Promovarea interesului național prin cercetare aplicativă în neuroinginerie, inginerie cognitivă și științele cogniției cu implementare in sistemele… [311281]

ACADEMIA ROMÂNĂ

INSTITUTUL DE ECONOMIE MONDIALĂ

(ACADEMIA TEHNICĂ MILITARĂ)

[anonimizat], ÎN SISTEMELE TEHNICE MILITARE

DOMENIUL DE DOCTORAT: Inginerie

GRUPUL DE CERCETARE: [anonimizat], [anonimizat]/spin-off-uri; (grup 1)

Tutore: Prof.univ.dr.ec. Napoleon POP

Expert de cercetare științifică: Prof.univ.dr.ing. Sever Irin SPÂNULESCU

Doctorand: [anonimizat], [anonimizat]: Prof.univ.dr.ec. Napoleon POP

Expert de cercetare științifică: Prof.univ.dr.ing. Sever Irin SPÂNULESCU

Doctorand: [anonimizat] 2015

CUPRINS

Rezumat

Cercetarea descrisă în lucrarea de față a fost structurată prin trei teme:

1. Tipuri de biosemnale electrice și aplicații în domeniul sistemelor tehnice; senzori și mijloace de achiziție de date.

– sunt abordate sistemele biologice din perspectiva caracteristicilor, a transportului de informație, a [anonimizat]. [anonimizat], [anonimizat]-se în special biosemnale electrice după tipuri și caracteristici. O altă abordare a biosemnalelor vizează clasificarea după prelucrabilitate;

– [anonimizat];

– [anonimizat] (preluare) a [anonimizat];

– mijloacele de achiziție de date abordează achiziția semnalelor de tip GSR și o aplicație a semnalelor GSR pe un sistem tehnic integrat.

2. Procesarea biosemnalelor și corelarea dintre biosemnal și controlul mișcării la distanță.

– sunt prezentate metode de prelucrare a biosemnalelor și procedeul de prelucrare a semnalelor GSR prin stimulare fazică;

– [anonimizat];

3. Studiu statistic privind prelucrarea datelor experimentale ale interacțiunii dintre biosemnal și controlul mișcării la distanță.

– [anonimizat] a mișcării la distanță în sistemele tehnice militare;

– se prelucrează datele experimentale în vederea efectuării studiului statistic asupra acțiunii de comanda și controlul de la distanță a mișcării.

Modalitatea de punere în evidență a neurosemnalelor de tip GSR este stimularea electrică a epidermei, respectiv menținerea sa într-o [anonimizat]. [anonimizat], [anonimizat].

Deschiderea unui canal neurostimulator va pune în corespondență zona de măsură cu funcția psihofiziologică vizată, iar neurosemnalele culese la nivelul senzorilor vor conține informația referitoare la pattern-ul de răspuns pentru stimulul aplicat.

Procedeul de neurostimulare a fost abordat din perspectiva ansamblului de semnale implicate: semnalul treaptă de excitație, semnalul treaptă de răspuns și semnalul de tip purtătoare, de formă sinusoidală.

Extinzând forma semnalului de răspuns la nivelul a șapte cicli de stimulare, s-au obținut șapte funcții evaluate simultan pentru a intercepta prin variabilitatea lor, răspunsul în coordonatele de pattern cognitiv la stimulul aplicat. Pattern-ul cognitiv este astfel rezultatul unui proces de prelucrare a datelor de achiziție, prin aplicarea unei operații de filtrare, formatare și stabilire a mărimii funcțiilor de tip care alcătuiesc structura preluată de baza de experiențe.

Neurosemnalele de tip GSR au fost puse în evidență cu un echipament electronic dedicat, numit neurostimulator fazic. Acesta generează, formatează și aplică semnale de tensiune în treaptă, pe zonele de măsură din palmă cu ajutorul unor senzori de argint plasați corespunzător pe partea superioară a capacului echipamentului electronic. Neurosemnalele sunt înregistrate în vederea prelucrării, de către un logger. Prin intermediul unui program software specializat în achiziții de date, variațiile de conductanță sunt înregistrate ca variații corespondente de nivel de tensiune, pe parcursul unui număr de cicli de măsură, vizualizând formele semnalelor de excitație și de răspuns, realizând totodată citirea și stocarea valorilor de tensiune ale acestor semnale.

Confirmarea veridicității rezultatelor obținute prin abordarea originală a fenomenologiei GSR în cercetarea propusă s-a făcut evaluând simultan, prin măsurare directă, un număr de subiecți, de la care s-au preluat un set de semnale tip GSR, prin aplicarea unui semnal stimul, de tensiune, la nivelul epidermei, pe o zonă a palmei, cu ajutorul neurostimulatorului fazic, cu scopul de a recepționa un set de semnale de răspuns care au fost apoi convertite într-un set de șapte funcții distribuite grafic într-un pattern GSR, respectiv, prin achiziția unor semnale de tip EEG de la nivelul frunții, cu ajutorul altui echipament specializat, semnale care au fost apoi convertite într-un set de valori reprezentând distribuția densității spectrale de putere pentru benzile de frecvență cerebrală corespunzătoare.

Studiul experimental a utilizat deci, două tehnici diferite referitoare la biosemnale, pentru obținerea în variabile corespunzătoare fiecărei tehnici în parte, a aceluiași tip de comportament electric. Necesar în transmiterea comenzii și și controlului la distanță a unei mișcări, acest crossing în semnal electric poate fi implementat în sistemele de tip BCI, oferind posibilități superioare de utilizare a sistemelor cu biofeedback.

Așa după cum am arătat, pattern-ul de tp GSR este constituit din semnalele de răspuns la stimularea electrică, semnale compuse, fiecare, din semnalul de tip treaptă și semnalul purtătoare, a cărei anvelopă conține informații esențiale despre procesele psihofiziologice asupra cărora dorim să aplicăm o inferență. Astfel funcțiilor de răspuns proiectiv al neurocortexului, pe fiecare canal în parte le-au fost atribuite funcțiuni concrete în dinamica psihofiziologică a persoanei evaluate, în scopul de a obține martori electrici pentru corespondența cu tipologiile de semnal EEG.

Măsurarea directă a unor parametri fizici corelați cu anumite aspecte psiho-fiziologice a eliminat din lanțul de evaluare toate elementele ce puteau vicia rezultatul. De aceea, în determinarea funcțiilor proiective de tipul X(t), s-a utilizat o metodă de măsurare directă care se bazează pe principiul determinării nivelelor de conductibilitate a epidermei de tip SCL – conductanța bazală și SCR – conductanța de răspuns, realizând măsurătorile cu ajutorul unui echipament specializat, brevetat de către doctorand în România.

Cercetarea efectuată a confirmat ipoteza că există o corelație multiplă dintre pattern-uri de tip EEG, constituite din valorile distribuției densității de putere si cele de tip GSR formate din șapte funcții de răspuns la neurostimularea epidermei palmare. Această confirmare a fost necesară pentru alcătuirea bazei de experiențe (pattern-uri cognitive codate) necesară în aplicația finală a cercetării.

Abordarea transmiterii la distanță a unei comenzi, precum și asigurarea controlului unei mișcări prin intermediul structurilor psihice de tip pattern cognitiv, presupune o corelație stimul-pattern care va conduce la interceptarea ”comportamentului” cognitiv într-un sistem de coordonate ce oferă facilitatea disocierii aspectelor de bază care implică decizia, asigurând persoanei implicate posibilitatea administrării controlului la distanță prin biofeedback. Principiul acesta este utilizat cu precădere în tehnologiile BCI (Brain Computer Interface), sisteme ce conține un senzor de biosemnale care odată recoltate vor fi pre-procesate în vederea extragerii facilității în baza căreia se va asigura un feedback persoanei utilizatoare, dar și condițiile acționării controlului asupra aplicației.

În cercetarea de față s-a realizat o bază de experiențe ce conține toate corelațiile stabilite dintre stimul și patternul cognitiv. Pentru extragerea facilității, identificatorul de pattern reține din structura biodatelor de achiziție, forma encodată a pattern-ului adus de stimulul martor și o transmite unui bloc comparator programat aprioric cu codul de pattern al stimului martor, selectat din baza de experiențe, care asigură rolul de clasificare. Când codul ”stimul” este identic cu codul ”pattern”, blocul comparator transmite o comandă validă pentru formatarea comenzii. Comanda la distanță este preluată de elementul de execuție care operează tema formatată la nivelul comenzii, iar subiectul preia controlul prin biofeedback, implicând în bucla de comandă și control ceilalți stimuli martori.

Beneficiul utilizării metodei de comandă și control al mișcării la distanță în sisteme tehnice militară – obiectul cercetării de față constă în creșterea securității individuale și de grup în exploatarea acestor sisteme, contribuind la creșterea nivelului de siguranță în teatrul de operațiuni, respectiv la salvarea de vieți omenești. Pe de altă parte, implementarea unei asemenea metode pe sisteme tehnice militare, ca rezultat al cercetării romanești, în exclusivitate, poate contribui la sporirea încrederii și respectului partenerilor startegici, un aspect deosebit de benefic, mai ales în contextul geopolitic actual.

Pentru transmiterea la distanță a comenzii și controlului unei mișcări este necesară stabilirea unui lanț relațional între obiectul comenzii și controlului, respectiv subiectul care le aplică. Caracterizarea unei bucle de comandă și control bazată pe biosemnale preluate prin funcții proiective de la nivelul cortexului cerebral (biosemnale GSR), sau prin biosemnale de tip EEG, implică mai întâi, așa cum am arătat mai sus, stabilirea unei baze de experiențe ce trebuie să conțină formele structurilor de semnal constituite ca urmare a interacțiunii dintre subiect și ansamblul de stimuli aflați în câmpul cognitiv. Formarea unei comenzi și interceptarea răspunsului în vederea asigurării controlului de la distanță a mișcării va fi posibilă prin recunoașterea pattern-ului corespunzător din baza de experiențe.

Având în vedere faptul că rezultatele obținute în studiul experimental comparativ, confirmă ipoteza că există o corelație importantă între pattern-ul densității spectrale de putere al unui semnal de tip EEG preluat de la nivelul scalpului și patern-ul funcțiilor de răspuns prin semnal de tip GSR preluat de la nivelul palmei aceleiași persoane, prin procedeul de neurostimulare fazică, putem preconiza că un asemenea demers, realizat sistematic pentru întregul scalp, utilizând (spre exemplu) o cască EMOTIV EPOC cu 14 canale de măsură, poate conduce la identificarea unor corelații importante, capabile să alcătuiască o matrice de corespondențe a neurosemnalelor de tip GSR și funcțiile cerebrale complexe, în vederea stabiliri unei baze de experiențe cu acuratețe înaltă, utilizabilă în tehnica de ”pattern recognition”, respectiv transmiterea comenzii și controlului la distanță a unei mișcări.

O primă aplicație a acestui rezultat este un sistem interactiv de comandă și control unde operatorul va fi echipat cu ”mănuși inteligente”. Astfel inconvenientul purtării unei căști EEG, de multe ori incomode, este înlătura prin utilizarea unor mănuși-senzor, simple, comode, ușor de purtat.

