de fases de la señal de entrada y consiste en una red pasiva RC que define la frecuencia central de rechazo (60 Hz), un potenciómetro para ajuste de selectividad y 2 seguidores de voltaje [12]. Generador de voltaje de referencia (1.25V). Genera 1.25V a partir del voltaje de alimentación de 5V, mediante la referencia de voltaje REF3312 de TI. Se usa para cambiar la línea base del registro de 2.5 V (VGND) a 1.25V, en el bloque SDC. Sumador de DC (SDC). Se encarga de restar 1.25 V a la señal de salida del Notch, llevando el nivel de referencia de la señal de 2.5 V (VGND) a 1.25 V para hacerlo compatible al rango de entrada del ADC del microcontrolador (0-2.5 V). Filtro de alta frecuencia (FAF). Es un filtro pasa-bajas RC con frecuencia de corte 1.1 kHz; ayuda a disminuir la interferencia de señales de alta frecuencia (EMI). Figura 2. Diagrama a bloques del sistema de registro de EEG para aplicación BCI. La capa superior del módulo analógico ilustra la arquitectura de 4 canales de registro; las subcapas muestran el acoplamiento de 3 módulos analógicos (12 canales). Se observa la interconexión del módulo de captura (electrodos activos), con el analógico, el digital y la interfaz de adquisición, que grafica las señales de EEG en un monitor, en tiempo real. Finalmente la señal de EEG pasa por un seguidor de voltaje (SEGV), para evitar efectos de carga y distorsión al pasar al módulo digital. La línea EEG_CHn representa las señales analógicas de los distintos canales de EEG, pre-procesadas y amplificadas al rango de entrada del ADC módulo digital. Consideraciones para reducción de ruido e interferencia. Para mantener al mínimo el ruido y distorsión de la señal EEG en el sistema, todos los componentes pasivos (0502) y circuitos integrados del módulo analógico son de montaje superficial. El circuito impreso se fabricó en una placa de cobre de doble cara, sobre substrato FR4 de 10X8 cm que permite un mejor acabado que contribuye en la reducción de los niveles de ruido; y máscara antisoldante para evitar oxidación y cortocircuitos. La contaminación por ruido de baja (60 Hz) y alta frecuencia (EMI) se reduce con un plano de tierra en la cara superior y uno de alimentación en su cara inferior. Además se colocaron capacitores de desacople en las terminales de alimentación de la placa y cada circuito integrado para reducir las inductancias parásitas y variaciones de voltaje. La soldadura y cada componente utilizado cumplen la directiva RoHS (Restricción de Substancias Peligrosas). Módulo de captura: electrodos activos. Al conjunto de un electrodo de copa de Ag/Au (electrodo pasivo) y un preamplificador (seguidor de voltaje) se le denomina electrodo activo. Para el prototipo de electrodo activo en este trabajo se utilizó el amplificador operacional OPA378 de TI de montaje superficial por sus dimensiones, ), muy bajo offset (< 20 ), filtrado bajo ruido (0.4 interno para EMI, operación a 1 fuente ≥ 2.2 V y protección contra electricidad estática. En la Fig. 3.A) se muestra el diagrama del electrodo diseñado. Este electrodo permite 2 modos de operación: pasivo, donde la señal captada por el electrodo de Ag/Au pasa directamente al AI del canal de EEG, y modo activo, que hace pasar por un seguidor de voltaje la señal EEG captada en el electrodo pasivo. Cada electrodo activo tiene un conector con tres líneas: dos de entrada, la primera para el voltaje de alimentación (+5V) que lo toma del módulo analógico, la segunda para tierra (GND, 0V), y una de salida, que conduce la señal EEG a la entrada del sistema de registro. En la Fig. 3.B) se muestra el electrodo activo construido. Por cada canal de registro de la señal EEG se usa un electrodo activo (EACHn, Fig. 2), cuyo electrodo de copa se fija con pasta conductora Ten20® en el sitio de interés y su terminal de salida