Embedded EEG Recording Module with Active Electrodes for Motor

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.