O a doua posibilitate de implementare a soluțiilor cercetării de față ține de monitorizarea atenției și utilizarea informației acesteia în sisteme integrate de antrenament.

În aceeași linie se încadrează monitorizarea rezistenței la stress în teatrul de operațiuni.

Menționăm de asemenea diferența constatată între semnalele de tip EEG, pe care le considerăm cu precădere semnale de interes clinic, ele fiind legate de subsisteme cu activitate cerebrală strict specializată, și cele de tip GSR – stimulat, care sunt semnale de interes psihologic, fiind corelabile subsistemelor cu activitate psihică integrată. În aceasta rezidă de fapt importanța utilizării pattern-urilor cognitive (GSR) în comanda și controlul mișcării la distanță.

Cuvinte cheie:

neurostimulare, bioinginerie, psihometrie, inginerie psihologică, pattern cognitiv, inteligențe fractale, inferență psiho-fiziologică, rețele neuronale, sistem cognitiv modelare cibernetică, tehnopsihologie, inginerie psihometrică, psihotehnologie, psihoinginerie, inginerie cognitivă, neuroinginerie, științe cognitive.

Introducere

Cercetarea aplicativă în neuroinginerie, ingineria cognitivă și științele cogniției ocupă un loc important la nivel internațional. Dovadă stau megaproiectele inițiate de către SUA, respectiv Uniunea Europeană pentru studiul creierului uman. Un buget de circa 3 miliarde de dolari alocat de SUA în 2014, în cadrul unui proiect ambițios, menit să deschidă calea către tratamente pentru boli incurabile, ca maladiile Alzheimer sau Parkinson, sau ingrijirea unor traumatisme cerebrale și tulburări de natură psihiatrică, respectiv un miliard de euro, anunțat la sfîrșitul lui ianuarie 2013 că vor fi alocați de Uniunea Europeană pentru 20 de noi studii în domeniul cerebral, vizînd producerea unui model de creier bazat pe o simulare pe un supercalculator care să utilizeze toate cercetările de până în prezent asupra funcțiilor cerebrale, reprezintă dovada interesului deosebit pe care lumea modernă îl manifestă pentru aprofundarea cunoștințelor despre creierul uman.

Dacă noul proiect intitulat "BRAIN" (Brain Research through Advancing Innovative Neurotechnologies) ar urma să accelereze dezvoltarea și aplicarea unor noi tehnologii ce vor permite producerea de imagini dinamice ale interacțiunilor dintre celulele creierului și rețelele neuronale la viteze foarte mari, tehnologii ce vor deschide noi căi pentru explorarea modului în care creierul memorează, procesează, stochează și găsește vaste cantități de informații, oferind o nouă clarificare asupra legăturilor complexe dintre funcțiile cerebrale și comportament, Human Brain Project, inițiativă a ”European Month of the Brain”, va oferi în perioada imediat urmatoare, ocazia desfășurării a peste 50 de evenimente (conferințe, ateliere de lucru și întâlniri, școli de vară și cursuri de predare), inclusiv al nouălea congres al Societății de Neurologie din România, respectiv 20 de proiecte incluse pe lista scurtă pentru finanțare din partea UE pentru a livra cunoștințe noi și inovații în domenii cheie precum traumatismele cerebrale, tulburările psihice, durere, epilepsia și tulburările pediatrice de comportament.

Numai Uniunea Europeană, cu aceste fonduri, a ajuns la suma de aproape două miliarde de euro în ultimii șase ani, bani destinați doar pentru cercetarea cerebrală.

Pentru studierea creierului, în prezent sunt folosite tehnici avansate, cum ar fi imagistica funcțională prin rezonanță magnetică cu ajutorul căreia se pot studia zonele din creier care se activează la un moment dat. Există de asemenea tehnici avansate de electroencefalografie (EEG) cu ajutorul cărora se pot analiza semnalele cerebrale, ele însă, nu pot fi folosite, deocamdată, decât pentru o cartografiere la scară mare a creierului.

Pentru atingerea unor obiective cum ar fi cele prevăzute de proiectul BRAIN, vor fi necesare noi tehnologii. Nanotehnologia ar putea, spre exemplu, să furnizeze nanosenzori capabili să colecteze informații despre activitatea unui număr redus de neuroni și să le transmită către un receptor din exterior. S-ar mai putea dezvolta nanoparticule care să se atașeze de membrana neuronilor și, mai apoi, să transmită datele pe care le colectează, etc.

Pe de cealaltă parte, Human Brain Project, programul de cercetare lansat de Uniunea Europeană, vizează: acumularea și indexarea tuturor datelor necesare realizării unui atlas al creierului uman; realizarea de modele matematice avansate pentru simularea diferitele niveluri de organizare a creierului și capacitatea lui de a achiziționa, reprezenta și stoca informațiile din mediul înconjurător; realizarea unei platforme neuroinformatice (Neuroinformatics Platform), și a unei platforme pentru simularea creierului (Brain Simulation Platform) și elaborarea de proceduri terapeutice;

Toate aceste aspecte de cercetare experimentală capătă coerență și sens sub auspiciile noului concept de neuroinginerie, cu posibilitatea sa de implementare în neurotehnologie. El se evidențiază după toate criteriile de interdisciplinaritate atribuite generic tehnopsihologiei, bazându-se pe studierea relației dintre neuroni, rețelele neuronale și funcțiile sistemului nervos, și trecerea la modele cuantificabile în scopul de a dezvolta și implementa dispozitive tehnice de măsură și control al semnalelor. Dacă neuroingineria este îndreptată spre latura interfațării om-mașină, (BCI – Brain Computer Interface), specializarea sa poate depăși utilizarea în psihologie, deschizând perspective pentru robotică sau pentru tehnologiile virtuale și informatice, întâlnindu-se desigur în metodă cu ingineria cognitivă, dar diferențiindu-se de aceasta prin specificitatea implementării hard. Înterfațarea creier-calculator ar fi o cale de comunicare directă între un creier și un dispozitiv extern. Utilitatea sa este deja dovedită în ameliorarea, repararea sau substituirea unor funcții cognitive sau senzorio-motorii umane.

Un alt fenomen foarte mult utilizat pe sisteme de măsură a unor aspecte psihofiziologice este activitatea electrodermală. El va fi întâlnit și în cazul binecunoscutului poligraf (detector de minciuni), aflându-se de asemenea, la baza multor instrumente de măsură cu ajutorul cărora s-au realizat de-a lungul ultimilor 50 de ani o serie de determinări psihofiziologice importante.

Se pot nota astfel, importante inițiative de valorificare a fenomenologiei EDA în diverse aplicații aflate sub regim de brevet. Dintre acestea pot fi indicate cele care: măsoară reflexul psihogalvanic (Mayer, Richard, W., 1974, p.4); monitorizează starea psihofiziologică a unei persoane (Korenman, E., M., Dario, 2000, p. 8); vizualizează biosemnale provenind de la corpul uman (Griessbach, G., Kudryevtseva, S. Henning., G. Harampieva, I., Ivanova, G., Kirlengic, E., M., 2007, p. 4); monitorizează aspecte psihofiziologice printr-un sistem multimedia cu bioreacție asistat interactiv de calculator (Fisslinger, R., J., 1998 p. 4), etc.

O inițiativă de cercetare notabilă a avut loc începând cu anul 1970, la University of California, Los Angeles, unde s-au realizat experimente cu tehnologii bazate pe biofeedback, axate în special pe activitatea electrodermică (EDA), temperatură și curenți cerebrali, etc. (Schwartz, M., Andrasik, F., 2003).

Informații prețioase referitoare la zonele de măsură de la nivelul fiecărei palme sunt prezentate în diagramele lui Montsho Badarinwa, care face corelațiile dintre aceste zone, organele interne, funcțiunile psihofiziologice și centri identificați și utilizați în practica medicinei tradiționale, (Badarinwa, M., S., 2004 p. 18), diagrame corelate cu harta punctelor reflexogene ale palmei corespondente sistemului psihofiziologic uman (Carter, M., Weber, T. 2007, p. 44-45).

Toate aceste cercetări nu reușesc, însă, parcurgerea tuturor aspectelor complexe necesare conturării prin inferență din date fiziologice a unui complex satisfăcător de aspecte de personalitate, aspecte care pot fi implicate cu suficientă siguranță în comanda și controlul la distanță a mișcării în sistemele tehnice.

Tema proiectului de cercetare abordat în lucrarea de față nu poate fi epuizată în domeniul unei singure discipline. Astfel, de la fizica semnalelor și matematica prelucrării lor, până la fenomenologia psihofiziologică exprimată într-o formă avansată de pattern-uri ale căror funcții de comandă și control de la distanță al mișcării presupun inclusiv elemente de inginerie electronică și electro-mecanică, tema abordată necesită o susținută și argumentată abordare multidiciplinară.

O asemenea abordare presupune studiul fenomenelor de interfață care pot oferi ingineriei posibilitatea implementării elementelor de comandă și control având ca date de intrare neurosemnale achiziționate prin procedee specifice, corespunzătoare unor anumite aspecte psihofiziologice. Deosebit de important ân acest sens este tipul de model utilizat, relația dintre variabilele dependente și cele independente (în cazul modelelor statistice), în scopul realizării algoritmului sistemului de comandă și control.

Prin cercetarea de față noi punem o viziune globală asupra soluțiilor de identificare a elementelor psihofiziologice implicate în algoritmi de comandă și control, realizate pe o tehnologie de măsură cu metodă directă, neinvazivă, rapidă și foarte precisă.

Metoda de lucru oferă posibilitatea identificării și gestionării într-o bază de experiențe a unor structuri cognitive invariante (de tipul pattern cognitiv), pentru corelații ulterioare în dezvoltarea algoritmului de comandă și control la distanță, astfel sunt aduse în paradigma interfeței om-mașină soluții novatoare privitoare la aportul tipologiilor de personalitate, respectiv la condițiile psihologice specifice necesare în acționarea de la distanță a unor sisteme tehnice.

Aplicabilitatea în domeniul tehnicii militare, conferă cercetări o deosebită împortanță, mai ales în ceea ce privește creșterea nivelului de securitate al unor manevre și acțiuni ce implică tehnica și personalul uman.

Urmându-și propriul drum prin aplicația de nișă pe care o dezvoltă, cercetarea noastră deschide perspectiva implementării în sistemele tehnice militare a unor interfețe inteligente, care să implice creierul uman direct în managerizarea unor comenzi la distanță. Pentru aceasta, a fost utilizat procedeul de ”neurostimulare fazică a epidermei”, precum și un echipament și o metodă capabile să identifice foarte rapid profilul psihologic, brevetate de către doctorand în Romania, (OSIM, Brevet nr. 127615 din 29.11.2013-titular Dumitru Grigore).