se conecta a la entrada no inversora ( ) del AI del canal (Fig. 2). Todos los canales de EEG tienen un sitio de referencia común, generalmente el lóbulo de una oreja, que se conecta a la entrada inversora (−) del AI de cada canal, de modo que la señal captada por EREFC se resta a la registrada por EACHn (Fig. 2, módulo de captura). Además de los electrodos EACHn y EREFC, se requiere un electrodo de tierra (BIAS) que determina el nivel de la línea base (2.5 V) del registro en cada canal con respecto a la tierra general del circuito (0 V). El electrodo BIAS también permite retroalimentar al sujeto el ruido común promedio acoplado en AC de todos los canales (idealmente 60 Hz y armónicos), que se amplifica e invierten en el circuito DRL. Este es el único electrodo completamente pasivo del módulo de captura, pues a diferencia de los demás electrodos que llevan señales del sujeto hacia el sistema, éste lleva una señal hacia el sujeto (2.5 V + el ruido común en AC) y no usa preamplificador. Figura 3. Electrodo activo. A) Diagrama esquemático. A la izquierda, el electrodo de copa. Al centro, el seguidor de voltaje y el selector de modo (activo/pasivo). A la derecha, el conector con 3 líneas: Señal, GND y 5 V. B) Prototipo construido de electrodo activo, correspondiente al diagrama en A). Módulo digital e Interfaz: conversión A/D y comunicación. Consiste en el microcontrolador MSP430F5529, que tiene un ADC de aproximaciones sucesivas con resolución de 12 bits y hasta 12 entradas analógicas y un canal serial para la comunicación por protocolo UART con la PC vía puerto USB. El microcontrolador está optimizado para sistemas portátiles: opera con 3.3 V y cuenta con modos de bajo consumo. El rango de entrada del ADC se estableció de 0-2.5 V y el firmware implementado usa un temporizador para muestrear el EEG a 256 Hz por canal y enviar las muestras por protocolo UART, a una tasa de 115200 bps (bits por segundo) hacia la interfaz de adquisición en la PC. La interfaz de adquisición en la PC se implementó en el software libre Processing, y se encarga de recibir (UART) y graficar las señales EEG en tiempo real, gestionar la sincronización con el microcontrolador, y parámetros del registro. Módulo de alimentación. Se utilizó el módulo de gestión de batería BOOSTXLBATTPACK de TI, que genera voltajes regulados de 3.3 V y 5 V a partir de una batería tipo LiPo de 3.7 V, 1200 mAH, recargable vía el puerto USB de una PC portátil. Este módulo genera los voltajes de alimentación para el módulo analógico, los electrodos activos, (5 V), y el módulo digital (3.3 V). Cabe aclarar que los registros de EEG se realizan solamente cuando la PC portátil está alimentada únicamente con su batería interna y desconectada de la línea de AC, con el fin de evitar el ruido electromagnético. B. Desempeño del sistema de registro Caracterización de los canales analógicos de EEG. Respuesta en Frecuencia. En la Fig. 4.A) se muestra la respuesta de magnitud (ganancia) contra frecuencia y en la Fig. 4.B) la respuesta de fase (retardo) contra frecuencia de los 4 canales de EEG (de 0.1 a 100 Hz). Figura 4. Respuesta en frecuencia en las bandas mu (µ: 8-13) y beta (β: 14-27 Hz) para 4 canales. A) Respuesta en fase. B) Respuesta en magnitud. En ambos casos se observa una gran similitud en las respuestas de los 4 canales; la correlación de Pearson entre cualquier par de canales es ≥ 0.998 para la respuesta en magnitud y la respuesta en fase. Desempeño del módulo analógico. La caracterización de los canales analógicos implementados se resume en la Tabla 2. La ganancia media en cada canal (~9400) se calculó como el promedio de la ganancia del rango de frecuencia (0.7 − 17 ) donde la atenuación por filtros es mínima, y resultó ser muy cercana a la esperada (9468, Ec. 9). TABLA II. CARACTERÍSTICAS DE