Nu în ultimul rând, cercetarea de față aduce la nivel național și internațional noutatea abordării structurilor cognitive pentru identificarea unor invarianți în baza cărora să se poată transmită la distanță comanda și controlul mișcării în sistemele tehnice militare. Astfel obiectul proiectului de cercetare de față, plasează Romania prin actul de cercetare, la același nivel cu țările care pentru asta cheltuiesc, așa cum am arătat, sume imense. Deși nu competiția financiară pe bugete de cercetare ar fi în atenția noastră, tema de cercetare abordată conferă garanția că prin această foarte nouă tematică, cercetarea românească este promovată la standardele celor mai avansate studii intreprinse la nivel mondial în acest domeniu, cel al neuroingineriei, ingineriei cognitive și al științelor cogniției, iar acest demers, considerăm că se încadrează optim în obiectivul general al Proiectului „Studii doctorale și postdoctorale Orizont 2020: promovarea interesului național prin excelență, competitivitate și responsabilitate în cercetarea științifică fundamentală și aplicată românească”, Contract POSDRU/159/1.5/S/140106.

CAPITOLUL 1

Tipuri de biosemnale electrice și aplicații în domeniul sistemelor tehnice.

1.1 Sistemele biologice

1.1.1 Transportul informației în sistemele biologice

Sistemul biologic este un sistem dinamic, deschis care are schimburi continui de materie, energie și informație cu mediul interior și exterior.

Transportul și procesarea informației în sistemele biologice – organismul uman – sunt facilitate de mecanismele umorale sau nervoase pe trei niveluri:

– Procesele de la primul nivel, cel mai de jos, sunt conectarea cu reglarea reacțiilor biochimice de bază.

– Al doilea nivel este format din procese realizate in sisteme autonome ce utilizează mecanisme umorale și nervoase, care controlează funcțiile unor organe (ex. inima).

– Al treilea, și cel mai înalt nivel, acoperă procesarea informației în sistemul nervos central.

1.1.2 Energia în sistemele biologice

Energia pentru toate funcțiile vitale ale corpului este obținută prin metabolism aerobic sau anaerobic:

– Metabolismul aerobic eliberează energia din carbohidrați, proteine și grăsimi prin procesul de oxigenare. Metabolismul aerobic este folosit de cele mai multe celule, întrucât produce mari cantități de energie pentru perioade prelungite de timp, dar necesită prezența oxigenului;

– Metabolismul anaerobic, în schimb, nu necesită oxigen, dar este mult mai puțin eficient întrucât produce cantități mici de energie și funcționează doar pe perioade scurte de timp (Morowitz, H.J).

Ca urmare, corpul are nevoie de oxigen pentru a produce cantități mari de energie necesare pentru cele mai multe funcții ale corpului, nu doar pentru mișcare, dar și pentru respirație, alimentație, digestie, funțiile osmotice ale rinichilor, generarea potențialelor de acțiune și funcționarea nervilor. O parte este consumată, transformată în energie calorică.

Această formă de energie chimică este stocată în molecule speciale. Cele mai cunoscute sunt cele de ATP (adenozin-5'-trifosfat) Energia eliberată prin ruperea fie a unei unități de fosfat (Pi) sau de pyrofosfat (PPi) din molecula de ATP

ATP + H2O –> ADP + Pi ΔG° = −30.5 kJ/mol (−7.3 kcal/mol)

ATP + H2O –> AMP + PPi ΔG° = −45.6 kJ/mol (−10.9 kcal/mol)

în condiții standard, în condiții tipice celulare, ΔG este aproximativ −57 kJ/mol (M. Covic).

1.1.3 Homeostazie și adaptare

Homeostazia (din grecescul: a sta nemișcat la fel) este proprietatea unui sistem, fie el deschis sau închis, care îi reglează mediul intern și tinde să mențină o stare stabilă, constantă.

Toate mecanismele de control homeostatic au cel puțin trei componente interdependente pentru variabila de reglat: receptorul este componenta de simț care monitorizează și răspunde la schimbările din mediu. Când receptorul simte un stimul, trimite informația la centrul de control, componenta care stabilște o marjă în care este menținută variabila (Paraschiv T.). Centrul de control determină un răspuns potrivit la stimul. În cele mai multe mecanisme homeostatice centrul de control este creierul. Centrul de control trimite apoi semnalele către un efector, care pot fi mușchii, organele sau alte sctructuri ce primesc semnale de la centrul de control. După primirea semnalului, are loc o schimbare care corectează deviația fie prin întărirea ei printr-un feedback pozitiv (ex. acumularea de trombocite sanguine) sau prin scăderea ei printr-un feedback negativ (ex. reglarea tensiunii sanguine prin vasoconstricție sau vasodilatație)

Adaptarea este procesul evolutiv prin care o populație devine mai bine dotată pentru habitatul său. Ea poate fi structurală, comportamentală sau fiziologică. Adaptările structurale sunt trăsături fizice ale unui organizm (formă, înveișul corpului, aparate defensive sau ofensive); și deasemenea de organizare internă. Adaptările comportamentale sunt compuse din lanțuri de comportamente moștenite și/sau de abilitatea de a învăța: comportamentele pot fi moștenite în detaliu (instinctele), sau poate fi moștenită o tendință de a învăța. Ex: căutarea alimentelor, împerecherea, vocalizarea (Paraschiv T.). Adaptările fiziologice permit organismului să îndeplinească funcții speciale (de exemplu producerea de venin, secreția de mucus, fototropismul); dar și funcții mai generale cum sunt creșterea și ezvoltarea, reglarea temperaturii, echilibrul ionic și alte aspecte ale homeostaziei. Adaptarea, deci, afectează toate aspectele vieții unui organism.

Semnalul biologic

1.2.1 Generalități

Biosemnalul este un termen ce surprinde toate tipurile de semnale care pot fi (în mod continuu) măsurate și monitorizate la ființele biologice. Termenul de biosemnal este adesea utilizat în locul celui de semnal bio-electric, dar de fapt, biosemnal înseamnă atât semnalele electrice cât și non-electrice. În general biosemnalul descrie un fenomen fiziologic, indiferent de natura acestei descrieri. Deoarece există o multitudine de mecanisme fiziologice, numărul de biosemnale este foarte mare, varietatea acestora extinzându-se de la simpla inspecție vizuală a persoanei supusă unei evaluări, până la semnalele înregistrate din corpul uman folosind senzori.

Biosemnalele electrice sunt de obicei considerate a fi (schimbări ale unor) curenți electrici, produse de suma diferențelor de potențial de la nivelul unui țesut, organ sau sistem de celule specializate cum este sistemul nervos.

Informația din biosemnale este adesea depreciată de tulburări sau zgomot. Ca urmare, biosemnalele trebuie să fie corect procesate – folosind o transpunere sau filtrare pentru a extrage informația căutată.

Există mai multe metode și algoritmi de procesare a biosemnalelor, în 1 sau 2 dimensiuni, în distribuție în timp sau frecvență.

Efectele electrice caracteristice organismului viu rezultă din proprietăți fundamentale celulare și anume, potențialul transmembranar și potențialul de acțiune. Potențialul transmembranar este determinat de distribuția neuniformă a ionilor în interiorul și exteriorul celulelor, ca rezultat al proceselor neîntrerupte de transport activ prin membrana celulară. Ca o consecință, potențialul în celula polarizată este cu 90 mV mai scăzut decât în mediul extracelular. [12] Potențialul transmembranar – de repaos – nu produce efecte electrice măsurabile în volumul țesuturilor. Excitabilitatea celulară face ca un stimul suficient de intens să declanșeze un proces energetic tranzitoriu, constând din deplasări masive de ioni prin membrana celulară, însoțite de variații de potențial electric. În decursul unei fracțiuni de milisecundă potențialul intracelular realizează un salt de 0,12 V, după care revine la valoarea de repaos. Depolarizarea și repolarizarea celulară generează potențial de acțiune. Potențialul de acțiune poate produce efecte în proximitatea celulei. Dacă agentul stimulator excită mai multe celule în același timp, potențialele de acțiune se însumează spațial și efectele receptabile devin mai mari. De exemplu, depolarizarea celulelor musculare din inimă generează variații de potențial electric, detectabile la nivelul extremității membrelor.

Potențialul de acțiune celular (PAC), ca efect electric al depolarizării prin stimulare, apare la anumite tipuri de celule – neuron, fibră nervoasă, fibră musculară, celula glandulară și receptorii de stimuli fizici sau chimici. [7]; [15]

Neuronii și fibrele musculare din organism răspund prin depolarizare la influxul nervos. În plus, fibra musculară se tensionează mecanic, cu tendința de scurtare puternică. Pe de altă parte, toate celulele excitabile se depolarizează ca urmare a unei stimulări electrice artificiale. Studiul potențialului de acțiune generat de diferite tipuri de celule excitabile, efectuat în afara organismului, în “vitro”, evidențiază o desfășurare și caracteristici asemănătoare. Activitatea unei celule din interiorul organismului nu poate fi pusă în evidență. În schimb, semnalele bioelectrice generate de diverse grupuri de celule, asociate în unități funcționale, organe, mușchi, țesuturi, reprezintă particularități inconfundabile, cu parametrii specifici din care se deduc aprecieri privind vitalitatea și funcționalitatea acestora.

1.2.2 Clasificarea biosemnalelor

Clasificarea biosemnalele poate fi făcută după:

• existența și dinamica lor, respectiv după sursa sau natura fizică a acestora, clasificare ce respectă caracteristicile fizice de bază ale procesului studiat (Kaniusas).

• caracteristicile semnalului. Din punctul de vedere al analizei semnalului (al prelucrabilității sale), aceasta este cea mai relavantă metodă de clasificare. Când scopul principal este procesarea, nu este relevată sursa semnalului, nici sistemul biomedical căruia îi aparține; ceea ce contează sunt caracteristicile semnalului.

• aplicația biomedicală, aparatură, sisteme de diagnostic. Semnalul biomedical este obținut și procesat în scopul diagnosticării, monitorizării sau în alte scopuri. Calsificarea poat fi realizată conform domeniului de aplicare, ex. cardiologie, sau neurologie.

Asemenea clasificări pot fi de interes când scopul lor este, de exemplu, studiul sistemelor fiziologice.

1.2.2.1 Clasificare după existență, dinamică și natură

Din punct de vedere al existenței lor, biosemnalele sunt permanente sau induse.

Dinamica lor le clasifică în biosemnale dinamice, statice și quasi-statice iar natura lor le clasifică în biosemnale electrice, magnetice, mecanice, optice, acustice, chimice, termice etc. (Kaniusas).

a). Semnale bioelectrice. Sunt generate de celulele nervoase și celulele musculare. Sursa lor este potențialul de membrană, care în anumite condiții poate fi excitată pentru a genera un potențial de acțiune. În măsurătorile asupra unei singure celule, în care sunt folosiți ca senzori microelectrozi specifici, potențialul de acțiune este semnalul biomedical. În măsurători mai grosiere, unde, de exemplu, sunt folosiți ca senzori electrozi de suprafață, câmpul electric generat prin acțiunea mai multor celule, distribuite în vecinătatea electrodului, constituie semnalul bioelectric. Câmpul electric se propagă prin mediul biologic și astfel potențialul poate fi obținut în locații relativ convenabile la suprafață, eliminând nevoia de a invada sistemul. Semnalul bioelectric necesită un transductor relativ simplu pentru înregistrarea sa. Ex: ECG, EEG, EMG și altele.