DESEMPEÑO DE LOS CANALES ANALÓGICOS DE EEG. PARÁMETRO Ganancia media [V/V / dB] Ancho de banda [Hz] CMRR en 60 Hz [dB] Ruido equivalente [ ] Consumo de potencia [W] CH1 9423 / 79.48 0.134.9 91 0.42 CH2 CH3 9398 / 9388 / 79.46 79.45 0.10.135.6 34.2 104 94 0.43 0.41 0.297 CH4 9387 / 79.45 0.135.6 89 0.42 Las frecuencias que determinan los límites de la banda de paso son aquellas cuya ganancia está más cercana a -3 dB por debajo de la ganancia promedio (76.4 − 3 = 73.4 ). Es notable la similitud entre canales en los valores de ganancia media, ancho de banda y ruido equivalente. Además, los 4 canales tuvieron una CMRR ≥ 89 dB en 60 Hz (94.5 en promedio. Los valores de estos parámetros cumplen con los requerimientos establecidos en la Tabla 1. La corriente consumida por el módulo digital en operación es 630 µA, que obtiene del regulador de 3.3 V del mismo módulo, alimentado por el puerto USB de la PC. La corriente consumida por el módulo analógico es 59.4 mA, suministrada por el regulador de 5 V del módulo de alimentación, que se alimenta de la batería. La potencia consumida por el módulo analógico es entonces de 3.3 (59.4 ) = 297 . Desempeño del ADC del módulo digital. La caracterización del ADC se resume en la Tabla 3, donde se muestra la similitud de los parámetros entre canales teniendo el mejor desempeño el canal 1 (CH1). Los valores de THD indican que la mayor distorsión causada por los armónicos de una señal senoidal de entrada al ADC es del orden de 0.1% (-60 dB). 2 = 610μ . Así, si una señal diferencial de EEG de 1 µV se amplifica con uno de los canales analógicos, en teoría, la salida tendrá (1 µ )(9400) = 9.4 m de amplitud, 12 veces mayor (21 dB) que el nivel de ruido del ADC en el peor caso (770 µV). A. Validación del Sistema de Registro En la Fig. 5 y Fig. 6 se muestran los espectros de potencia de los registros de validación realizados con el sistema de registro prototipo, utilizando electrodos pasivos y activos, respectivamente, y en la Fig. 7 están los registros equivalentes con el amplificador g.USBamp. En las 3 figuras, los espectros correspondientes a los canales occipitales (O1, O2 y Oz) en la condición de ojos cerrados (líneas grises) muestran un pico prominente cerca de 9 Hz, que corresponde al ritmo alfa (α) occipital del sujeto, y que no está presente en la condición de ojos abiertos (líneas negras). Esto indica que tanto el sistema desarrollado como el comercial, son capaces de captar cambios en la actividad oscilatoria de la señal EEG, susceptibles de cuantificarse mediante la FFT u otras técnicas de análisis espectral. Respecto al ruido de 60 Hz, se observó que la potencia en esa frecuencia fue menor cuando se usan electrodos activos (Fig. 6) que con electrodos pasivos (Fig. 5). Para algunos canales esa diferencia fue marginal, como para el canal 3 (<1 dB/Hz), que también fue el que tuvo la frecuencia de rechazo del filtro Notch más cercana a 60 Hz (61.5 Hz). La ventaja al utilizar electrodos activos, es más evidente en el canal Oz; 7 dB/Hz menos ruido de 60 Hz que con pasivos. Sin embargo, hay que tener en cuenta que los espectros de potencia tienen escala logarítmica y un incremento de 1 dB/Hz equivale un aumento del 30% en la potencia de la señal, y 7 dB/Hz a un aumento lineal en la potencia del 500%. Finalmente, el nivel del componente de 60 Hz en los registros realizados con el sistema comercial para la condición de ojos abiertos, es mayor (1 a 3 dB/Hz) en comparación con los registros realizados con el sistema prototipo (excepto para el canal O1), y en la condición de ojos cerrados, el ruido de 60 Hz fue menor (7 a 15 dB/Hz) con el amplificador comercial que con el sistema prototipo, excepto en el canal 3, como se observa al comparar la potencia del componente de 60 Hz en los círculos grises de la Fig. 7 (g.USBamp) con