Pentru ușurința schimbului informațional în lumea medicală și unificarea aparaturii necesare la explorările funcționale, au fost acceptate metode și tehnici de prelevare, prelucrare și interpretare ale semnalelor bioelectrice emise de organismul uman.

a.1.Biosemnalele ECG (electrocardiografie). Efectele electrice generate de inima în funcțiune, detectabile în cea mai mare parte a corpului, formează obiectul cercetării în electrocardiografie (ECG). Înregistrarea rezultată în decursul timpului se numește electrocardiogramă. În funcție de punctele contactate pe corp și circuitele electrice realizate – pe de o parte – și starea sănătății celui investigat – pe de altă parte – înregistrările ECG prezintă aspecte distincte. Cu toate că inima bate clic datorită automatismului funcțional, înregistrările nu se repetă întocmai ca formă, amplitudini și intervale. Din această cauză semnalele bioelectrice ECG fac parte in categoria funcțiilor aleatoare, a căror interpretare reclamă și analiza statistică.

a.2. Biosemnalele EDA (reflexul electrodermal). Răspunsul electrodermal constă în modificări ale proprietăților electrice ale pielii unei persoane datorită interacțiunii dintre factorii de mediu și starea psihofiziologică. De obicei sunt urmărite variațiile rezistenței sau conductanței epidermei. Conform modelului exocrin al lui Edelberg, unul din modelele cele mai acceptate în domeniu, modificările fazice ale conductanței pielii apar atunci când glandele din piele se umplu, iar conductanța pielii revine la valorile bazale atunci când această umezeală este reabsorbită de glande. In acest model, glandele exocrine de fapt reprezintă niște rezistențe. Conductanța crește (rezistența scade) atunci când aceste glande se umplu. Amplitudinea modificării conductanței derivă din cantitatea de soluție conținută de glande, precum și de numărul glandelor exocrine activate simultan. Activarea glandelor exocrine este reglată neural. Asupra lor își exercită comanda sistemul nervos vegetativ ortosimpatic, având drept neuromediator al joncțiunii neuroglandulare, acetilcolina, activitatea electrodermală fiind o proiecție în biopotențiale electrice (neurosemnale), a acțiunii formațiunii reticulare a trunchiului cerebral, a hipotalamusului, a sistemului limbic și a cortexului motor. Se mai cunoaște de asemenea că activitatea electrică a pielii este corelată cu debitul de sânge în zonele periferice, depinzând direct de pulsul inimii.

Caracteristicile EDA. În cazul unui neurosemnal de tip EDA, [1] mărimile caracterizate sunt conductanța tonică și cea fazică. SCL (skin conductance level) reprezintă conductanța tonică sau bazală a pielii, un nivel de conductanță manifest în absența oricărui stimul extern. SCL este exprimat în S (micro Siemens), și se încadrează în general în intervalul 10-50 S. Conductanța fazică, SCR (skin conductance response) ia naștere în prezența unui stimul extern (vizual, auditiv, tactil, etc) și reprezintă o creștere a conductanței pielii ce poate dura până la 10-20 secunde urmată de revenirea la SCL. În literatura de scpecialitate (Edelberg, 1968) este menționat aspectul că aceste reacții de tip SCR sau GSR (galvanic skin response) pot avea loc și spontan, în absența oricărui stimul extern, cu o frecvență de 1-3/min.

Terminologia utilizată în tehnica EDA stabilește că pentru un semnal SCR, se pot înregistra următorii parametri: amplitudinea exprimată în micro Siemens (S), latența, durata creșterii conductanței după aplicarea stimulului și jumătatea timpului de revenire la SCL (Fig.1.4). Amplitudinea este dată de diferența dintre nivelul maxim al raspunsului SCR și nivelul SCL din momentul aplicării stimulului extern. Latența (circa 3 secunde) este durata între momentul aplicării stimulului și momentul apariției raspunsului SCR. Durata creșterii conductanței este durata parcurgerii pantei ascendente până la maximul SCR (între 1-3 secunde). Semi-timpul de revenire este inregistrat din momentul atingerii maximului SCR până la nivelul a 50% din amplitudine (între 2-10 secunde).

b). Semnale de impedanță. Impedanța țesutului conține informații importante despre compoziția lui, volumul de sânge, distribuția sângelui, activitatea enocrină, activitatea sistenuui nervos automat, și altele. Semnalul de bioimpedanță este de obicei generat prin injectarea (sau superficial) în țesutul de dedesubt, curenți sinusoidali de test (cu marja de frecvență de la 50 kHz la 1 MHz, cu densități de curenți joși, de ordinul a 20 A până la 2 mA). Aria de frecvență este aleasă pentru a minimaliza problemele de polarizare a electrozilor, iar densitățile de curenți slabi sunt alese astfel încât să se evite afectarea țesuturilor în special prin efectul de încălzire. Măsurătorile de bioimpednță sunt de obicei realizate cu 4 electrozi. Doi electrozi sursă sunt conectați la o sursă de curent și sunt folosiți pentru a injecta curentul în țesut. Cei doi electrozi de măsurare sunt plasați pe țesutul investigat și sunt folosiție pentur a măsura căderea de voltaj generată de curent și de impedanța țesutului. Ex: pletismografia de impedanță sau rheografia.

c). Semnale biomagnetice. Diferite organe, cum ar fi creierul, inima, plămânii produc câmpuri magnetice extrem de slabe ( 10-9 T la 10-6 T ). Măsurătorile dintre aceste domenii oferă informații care nu sunt incluse în alte tipuri de biosemnale (cum ar fi semnale bioelectrice). Datorită nivelului scăzut ale câmpurilor magnetice care urmează să fie măsurate, semnalele biomagnetice au, de obicei, un raport semnal/zgomot foarte mic, ceea ce necesită o mare prudență în proiectarea sistemului de achiziție a acestor semnale.

Tabelul 1.1 [5]

Aparate de interferență cuantică superconductoare (SQUID) sunt magnetometre foarte sensibile folosite pentru a măsura câmpuri magnetice extrem de slabe, pe baza buclelor superconductoare ce conțin joncțiuni Josephson. Acestea sunt suficient de sensibile pentru a măsura chiar și câmpuri de nivelul 5 × 10-18 T. Puterea câmpului la suprafața Pământului se situează într-o arie cuprinsă înntre mai puțin de 3 × 10-5 T în zonele ce cuprind cea mai mare parte a Americii de Sud și Africa de Sud până la peste 6 × 10-5 T în jurul polilor magnetici în nordul Canadei și sudul Australiei, și unele părți din Siberia (Un magnet al unui frigider tipic produce 10−2 T.)

d) Semnale bioacustice. Multe fenomene biomedicale generează zgomote acustice. Trecerea sângelui prin inimă, printre valvele inimii, sau prin vasele de sânge, generează în mod tipic un zgomot acustic. Trecerea aerului prin căile respiratorii superioare și inferioare și prin plămâni, creează sunete acustice. Aceste sunete, cunoscute ca tuse, sforăit, și sunete toracice și pulmonare, sunt extensiv utilizate în medicină.

Deasemenea, sunt produse sunete în tractul digestiv și în articulații. S-a observat și faptul că contracțiile musculare produc un zgomot acustic (zgomot muscular).

Deoarece energia acustică se propagă în mediul bilologic, semnalul bioacustic poate fi receptat în mod convenabil la suprafață, folosind transductori acustici (microfoane sau accelerometre).

e). Semnale biochimice. Semnalele biochimice sunt rezultatul măsurătorilor chimice din țesutul viu sau din frotiurile analizate în laboratoare clinice. Măsurarea concentrației de diferiți ioni înauntrul și în vecinătatea unei celule prin intermediul unor electrozi ionici specifici este un exemplu al unui asemenea semnal. Presiunea partială a oxigenului (pO2) și a dioxidului de carbon (pCO2) din sânge sau din sistemul respirator sunt alte asemenea exemple, sau pH-ul sângelui.

Semnalele biochimice sunt cel mai adesea semnale cu frecvență foarte joasă. Cele mai multe semnale biochimice sunt de fapt semnale DC.

f). Semnale biomecanice. Termenul de semnale biomecanice include toate semnalele folosite în domeniile biomedicinii care își au originea în anumite funcții mecanice ale sistemului bilogic. Aceste semnale includ semnalele de mișcare și deplasare, semnalele de presiune, tensiunea și circulație, și altele. Măsurarea semnalelor biomecanice necesită o varietate de transductori, nu întotdeauna simpli și ieftini.

Fenomenul mecanic nu se propagă, așa cum se întâmplă în cazul celor electrice, magnetice și câmpurilor acustice. Măsurarea este de aceea de obicei făcută exact la locul vizat. Acest aspect complică adesea măsurarea și obligă la utilizarea unor metode invazive. Ex. presiunea sângelui, non-direct – fonocardiografie, carotidografie.

g) Semnale biooptice. Semnalele biooptice sunt rezultatul funcțiilor optice ale sistemului bilogic ce au loc în mod natural sau sunt induse prin măsurtori. Oxigenarea sângelui poate fi estimată prin măsurarea luminii transmise și răspândite dintr-un țesut (in vivo și in vitro) în câteva lungimi de undă (oximetrie). Informații importante despre făt pot fi obținute prin măsurarea caracteristicilor fluorescente ale fluidului amniotic. Estimarea funcționării inimii poate fi realizată prin metoda diluției cu colorant, care necesită monitorizarea apariției unui colorant recirculat în fluxul sangvin. Dezvoltarea tehnologiei pe bază de fibre optice a deschis calea pentru vaste aplicații ale semnalelor biooptice.

h) Biosemnale termice – continue sau discrete poartă informații despre temperatura mediului intern al organismului sau despre distribuția temperaturii la suprafața acestuia. Măsurarea temperaturii reflectă procesele fizice și biochimice ce au loc în organism. Măsurarea este de obicei realizată printr-o metodă de contact, folosind o varietate de termometre. În cazuri speciale este folosită o cameră termografică 2D.

i) Biosemnale radiologice. Aceste biosemnale sunt formate prin interacțiunea de radiații ionizante cu structuri biologice. Ele transportă informații despre structurile interioare anatomice. Acestea joacă un rol important în diagnosticare și terapie.

j) Biosemnale ultrasonice. Acestea apar din interacțiunea cu țesuturile organismului, conțin informații despre impedanțele acustice ale structurilor biologice și modificările lor anatomice. Sunt obținute prin sonde conținând

1.2.2.2 Clasificare după prelucrabilitate

Sunt recunoscute două clase mari de semnale:

– semnale continue

– semnale discrete

Semnalele continue sunt descrise de o funcție continuă s(t) care furnizează informații despre semnal la fiecare moment dat. Semnalele discrete sunt descrise de o secvență s(m) care furnizează informații la un anumit punct discret de pe axa timpului.

Cele mai multe semnale biomedicale sunt continue. Întrucât tehnologia actuală furnizează instrumente puternice pentru procesarea semnalului discret adesea un semnal continuu este transpus în unul discret printr-un proces cunoscut drept sampling.