la Fig. 5 y la Fig. 6 (usando electrodos pasivos y activos respectivamente). TABLA III. PARÁMETROS DE DISTORSIÓN Y RUIDO DEL ADC. PARÁMETRO THD [dB] SINAD [dB] SFDR [dB] ENOB [bits] Resolución [bits] Sensibilidad [ /LSB] CH1 - 64.79 52.25 70.50 8.39 CH2 - 61.74 49.61 68.42 7.95 CH3 - 59.66 49.13 67.81 7.87 CH4 - 63.22 50.58 69.47 8.11 12 0.065 El rango dinámico libre de espurios (SFDR) de −70 dB sugiere que, para la señal de 2.44 V de entrada al ADC (97.5% del rango completo de entrada), la amplitud del mayor componente individual de frecuencia de ruido del sistema es de 770 µV (2.44V/70 dB), correspondiente aproximadamente al bit menos significativo (LSB) del ADC de 12 bits; 2.5 / Figura 5. Espectros de potencia de los registros utilizando electrodos pasivos en 4 canales de EEG (Oz, O1, O2 y Cz). El pico de frecuencia alrededor de 9 Hz corresponde al ritmo α occipital en la condición de ojos cerrados (gris). En la esquina superior derecha del área correspondiente a cada canal se muestra una ventana de 1 s del registro de EEG en ambas condiciones (ojos cerrados y abiertos). Figura 6. Espectros de potencia de los registros utilizando electrodos activos en 4 canales de EEG; se observa que el nivel del ruido de 60 Hz es menor en estos espectros que en los de la Fig. 5, sobre todo en el canal Oz. Los picos repentinos de amplitud considerable (ojos abiertos) en las ventanas de 1 s, corresponden a artefactos de ECG presentes en el prototipo y en el comercial. Figura 7. Espectros de potencia utilizando el amplificador g.USBamp. En todos los canales y registros con este amplificador se presentaron artefactos prominentes en 16, 32 y 60 +/- 16 Hz, que afectan la estimación de la potencia de otras frecuencias. Figura 8. Espectros de densidad de potencia utilizando el amplificador propuesto. Se observa la repetibilidad en los tres canales (O1, O2 y Oz), de tres sujetos, a la reactividad de ojos cerrados en el pico α (10.4 Hz). En negro se muestra el espectro de ojos abiertos y en gris el espectro de ojos cerrados. En la Fig. 8, se muestra la gráfica de Densidad Espectral de Potencia de tres de los cuatro sujetos invitados a participar en el estudio, donde se observa la reactividad al ritmo alfa cuando el sujeto cierra los ojos. La Ec. 8 se aplica a los datos de frecuencia de los cuatro sujetos registrados 10 veces por el mismo examinador en los tres canales capturados (O1, O2, Oz) de la señal de EEG. Los resultados son repetibles en un 86.9% en la frecuencia pico alfa (fα = 10.4 ± 2 Hz) entre los sujetos participantes. IV. DISCUSIÓN El sistema de registro de la señal EEG presentado en este trabajo está enfocado a optimizar la calidad de la señal EEG para una aplicación BCI basada en el paradigma de imaginación motora (8-27 Hz). Este prototipo cumple con las especificaciones de diseño según las guías de la IFCN [1, 2]. En particular, cabe mencionar las variaciones del CMRR encontradas en los 4 canales del prototipo (89-104 dB) y aunque esto no es deseable, reportes técnicos muestran que estas variaciones se pueden presentar incluso en circuitos integrados de aplicación específica comerciales [17]. Los electrodos activos, en comparación con los electrodos pasivos, son un medio para reducir significativamente el ruido de 60 Hz y sus armónicos, y mejorar la respuesta en frecuencia de la señal de EEG para la aplicación BCI (8-27 Hz). Es posible lograr mejores resultados usando máscara antisoldante y resina epóxica aislante en la placa del electrodo activo, así como, el uso de conectores estándar para EEG (Touch-Proof), reduciendo la susceptibilidad al ruido y el daño por electricidad estática. Los electrodos activos capacitivos (secos) han mostrado ser una alternativa viable y práctica para el registro de biopotenciales [18] y pueden considerarse para