Semnalele sunt împărțite în două grupe principale:

– semnale deterministe

– semnale stochastice [9]

Semnalele deterministe sunt semnale care pot fi descrise exact prin metode matematice sau grafice. Semnalele din lumea reală nu sunt niciodată deterministe. Există întotdeauna un zgomot necunscut și imprevizibil adăugat la semnal, schimbări în parametri. Este foarte adesea convenabilă aproximarea sau modelarea semnalului prin medii ale unei(or) funcții deterministe. Aceste tipuri de biosemnale sunt cele periodice, quasi-periodice și tranzitorii.

O familie importantă de semnale deterministe este familia perioadei. Un semnal periodic este un semnal determinist ce poate fi exprimat ca:

unde n este un integrator, iar T este perioada. [5]

În anumite condiții, semnalul presiunii sangvine poate fi modelat printr-un semnal periodic complex, având rata bătăilor inimii ca perioadă și forma de undă a presiunii sanguive ca formă de bază a undei.

Cele mai multe funcții deterministe sunt nonperiodice. Uneori este utilă luarea în considerare a unui tip de semnal ”aproape periodic”. Semnalul ECG poate fi uneori considerat ”aproape periodic”. Intervalul RR al ECG-ruilor nu este niciodată constant; în plus, complexul PQRST al unei bătăi de inimă nu este niciodată exact același ca al altei bătăi Cea mai importantă clasă de semnale este clasa stochastică. Semnalele stochastice nu pot fi exprimate în mod exact; ele pot fi descrise doar în termeni de probabilități. Procesele stochastice sunt staționare sau non-staționare.

Procesele stochastice staționare sunt procese ale căror statistici nu se schimbă în timp. Expectația și varianța (ca și orice alte medii statistice) ale unui proces staționar vor fi independente de timp. Din păcate, aproape toate semnalele sunt nonstaționare (ex. semnalul EEG din timpul somnului ).

1.3 Aplicații in domeniul sistemelor tehnice; aparatura electronică în medicină

1.3.1 Sisteme de diagnostic

Semnalele electrice sunt detectate de senzori (în special electrozi), în timp ce magnitudinile nonelectrice sunt mai întâi convertite de transductori în semnale electrice care pot fi mai ușor tratate, transmise și stocate. Semnalele rezultate din electrozi sau senzorii celor mai multe cantități monitorizate sunt semnale analoage. Pentru procesarea, stocarea și transportul lor este necesară amplificarea, filtrarea și digitalizarea lor folosind convertori A/D (Fig. 1.6).

Fig. 1.6 Diagrama bloc a aparatului de diagnosticare (după [5] ).

Diferite tipuri de microprocesoare sunt utilizate pentru a procesa biosemnale (PC-urile servesc ca unități de control).

Digitalizarea semnalului. Conversia A/D în mod ideal poate fi divizată în doi pași, procesul de sampling, care convertește semnalul continuu într-o serie de timp discret și ale cărui elemente sunt numite probe, și o procedură de cuantificare , care alocă amplitudinea fiecărei probe unui set de valori discrete determinate. Ambele procese pot modifica caracteristicile semnalului. Un semnal de timp continuu poate fi complet recuperat din probele sale dacă, și numai dacă, rata de sampling este mai mare decât dublul lățimii de bandă a semnalului (teorema Shanon-Kotelnikov).

Fig. 1.7 Procedeul de digitalizare a semnalului (după [5] ).

Redarea semnalului de obicei respectă nevoile utilizatorului. Există sisteme de redare cu informație numerică sau grafică (diode emițătoare de lumină LED, LCD, monitoare).

Stocarea Datelor (ex. ECG Holter cu durată lungă (24 – 48h) de monitorizare a presiunii sângelui sau pH-ului stomacului).

Transmiterea datelor local, în interiorul clinicii sau prin intermediul sistemului infromațional al unui spital (HIS), dar și către alte locuri prin telefon, internet sau telemetric.

1.3.2 Echipamentul pentru terapie

După stabilirea diagnosticului se aplică proceduri corespunzătoare prin intermediul unor echipamente specializate în terapie, echipamente care au posibilitatea să monitorizeze funcțiile vitale, dozele utilizate în terapie, să afișeze permanent parametri monitorizați, să realizeze întreaga supraveghere terapeutică. Aplicatorii sunt electrozi de stimulare, rezonatori de cavitate, capete de ultrasunete, cărbuni, fibre optice, și altele, care acționează direct asupra unei anumite zone țesut, organ (Fig. 1.8).

Fig. 1.8 Diagrama bloc a aparatului de terapie (după [5] ).

CAPITOLUL 2

Senzori și mijloace de achiziție de date

2.1. Senzori de biosemnale

Integrarea senzorilor de biosemnale în categoriile generale ale traductorilor va pune în evidență natura mărimii de intrare și de ieșire, mărimea și calitatea de a fi parametrice sau generatoare.

Conform acestei clasificări vom mai distinge categoriile care împart senzorii de biosemnale în: senzori fizici și senzori chimici.

In cazul senzorilor fizici, sunt măsurate cantități ale variabilelor geometrice, mecanice, termice, și hidraulice. În aplicațiile biomedicale aceștia pot include aspecte ca deplasări musculare, presiunea sângelui, temperatura interiorului corpului, circulația sângelui, presiunea lichidului cerebrospinal, și creșterea oaselor. Aceștia se mai numesc și senzori pentru măsurarea semnalelor biologice (cantități fizice).

A doua clasă majoră de aparate de receptare sunt senzorii chimici. În cazul acestora senzorii măsoară cantități chimice cum sunt identificarea prezenței unor anumite componente chimice, detectarea concentrației anumitor specii chimice, și monitorizarea activităților chimice din corp pentru aplicațiile de diagnosticare și terapeutice.

Unele biosemnale importante nu au caracter de potențial electric sau de voltaj. Monitorizarea poate fi realizată doar prin senzori fizici care transformă acel semnal din cantitate fizică într-o formă de semnal electric.

2.1.1. Senzori de deplasare

a. Senzorul inductiv al unei deplasări folosește modificările de inductanță ale bobinei unui tor feromagnetic la schimbarea poziției acestuia (Fig. 2.1.1).

Fig. 2.1.1. Senzor inductiv pentru deplasare, cu tor feromagnetic [4]

Inductanța este dată de formula: , unde 0 este premeabilitatea în vid,r este permeabilitatatea relativă a torului feromagnetic, G este constantă și caracteristică formei torului, N este numărul de spire [4].

b. Senzorul capacitiv pentru monitorizarea modificărilor de poziție, folosește modificările de capacitate ale unui condensator plat .

Capacitatea este dată de formula:

unde 0 este permitivitatea vidului,r permitivitatea relativă a dielectricului (aer), S este aria condensatorului, d este distanța dintre armături.

Dacă, de exemplu, un disc este fix atunci capacitatea va varia invers față de separația discului. Aceasta are ca rezultat o caracteristică hiperbolică a variației de capacitate. Acești senzori pot fi folosiți la monitorizarea mișcărilor pacientului în pat, dar pot fi aplicați și în măsurarea respirației, a presiunii fluidelor, etc.

2.1.2. Senzori de viteză și curgere, senzori de masă

a. Traductoare piezoelectrice

Fig. 2.1.4. Traductor piezoelectric [3]

Conține un element sensibil piezoelectric pentru un traductor de forță:

U.E. – unități elastice de tip coloană care transmit efortul la cristalele piezoelectrice;

C – cristale pizoelectrice (supuse la compresiune).

Cristalele piezoelectrice, care preiau forța, au între ele un electrodul pentru captarea sarcinilor electrice (diferența de potențial) [1] [2] [9].

Măsurarea vitezei și curgerii sângelui. Pentru măsurătorile non-invazive ale vitezelor sau fluxului sângelui se folosesc traductori piezoelectrici în instrumente de ultrasunete Dopller. (Fig. 2.5). De obicei aceștia sunt traductori piezoelectrici ceramici ce funcționează la frecvețe între 4 până la 10 MHz în mod continuu sau pulsatil. Traductorii piezoelectrici pot fi deasemenea folosiți la măsurarea presiunii sângelui sau pentru observarea mișcării valvelor inimii în fonocardiografie.

Fig. 2.1.5. Traductor piezoelectric cu efect Dopller [4]

b. Senzori ai fluxului de aer. Măsoară rata fluxului prin intermediul unui traductor prin care respiră pacientul. Aerul trece printr-o plasă fină care opune o rezistență mică fluxului, cu rezultatul că va apărea o scădere de presiune prin plasă proporțional cu rata fluxului (Fig. 2.6. a). Instrumentul calculează de asemenea volumul prin integrarea semnalului de flux (Fig. 2.6. b). Capetele în formă de con ale tubului generează un flux laminar de aer în jurul traductorului de presiune. Încălzirea plasei facilitează evaporarea apei.

a b

Fig. 2.1.6. Pneumotahometrul Fleish [4]

2.1.3. Senzori de temperatură

Există multe feluri de senzori de temperatură, dar trei dintre acestea au aplicații deosebit de largi în probleme biomedicale – termometre cu rezistență metalică, termistori, și termocupluri [4].

a. Termometru cu rezistențe metalice. Rezistența electrică a unei bucăți de metal sau sârmă în general crește pe măsură ce crește temperatura acelui conductor electric. O aproximare lineară a acestei relații este dată de ecuația:

unde R0 este rezistența la temperatura T0, este coeficientul de temperatură al rezistenței, iar T este temperatura la care se fac măsurările.

Cele mai multe metale au coeficinți de temperatură ai rezistenței de ordinul 0.1– 0.4%/°C.

Metalele nobile sunt preferate pentru rezistența termometrelor, deoarece ele nu corodează ușor.

Termometrele cu rezistență de metal sunt adesea fabricate din sârmă subțire izolată care este înfiptă într-o teacă mică.

b. Termistori. Spre deosebire de metale, materialele semiconductoare au o relație inversă între rezistență și temperatură (Fig. 2.1.8). Rezistența lor ca funcție de temperatură este dată de:

unde R0 marchează rezistența termistorului la temperatura de referință T0 (298,15 K=25°C), este o constantă determinată de materialele care compun termistorul, constantele de temperatură pentru maerialele curente sunt între 1500 și 7000 K.

Fig. 2.1.8. Caracteristica unui termistor [4]

Termistorii sunt de obicei un amestec de oxizi metalici cum ar fi FeO, NiO, MnO, TiO, CoO.

c. Termocupluri. Când diferite regiuni ale unui conductor electric sau semiconductor se află la temperaturi diferite, apare un potențial electric între aceste regiuni care este direct legat de diferențele de temperatură. Acest fenomen, cunoscut drept efectul Seebeck, poate fi folosit la producerea senzorilor de temperatură cunoscuți sub numele de termocuplu prin conectarea unei sârme de metal sau aliaj A cu o altă sârmă de metal sau aliaj B (Fig. 2.1.9.).

Fig. 2.1.9. Principiul de funcționare al unui termocuplu AB [4]

Când aceste joncțiuni sunt la temperaturi diferite, un voltaj proporțional cu diferența de temperatură va fi văzut pe voltmetru.

une SAB este coeficientul Seebeck pentru termocuplul făcut din metalele A și B (Fig. 2. 9).

d. Termometre cu infraroșu. Măsoară temperatura prin măsurarea radiației infraroșii emise de obiecte. Temperatura obiectului poate fi determinată dacă este cunoscută cantitatea de energie infraroșie emisă de obiect și emisivitatea acestuia.

Legea Stefan-Boltzmann, cunoscută și ca legea lui Stefan, spune că energia totală radiată pe unitatea de suprafață a unui corp negru în unitatea de timp (cunoscută de altfel și ca radiația corpului negru, densitatea de flux a energiei, fluxul radiant sau puterea emisivă), H, este direct proporțională cu a patra putere a temperaturii termodinamice T a corpului negru. (constanta de proporționalitate se notează σ și este numită constanta corpului (absolut) negru;este emisivitatea corpului gri; pentru corpul (absolut) negru):

unde σ este constanta de proporționalitate, numită constanta corpului (absolut) negru, iar este emisivitatea corpului gri; pentru corpul (absolut) negru.

2.1.4. Oximetre

Oximetria măsoară gradul saturației de oxigen din sânge. Oxigenul, în condiții normale fiziologice, este transportat de la plămâni către țesuturi în două forme diferite. Aproximativ 2% din O2 total din sânge este dizolvat în plasmă – acesta este linear proporțional cu pO2 din sânge. Restul (98 %) este transportat de eritrocite, și este reversibil legat de hemoglobină producând oxihemoglobina HbO2. Pe baza acestor fapte, există 2 metode de a măsura oxigenarea sângelui: aplicarea unui senzor de pO2 sau măsurarea saturației de O2 (conținutul relativ de HbO2 din sânge) cu un oximetru.

Oximetria se bazează pe absorbția luminii de către sânge (culoareasângelui complet oxigenat este roșu aprins).

A, B sunt coeficienții dependenți de absorbția specifică a Hb și HbO2, H(1), H(2) sunt densități optice ale sângelui 1 și respectiv2.

Oximetrul cu puls facilitează măsurarea in vivo non-invazivă a saturației de oxigen din sânge (Fig. 2.1.12.). Senzorul este format din două diode emițătoare de lumină LED ce funcționează pe două lngimi de undă diferite:

– 1 pentru care este semnificativă diferența dintre absorbția de lumină a Hb și HbO2 (culoarea roșie 660 nm),

– 2 pentru care absorbția de lumină este independentă de saturația de oxigen din sânge (absorbanța Hb este ușor mai scăzută decât cea a HbO2 (IR 960 nm ).

Fig. 2.1.12. Oximetru cu puls – diagramele de absorbție [4]

Fig. 2.1.13. Oximetrie, principiul de măsură [4]

2.2. Achiziția semnalelor de tip GSR

2.2.1. Lanțul de măsură

Achiziția semnalelor de tip GSR (galvanic skin response), sau EDA (electrodermal activity) se realizeaza cu ajutorul unui lanț bioelectrometric alcătuit din:

A). senzori;

B). componente de prelucrare primară;

C).) sisteme de monitorizare, redare, stocare

Fig. 2.3.2. Măsurarea conductanței epidermei cu instrumentul Biopac (EDA100Cși TSD203) [23]

Ultima generație de echipamente de măsură a biosemnalelor de tip GSR includ sisteme performante de achiziție de date cu ajutorul calculatorului PC. Astfel, plăcile de achiziții de date posedă atât unitatea de prelucrare primară a semnalului cât și pe aceea de monitorizare și stocare a datelor măsurate, sub forma de fișiere de date de tip rtf,swf, txt, xls, csv, etc. Din schema prezentată în Fig. 2.3.3. se pot distinge pe aceeași placă: sursa de alimentare, multiplexorul analogic pentru semnalele GSR culese din 8 puncte de măsură, amplificatorul diferențial în cascadă, controllerul care sincronizează multiplexorul cu unitatea de procesare primară și convertorul A/D (analog/digital) care face conversia propriu zisă a semnalului amplificat, într-un semnal digital și transmite computerului la ieșire aceste date ce pot fi gestionate sub forma de fișier.

Beneficiul special al acestei noi tehnologii de achiziție rezidă în posibilitatea prelucrarii secundare avansate a datelor, importarea lor în alte sisteme de măsură pentru analize statistice, gestionarea fara risc de pierdere sau alterare a datelor.

2.3.2. Parametrii semnalului GSR în achiziție

În descrierea unui semnal GSR, în vederea achiziționării sale, sunt utilizate următoarele definiții:

SRR = răspunsul rezistenței pielii;

SRL = rezistența pielii (Gama de rezistență a pielii printre subiecți este de la 1k la 1M . Răspunsuri tranzitorii, legate de schimbări bruște în starea psihologică sunt de ordinul a 100 );

SCR = conductanța fazică (conductanța de răspuns- reflectă modificări tranzitorii ale conductanței);

SCL = conductanța tonică (nivelul de conductanță a pielii – descrie nivelul de excitare a SN simpatic);

SPR = potențialul de răspuns;

SPL = nivelul potențialului pielii.

SRR și SCR sunt echivalente. De asemenea și SRL și SCL sunt echivalente. În timp ce SRR, SCR, SRL și SCL se bazează pe o sursă externă de curent (acestea sunt exosomatice), SPR și SPL nu (sunt endosomatice), de aceea amplificatoarele uzuale GSR nu sunt adecvate pentru măsurarea SPR și SPL [4][7].

Fig. 2.3.4. Semnalul GSR [10]

Următoarele măsuri sunt extrase din datele de activitate electrodermală:

amplitudinea exprimată în micro Siemens (S). Amplitudinea este dată de diferența dintre nivelul maxim al răspunsului SCR și nivelul SCL din momentul aplicării stimulului extern (Fig. 2.3.4.);

latența, (circa 3 secunde) este durata între momentul aplicării stimulului și momentul apariției raspunsului SCR.

durata creșterii conductanței este durata parcurgerii pantei ascendente până la maximul SCR (între 1-3 secunde).

semi-timpul de revenire este inregistrat din momentul atingerii maximului SCR până la nivelul a 50% din amplitudine (între 2-10 secunde).

De asemenea de interes sunt și:

– deriva stadiului fazic de la cel tonic;

– analiza EDA legată de eveniment;

– localizarea răspunsului în conductanță a epidermei [4][7].

CAPITOLUL 3

Procesarea biosemnalelor și corelarea dintre biosemnal și controlul mișcării la distanță

3.1. Elemente de teoria corelației și a regresiei

3.1.1 Raportul de corelație

Prin definiție, raportul de corelație al variabilei Y în raport cu X, notat ηx/y este dat de:

respectiv raportul de corelație al variabilei X în raport cu Y, notat ηy/x este dat de.[9] [10]:

Dacă prin convenție se ia raportul de corelație pozitiv sau nul, atunci:

În relațiile de mai sus, s-au introdus, relativ la componenta Y a vectorului aleator (X,Y) următoarele

dispersii:

Între care are loc egalitatea:

Raportul de corelație este un indicator numeric al intensității legăturii de corelație între variabilele X și Y.

Proprietățile raportului de corelație sunt:

-dacă între variabilele X și Y există o dependență univocă, atunci η2y/x = 1 și în acest caz nu există împrăștiere în jurul curbei de regresie y(x), căci unica valoare a variabilei Y pentru X = x coincide cu y(x);

-dacă η2y/x = 1 , atunci Y este funcție univocă de X, drept urmare, nu există împrăștiere în jurul curbei de regresie. Deci, fiecărei valori x a lui X îi corespunde o valoare determinată Y = y( x);

– dacă x și y sunt necorelate, atunci η2y/x = 0 , necorelarea variabilei Y în raport cu X înseamnă că media condiționată este constantă:

în acest caz [8] [9]:

și, de aici, η2y/x = 0.

– dacă η2y/x = 0, atunci Y este necorelată cu X și

Între η2y/x și η2x/y nu există nici o legătură. Se poate ca unul din coeficienți să ia valoarea zero, iar celălalt valoarea 1, cu toate consecințele ce se deduc din proprietățile raportului de corelație. Dacă, însă, η2y/x = η2x/y= 1, atunci dependența funcțională a lui Y în raport cu X este monotonă [1].

3.1.2 Coeficientul de corelație

Un alt indicator ce măsoară existența și intensitatea legăturii stohastice este coeficientul de corelație. Să considerăm variabilele aleatoare X și Y, despre care presupunem că au dispersii finite

D2 ( X ) < ∞, D2 (Y) < ∞. Atunci definim corelația variabilelor X și Y, sau covarianța lor, și o vom nota μxy = cov (X ,Y).

Coeficientul de corelație al variabilelor X și Y este, prin definiție [8]:

Proprietățile coeficientului de corelație sunt:

– dacă variabilele X și Y sunt independente, atunci: ρ XY = 0. Reciproc nu este adevărat [1].

– oricare ar fi variabilele aleatoare X și Y, avem: −1 ≤ ρXY ≤ 1

– dacă ρ XY = ±1, atunci între X și Y există o relație liniară, adică Y = aX + b, cu a ≠ =, b constante și reciproc.

Tabelul 3.1. Interpretarea valorii unui coeficient de corelație [3]

3.2. Metode de prelucrare a semnalelor

3.2.1 Semnale. Procesarea semnalelor-considerații generale

-Semnalele sunt parametri variabili in timp sau spațiu; (sunetul, imaginea, tensiunea electrică, câmpul magnetic, temperatura, forța, viteza, etc.);

-Un semnal poate fi definit și ca o entitate purtatoare de informații cu privire la prezența sau evoluția unui sistem fizic;

-Semnalele pot fi analogice sau digitale și pot fi generate de diverse tipuri de surse;

-Parametrii utilizați ca semnale în tehnica prelucrarii semnalelor pot fi temperatura, viteza (turația), presiunea, mișcarea, vorbirea, tensiunea, curentul etc.;

Reprezentarea matematică a unui semnal poate fi o funcție de timp și spațiu:

f(t, x);

t=variabila reală sau complexă și reprezintă timpul, iar x=spațiul;

Sub această formă putem avea reprezentările următoare ale semnalelor:

– semnalul electric: U=f(t);

– semnalul acustic : A=f(t);

O clasificare exhaustivă a semnalelor trebuie să țină cont de aspectul continuu sau discontinuu al acestora, de procesul în care sunt implicate, de caracterul uni sau multidimensional, dar și de aspectul aleatoriu sau predictibil și de caracteristicile matematice.

Clasificarea semnalelor după natura domeniului de definiție al variabilei independente (timpul)

a) Semnale continue în timp continuu [5]

– semnalele există în toate momentele de timp în intervalul analizat și amplitudinea acestora poate lua orice valoare reală în domeniul lor de valori;

– circuitele care prelucreaza acest tip de semnal sunt circuite (sisteme) analogice;

– acest tip de semnale pot fi cele din lumea înconjuratoare, precum și majoritatea semnalelor produse de surse artificiale. Ele sunt descrise prin funcții f(t), definite pt. toate valorile variabilei continue t, fiind continue în timp;

Când funcția f(t) ia pentru un anumit moment de timp, orice valoare într-un domeniu continuu (limitat sau infinit), semnalul respectiv este un semnal analogic;

Majoritatea semnalelor sunt, în faza inițială, analogice (continue în timp) și sunt achiziționate cu ajutorul senzorilor / traductorilor și convertite în mărimi electrice;

Semnalele analogice sunt deci semnale reale, care nu au fost prelucrate/digitizate;

Ex. pt. forma matematică a semnalelor analogice: f(t)=sin(t), f(t)=exp(-t)

Pentru a putea fi prelucrate, aceste semnale trebuie convertite în mărimi electrice cu ajutorul unor traductoare.