una versión mejorada del prototipo. Comparando nuestro prototipo contra el comercial bajo condiciones de operación similares (sin filtrado digital), el sistema diseñado presentó ruido de 60 Hz ligeramente menor que en los registros realizados con el amplificador comercial g.USBamp en la condición de ojos abiertos, cuando la relación señal a ruido es menor, lo cual es notable pues todos los registros de caracterización y de validación se realizaron en una habitación llena de fuentes de ruido de 60 Hz (computadoras, instrumentos de medición, lámparas, etc.). El porcentaje de repetibilidad que se obtuvo con los cuatro sujetos (86.9%) registrados aunque aceptable, puede mejorarse aumentando el número de participantes. Finalmente, la arquitectura modular y embebida del sistema de registro de 4 hasta 12 canales de EEG digitalizados a 256 Hz/canal basada en el microcontrolador MSP430F5529, facilita la interconexión con dispositivos dedicados al procesamiento (DSPs, FPGAs) y control de actuadores a través de los puertos I2C y SPI, entradas/salidas interrumpibles, canales DMA, etc., y permiten la integración del prototipo en un sistema BCI completo que opere en modo stand-alone, con características deseables para la aplicación clínica, como son: • Eficaz y robusto. Bajo ruido del sistema, mínima distorsión y estable ante interferencia electromagnética. • Portátil e independiente. Se alimenta con baterías y puede prescindir de una PC para su operación. • Flexible. Modular y escalable, con opción a utilizar sólo los canales necesarios, según la aplicación. V. CONCLUSIONES Este prototipo permitirá la implementación de un sistema de registro de EEG de alto desempeño, para funcionar de manera totalmente independiente a una PC (stand-alone), apto para integrarse en una BCI portátil que utilice el paradigma de imaginación motora para una aplicación clínica. En particular, este tipo de dispositivos pueden contribuir al desarrollo e implementación de nuevas rehabilitación neurológica. técnicas terapéuticas en AGRADECIMIENTOS Agradecemos al Consejo Nacional de Ciencia y Tecnología de México por el apoyo para el desarrollo y difusión de este trabajo (Proyecto CONACYT-SALUD-2012-01-180159). REFERENCIAS [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] A. Ebner, G. Sciarreta, C. M. Epstein and M. Nuwer, “EEG Instrumentation,”, in Recommendations for the Practice of Clinical Neurophysiology: Guidelines of the IFCN, G. Deuschl and A. Eisen, Eds. Elsevier Science B.V., 1999, ch. 1.2, pp. 7-10. M. R. Nuwer, G. Comi, R. Emerson, A. F. Frederiksen, J. M. Gue, H. Hinrichs, A. Ikeda, F. J. C. Luccas and P. Rappelsberger, “IFCN standards for digital recording of clinical EEG, ” in Recommendations for the Practice of Clinical Neurophysiology: Guidelines of the IFCN, G. Deuschl and A. Eisen, Eds. Elsevier Science B.V., 1999, ch. 1.3, pp. 11-14. R. T. Pivik, R. J. Broughton, R. Coppola, R. J. Davidson, N. Fox and M. Nuwer, “Guidelines for the recording and quantitative analysis of EEG activity in research contexts,” Psychophysiological Research, Cambridge University Press, vol. 30, pp. 547-558, 1993. J. B. F. van Erp, M. Lotte and M. Tangermman, “Brain-Computer Interfaces: Beyond Medical Applications,” Computer, vol. 45, no. 4, pp. 26-34, Apr. 2012. B. Blankertz, M. Tangermann, C. Vidaurre, S. Fazli, C. Sannelli, S. Haufe, C. Maeder, L. Ramsey, I. Sturm, G. Curio and K. R. Müller, “The Berlin Brain-Computer Interface: non-medical uses of BCI technology,” Frontiers in Neuroscience. vol. 4, no. 198, Dec. 2010. C. Wan, “Design of a 32-Channel EEG system for Brain Control Interface Applications,” Journal of Biomedicine and Biotechnology, Vol. 2012, Article 274939, Apr. 2012. S. S. Fathalla, “A BCI Scalable sensory acquisition system for EEG embedded applications,” M.S. thesis, Faculty