Deoarece, orice semnal poate fi utilizat la procesarea semnalelor analogice, există mai multe tipuri, frecvent utilizate, cum ar fi: semnal de tip impuls, treaptă, rampă, sinusoidal, exponențial etc;

Semnalul de tip impuls (funcția Dirac) este definit ca un semnal de amplitudine infinită și lățime foarte îngustă;

Semnalul de tip treaptă (atât în timp continuu – uc(t), cât și în timp discret – u [n] ) este unul dintre cele mai importante semnale, având amplitudinea zero, înainte de valoarea zero, și unu după valoarea zero;

Fig. 1. Reprezentarea grafică asemnalelor analogice [5]

b) Semnale discrete în timp continuu [5]

– semnalele există în toate momentele de timp în intervalul de timp analizat.

– Ele pot fi discretizate.

c) Semnale continue in timp discret [5]

– semnale definite doar în anumite momente ale domeniului de definiție – timpul, dar a căror amplitudine poate lua orice valoare reală;

-semnalele discrete provin matematic din semnale continue în timp continuu, prin restrângerea domeniului de definitie;

– Ele pot fi esantionate.

d) Semnale discrete in timp discret [5]

– semnalele se obțin din cele continue în timp continuu, prin eșantionare în momente de timp bine definite și apoi prin discretizarea valorii semnalului;

– semnalul va lua doar un număr finit de valori și doar în anumite momente de timp; Astfel, variabila t poate lua valori într-un domeniu discret (tk), k fiind indice intreg care poate lua și valori negative;

Semnalele discrete sunt acele semnale eșantionate cu un anumit pas (pas de esantionare/discretizare), care funcționează la diferite perioade de sampling, utilizand o anumita metoda de discretizare (metoda trapezului-Tustin, metoda dreptunghiului, Zoh etc);

Datorita faptului ca un semnal discret poate fi obținut prin eșantionarea unui semnal analogic, la anumite intervale de timp, poartă și denumirea de semnal analogic eșantionat. [8]

Circuitele care prelucreaza acest tip de semnale sunt circuite digitale;

Obtinerea semnalelor digitale se face pornind de la cele analogice, parcurgand etapele: eșantionare, digitizare, codare;

Observații:

1. Prin digitizare și eșantionare se pierde o parte din informația purtată de semnalul analogic inițial;

2. Dacă pe lângă proprietatea de a fi semnal discret, un semnal mai are și proprietatea că amplitudinea sa poate lua valori doar într-un domeniu discret (xn), fiecărei valori din acest domeniu putandu-i-se atribui un cod (de regula nr. binar), acest semnal se numeste semnal digital; [8]

3. Semnalele digitale sunt semnale în timp discret și cuantizate; Semnalele digitale, cu care se lucreaza în general în practică, au eșantioanele egal distantate în timp (tk=kT), iar valorile discrete pe care le poate lua amplitudinea semnalului sunt, de asemenea, egal distanțate intre ele, fiind multipli ale aceleași cantități de bază. [8]

Fig. 2. Tip de semnal digital [5]

Din punct de vedere matematic semnalele analogice (în timp continuu) reprezintă numere reale, în timp ce semnalele discrete sunt numere intregi;

Semnalele discrete sunt convertite din semnale continue, cu un anumit timp de eșantionare, cu ajutorul DSP, ADC etc;

Deoarece, un semnal trebuie reprezentat ca o secvență de numere, trebuie luată în considerare precizia. De aceea, fiecare număr din secvența respectivă trebuie sa aibe un număr finit de digiți.

3.2.2 Procesarea / Prelucrarea semnalelor

Reprezintă analiza, interpretarea și manipularea datelor obținute prin măsurători, convertite / transformate din mărimi continue în timp; Poate fi văzută și ca un proces de transformare a funcției semnal în scopul extragerii sau pentru mărirea cantității de informații pe care le conține;

Procesarea semnalelor include: filtrarea, stocarea, reconstrucția, comprimarea datelor, conversia, amplificarea, multiplexarea, modularea / demodularea semnalelor; separarea informațiilor de zgomot.

Exemple de procesare/prelucrarea semnalelor:

Comunicații-codarea/decodarea sunetului in telefonie digitală;

Conducerea automată a proceselor-pilotarea automata a avioanelor;

Aplicatii legate de vorbire-filtrare, recunoasterea vorbirii etc.;

Mărimile fizice pot fi transformate în semnale electrice. Acestea caracterizează anumite procese fizice.

Există tehnici numerice sau analogice de prelucrare a semnalelor.

Transformarea semnalelor de tip analogic în semnale numerice reprezintă o prelucrare numerică și ea se realizează cu un sistem de achiziție de date.

Fig. 6. Structura unui sistem care utilizează prelucrarea numerică (SPN) pentru controlul unor procese fizice și pentru memorarea și redarea informației. (după www.et.upt.ro; Tehnici de prelucrare a semnalelor)

În acest scop, semnalele electrice de la ieșirile traductoarelor sunt supuse unor prelucrări analogice inițiale și transformate în tensiuni electrice. Aceste funcții sunt realizate cu circuite de condiționare a semnalelor. Ele divizează, amplifică, filtrează, izolează, fac conversii curent-tensiune etc. Semnalele numerice se obțin prin prelevarea, la momente de timp date, a valorilor semnalelor analogice și conversia acestor valori sub formă numerică. Astfel, componentele de bază ale sistemelor de achiziție de date sunt circuitele de eșantionare și memorare și convertoarele analog numerice.

Prin operatiile de filtrare în frecvență, prin clasificare sau identificare etc., se obține setul de semnale prelucrate numeric ce reflectă informațiile despre procesele fizice de tip xn. Acestea pot fi supuse unor transformări spre a deveni semnale analogice, folosind convertoare corespunzătoare. La final, atât semnalele analogice cât și cele numerice sunt utilizate prin memorare, si redare de informație în procese de comandă și control.

Sistemele de prelucrare numerică (SPN)au avantajul că sunt repetabile, adaptabile, insensibile la perturbații, reprogramabile și foarte stabile pe termen lung la factorii perturbatori de mediu.

Faptul că sunt repetabile, conferă SPN abilitatea de a conduce mereu la rezultate identice ale prelucrării. Prin reprogramabilitate înțelegem că SPN are capacitatea de modificare numai a algoritmului de prelucrare numerică prin reprogramare. Prin adaptabilitate, SPN își poate modifica funcția de transfer corespunzătoare unui algoritm, după cerințele de mediu. Din structura discretă a semnalelor numerice decurge sensibilitatea redusă la perturbații.

3.2.3 Aspecte matematice ale procesării semnalelor

Sensul utilizării unor instrumente matematice în analiza și procesarea semnalelor este acela că toate semnalele reale din lumea înconjurătoare se pot descompune în ”sinusoide” și reciproc, orice semnal real se poate recompune din ”suma” unor sinunsoide. Semnalul sinusoidal devine astfel elementul de bază al oricărei construcții de semnale. De asemenea este important de știut că un semnal neperiodic conține toate frecvențele dintr-un anumit interval, nu doar anumite frecvențe ca în cazul semnalelor periodice. [5] [8]

Instrumentele matematice care ne permit calculul parametrilor acestor ”sinusoide” care compun semnalele sunt:

– teorema Fourier, pentru cazul particular al semnalelor periodice;

– transformata Fourier pentru semnalele neperiodice;

3.2.3.1 Teorema Fourier, pentru cazul particular al semnalelor periodice

Sensul utilizării unor instrumente matematice în analiza și procesarea semnalelor este acela că toate semnalele reale din lumea înconjurătoare se pot descompune în ”sinusoide” și reciproc, orice semnal real se poate recompune din ”suma” unor sinunsoide. Semnalul sinusoidal devine astfel elementul de bază al oricărei construcții de semnale. De asemenea este important de știut că un semnal neperiodic conține toate frecvențele dintr-un anumit interval, nu doar anumite frecvențe ca în cazul semnalelor periodice.

Instrumentele matematice care ne permit calculul parametrilor acestor ”sinusoide” care compun semnalele sunt:

– teorema Fourier, pentru cazul particular al semnalelor periodice;

– transformata Fourier pentru semnalele neperiodice;

Orice funcție u(t), continuă și periodică, având perioada:

T0 = (4)

Poate fi exprimat ca sumă dintre o componentă continuă plus o infinitate de funcții armonice și anume:

[Ak sin(kω0t) + Bk cos(kω0t)] (5)

relație ce reprezintă formularea de bază a Teoremei Fourier în domeniul real, unde

sin(kω0t)dt (6)

cos(kω0t)dt
sau rescris sub forma:

Sk sin(kω0t +ϕk) (7)

relație ce reprezintă a doua formulare a Teoremei Fourier în domeniul real, unde:

Sk = (8)

ϕk = arctg

Utilizarea acestor două formulări, echivalente pentru determinarea valorilor funcției u(t), va conduce la descompunerea unui semnal periodic în ”sinusoide”(I. P. Mihu).

Partea de jos a figurii sugerează recompunerea cu suficientă aproximație a semnalului inițial prin însumarea componentei continue cu primele cinci armonici. Dacă vor fi utilizate un număr mai mare de armonici, forma finală a funcției u(t) va fi foarte apropiată de cea reală. În calcul s-a considerat U0 componenta continuă, componentă sinusoidală de frecvență nulă, calculându-se ca valoare medie a funcției u(t) și având forma:

U0 = (9)

Armonica de ordinul 1 (k=1) este armonica fundamentală având perioada T0, deci chiar perioada funcției u(t). Armonicile superioare au frecvența multiplu întreg al frecvenței de bază. Mulțimea acestor armonici alcătuiesc seria Fourier, sau spectrul de frecvență al semnalului u(t). De asemenea amplitudinile armonicilor descresc spre zero atunci când frecvența tinde la infinit. Pentru calculul acestora se folosesc coeficienții Ak și Bk.

Teorema Fourier pentru domeniul complex este un instrument matematic extrem de compact, ușor de folosit și de implementat în programe de prelucrarea semnalului cu ajutorul calculatorului, revenirea în ”lumea semnalelor reale” se face simplu luând în considerare doar partea reală a coeficienților relației:

Ck= | Ck| k (10)

Sk = = 2| Ck| (11)

ϕk = arctg = arg(Ck) Ck (12)

3.2.3.2 Transformata Fourier pentru semnalele neperiodice

Transformata Fourier transformă funcția variabilă în timp, u(t) într-o nouă funcție UTF(j depinzând de altă variabilănumită pulsație. Practic acesta transformă domeniul timp în domeniul frecvență. (13)

Având o funcție u(t), continuă și în timp continuu, prin definiție (I.P. Mihu), transformata Fourier (TF) directă pentru semnalul in timp continuu reprezentat de funcția u(t) este:

TF {u(t)} = UTF(j (13)

unde

Valoarea incontestabilă a utilizării transformatei Fourier directe și inverse, este aceea că se pot face analize in domeniul frecvenței cu rezultate spectaculoase care nu ar fi posibil de întrevăzut în domeniul timp.