of the College of Engineering and Computer Science, Florida Atlantic University, Boca Raton, Florida, 2010. A. Ribeiro, A. Sirgado, J. Aperta, A. Lopes, J. Guilherme, P. Correia, G. Pires and U. Nunes “ A low-cost EEG stand-alone device for BrainComputer Interface,” in Proccedings of the International Conference on Biomedical Electronics and Devices, Porto, Portugal, 2009, pp. 430-443. T. J. Sullivan, S. R. Deiss, G. Cauwenberghs and T. Jung, “A LowNoise, Low-Power EEG Acquisition Node for Scalable Brain-Machine Interfaces,” in Proc. of SPIE, Bioengineered and Bioinspired Systems III, May 22, 2007. J. H. Nagel, “Biopotential Amplifiers,” in The Biomedical Engineering Handbook, J. Bronzino, Ed., 2nd ed., Boca Raton, Florida, CRC Press LLC, 2000, ch. 70. S. D. Vries and T. Mulder, “Motor Imagery and Stroke rehabilitation: A critical Discussion,” Journal of Rehabilitation Medicine, vol. 39, no. 1, pp. 5-13, 2007. D. Prutchi and M. Norris, Design and development of medical electronic instrumentation: a practical perspective of the design, construction, and test of material devices, John Wiley & Sons, Inc., Hoboken, New Jersey, 2005. IEEE Standard for Terminology and Test Methods for Analog-to-Digital Converters, IEEE Standard 1241-2000. G. H. Klem, H. O. L. Eders, H. H. Jasper and C. Elger, “The ten-twenty electrode system of the International Federation,” in Recommendations for the Practice of Clinical Neurophysiology: Guidelines of the IFCN, G. Deuschl and A. Eisen, Eds. Elsevier Science B.V., 1999, ch. 1.1, pp. 3-6. L. E. Llamosa, L. G. Meza and M. Botero, “Estudio de repetibilidad y reproducibilidad utilizando el método de promedios y rangos para el aseguramiento de la calidad de los resultados de calibración de acuerdo con la norma técnica NTCISO/IEC 17025,” Scientia et Technica, vol. XIII, no. 35, pp. 533-537, 2007. A. J. Duncan, Quality Control and Industrial Statistics. 3rd ed., Homewood, Ill.: Richard D. Irwin Inc., 1965. [17] R. R. Harrison, “A versatile Integrated Circuit for the Acquisition of Biopotentials,” in Proceedings of the IEEE 2007 Custom Integrated Circuits Conference, San Jose, CA, 2007, pp. 115-122. [18] Y. Chen, M. O. de Beeck, L. Vanderheyden, E. Carrette, V. Mihajlovic, K. Vanstreels, B. Grundlehner, S. Gadeyne, P. Boon, and C. Van Hoof, “Soft and Comfortable Polymer Dry Electrodes for High Quality ECG and EEG Recording,” Sensors, vol. 14, no. 12, pp. 23758-23780, Dec. 2014. Jorge Airy Mercado received the degree in Electronics from Universidad Autónoma de Puebla, Mexico and is working towards the M. S. in Biomedical Engineering at Universidad Autónoma Metropolitana-Iztapalapa, Mexico City. He works as a biomedical engineer at the Technological Research Division of the National Institute for Rehabilitation, Mexico City. His current research interests are BCI systems, biomedical signal processing and neural engineering. Javier Herrera studied Biomedical Engineering at Universidad La Salle, Mexico City. His areas of interest are biomedical instrumentation, clinical engineering and neuronavigation for column and cranial surgery. Arturo de Jesús Pansza is a Bionics Engineer from Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas, IPN, Mexico City. His interests are embedded hardware and software development for biomedical, robotics and biomimetic applications. Josefina Gutierrez, Biomedical Engineer, received her Ph. D. in engineering from the Universidad Nacional Autónoma de México and the M.S. degree in bioelectronics from Centro de Investigación y de Estudios Avanzados. Currently, she is Subdirector of Technological Research at Instituto Nacional de Rehabilitación, in Mexico City. Her research field is technology for neurorehabilitation, devices to prevent the disability, and medical information systems.