O aplicație de excepție a transformatei Fourier, din acest motiv este recunoașterea formei din analiza unei armonici, lucru imposibil de realizat pe funcția de timp.

Fig. 7. Transformata Fourier directă și inversă

(după I.P. Mihu)

Ca și în cazul semnalelor de timp continuu, se scrie Transformata Fourier pentru semnale discrete. Având o tensiune discretă u(nTe), prin definiție (I.P. Mihu), Transformarea Fourier Discretă (TFD) a N eșantioane din această tensiune este:

TFD {u[nTe]} = UTFD [nWo] = (14)

unde: n = 0, 1, 2,…,(N-1), iar:

UTFD [n] = (15)

pentru n = 0, 1, 2,…,(N-1).

din care se deduce Transformata Fourier discretă inversă:

TFDI{UTFD[n]}= u[n] = UTFD[k] (16)

Transformările Fourier se folosesc pentru calculul spectrului unui semnal. Dacă semnalele periodice au un spectru discret, prin analogie, un spectru discret provine dintr-o secvență de date periodice. Secvența N date căreia i se aplică TFD provine de la un semnal periodic, de perioadă N Te (Te – este timp de eșantionare). Acest procedeu este recurent:

Fig. 8. Spectrul dat de TFD pentru secvențele de date. [5]

Alte procedee care utilizează TFD sunt: ferestruirea de tip triunghiular, Welch și Hanning; calculul densității spectrale de putere și calculul convoluției a două semnale.

De asemenea TFD se aplică atât semnalelor (furnizînd spectrul de frecvență) cât și sistemului (furnizând caracteristica de frecvență).

Alte tipuri de transformări: Transformarea Cosinus; Transformarea Sinus; Transformarea Walsh; Transformarea Hilbert; Transformarea Wavelet; Transformarea Z, etc.

Semnalele discrete pot fi prelucrate și în domeniul timp prin: mediere, derivare, corelație, convoluție, procesări neliniare, procesări statistice.

De asemnea un rol important în procesarea semnalelor îl are calculul corect al filtrelor pentru care se pot folosi instrumente avansate de proiectare pe calculator (MATLAB). În proiectarea filtrelor recursive se utilizează Transformata Laplace care aplicată funcției de transfer a unui sistem schimbă relațiile de tip diferențial sau integral în simple multiplicări sau împărțiri.

3.3. Corelații multiple între biosemnalele de tip GSR și pattern-urile cognitive

3.3.1 Biosemnalele de tip GSR

3.3.1.1 Procedeul de neurostimulare fazică

Principiul răspunsului electrodermic este utilizat pentru anumite variabile de lucru și în cazul poligrafiei, aflându-se de asemenea, la baza multor implementări tehnice pe sisteme de măsură a unor aspecte psihofiziologice. Dintre acestea pot fi indicate cele care măsoară reflexul psihogalvanic – Mayer, R.W., (1974), Apparatus for measuring the psychogalvanic reflex, United States Patent, US3841316; monitorizează starea psihofiziologică a unei persoane – Korenman, E.M.D., (2000), Apparatus for monitoring a person’s psycho-physiological condition, United States Patent, US6067468 și US6746397; vizualizează parametri pasihofiziologici utilizând un sistem multimedia cu bioreacție asistat interactiv de calculator – Fisslinger, R.J., (1998), Interactive computer assisted multi-media biofeedback system, United States Patent, US3841316; Grigore, D., (2013), ”Echipament electronic și metodă pentru evaluarea rapidă a profilului psihologic”- RO127615 etc.

Terminologia utilizată în tehnica activității electrodermale stabilește că, pentru un semnal SCR, se pot înregistra următorii parametri: amplitudinea (exprimată în microSiemens), latența, durata creșterii conductanței după aplicarea stimulului și jumătatea timpului de revenire la SCL. Amplitudinea este dată de diferența dintre nivelul maxim al răspunsului SCR și nivelul SCL din momentul aplicării stimulului extern. Latența (circa 3 secunde) este durata între momentul aplicării stimulului și momentul apariției răspunsului SCR. Durata creșterii conductanței este durata parcurgerii pantei ascendente până la maximul SCR (între 1-3 secunde). Semi-timpul de revenire este înregistrat din momentul atingerii maximului SCR până la nivelul a 50% din amplitudine (între 2-10 secunde).

Conform modelului exocrin al lui Edelberg, modificările fazice ale conductanței pielii apar atunci când glandele din piele se umplu, iar conductanța pielii revine la valorile bazale, atunci când această umezeală este reabsorbită de glande. În acest model, de fapt, glandele exocrine reprezintă niște rezistențe. Conductanța crește (rezistența scade) atunci când aceste glande se umplu. Amplitudinea modificării conductanței derivă din cantitatea de soluție conținută de glande, precum și de numărul glandelor exocrine activate simultan. Activarea glandelor exocrine este reglată neural, fiind controlată de trunchiul cerebral. Aceasta face parte din fenomenologia manifestărilor exodermice ale creierului, activitatea electrodermală fiind o proiecție a acțiunii formațiunii reticulare a trunchiului cerebral, a hipotalamusului, a sistemului limbic și a cortexului motor (“LAROUSSE The Big dictionary of psychology”, Editura Trei, București, 2006, pag. 407). Se mai cunoaște, de asemenea, că activitatea electrică a pielii este corelată cu debitul de sânge în zonele periferice, depinzând direct de pulsul inimii.

O modalitate practică de punere în evidență a neurosemnalelor de tip GSR este stimularea electrică a epidermei, respectiv menținerea sa într-o stare de excitare într-un interval de timp calibrat pe palierul conductanței fazice. Ca urmare acestui mod de stimulare, conform principiului autoreglabilității prin conexiunea inversă instalată între ieșirile sistemului și zona de intrare senzorială, răspunsul în conductanță fazică perceput prin epidermă se va afla în corespondență proiectivă cu evenimentele bioelectrice care au loc în organism, generate în procesele de autoreglare prin care se manifestă funcțiile psihofiziologice.

Deschiderea unui canal neurostimulator va pune în corespondență zona de măsură cu funcția psihofiziologică vizată, iar neurosemnalele culese la nivelul senzorilor vor conține informația referitoare la pattern-ul de răspuns pentru stimulul aplicat.

Procedeul de neurostimulare va fi abordat din perspectiva ansamblului de semnale implicate: semnalul treaptă de excitație, semnalul treaptă de răspuns și semnalul de tip purtătoare, de formă sinusoidală.

Semnalul de excitație. Este un semnal de tip treaptă (Figura 8), a cărui formă poate fi scrisă astfel:

(23)

Unde 1 ; ; 0 ; reprezintă funcția Heaviside;

A – este amplitudinea semnalului treaptă;

T – este perioada semnalului treaptă;

Fig. 26. Diagrama semnal de excitație

Semnalul purtătoare poate fi scris de asemenea astfel:

(24)

unde AS reprezintă amplitudinea semnalului, iar T0 perioada acestuia.

Semnalul de răspuns. În Fig. 27, sunt reprezentate toate cele trei semnale implicate în procedeul de neurostimulare fazică a epidermei.

Fig. 27. Diagrama semnalelor implicate în neurostimularea fazică pe un singur impuls treaptă

Semnalul de răspuns este un semnal compus din semnalul de tip treaptă și semnalul purtătoare, a cărui anvelopă conține informații esențiale despre procesele psihofiziologice asupra cărora dorim să aplicăm o inferență. Descrierea matematică a semnalului compus este următoarea:

( 25)

Fig. 28. Forma semnalelor de excitație și răspuns pentru un set de șapte impulsuri

(un ciclu de stimulare)

3.3.1.2 Pattern-uri de tip GSR

Extinzând forma diagramei la nivelul celor șapte cicli de stimulare, obținem:

( 26)

.

.

.

iar cele șapte funcții rezultate vor fi evaluate simultan pentru a intercepta prin variabilitatea lor, răspunsul în coordonatele de pattern cognitiv la stimulul aplicat.

Fig. 29. Formă de pattern GSR – funcțiile de răspuns la neurostimulare

În Fig. 29 este redată forma unui pattern de tip GSR implicat în transmiterea la distanță a comenzii și controlului unei mișcări. Acesta este rezultatul unui proces de prelucrare a datelor de achiziție, prin aplicarea unei operații de filtrare, formatare și stabilire a mărimii funcțiilor de tip care vor alcătui structura preluată de baza de experiențe.

3.3.1.3 Neurostimulatorul fazic

Neurosemnalele de tip GSR pot fi puse în evidență cu un echipament electronic dedicat, numit neurostimulator fazic– NPHS (Fig. 30). Acesta generează, formatează și aplică semnale de tensiune în treaptă, pe zonele de măsură din palmă cu ajutorul unor senzori de argint plasați corespunzător pe partea superioară a capacului echipamentului electronic. Neurosemnalele sunt înregistrate în vederea prelucrării, de către un logger cu patru canale, de tipul K8048 produs de firma belgiană, Velleman. Prin intermediul programului software PCLAB 2000SE, specializat în achiziții de date, acesta înregistrează variațiile de conductanță, ca variații corespondente de nivel de tensiune, pe parcursul unui număr de cicli de măsură, vizualizând formele semnalelor de excitație și de răspuns, realizând totodată citirea și stocarea valorilor de tensiune ale acestor semnale.

Fig. 30 Neurostimulatorul fazic (NPHS), faza prototip – mâna stângă

Pentru stabilirea frecvențelor de lucru s-a ținut cont de faptul că inima pulsează cu un număr mediu de Nmb = 85 bătăi pe minut, durata unui puls cadiac fiind în medie de Tpc = 0,7 secunde. Pentru ca la un impuls de semnal în treaptă trimis către zona de măsură să poată fi interceptat cel puțin un puls cardiac, trebuie ca durata impulsului, Ti să fie mai mare sau cel puțin egală cu durata pulsului cardiac. Mărirea excesivă a duratei impulsului poate conduce însă la scăderea numărului de citiri, respectiv la diminuarea rezoluției, fiind condiționată de baza de timp a loggerului cu care se face înregistrarea, motiv pentru care, s-a adoptat condiția: Ti = Tpc, condiție din care rezultă Fi = 1,43 Hz., frecvența de ”interogare” a zonelor de măsură.

Timpul total de citire alocat de logger-ul utilizat este Ttc = 85 secunde, rezultând din caracteristicile tehnice ale acestuia Nc = 15,2 cicli la o citire completă, număr suficient de mare pentru ca durata impulsului de semnal în treaptă să fie de aceeași mărime cu cea a undei pulsatile.

Generatorul de semnal în treaptă a fost conceput pe structura unui convertor digital/analog ce poate trimite consecutiv către zonele de măsură, valorile prezentate în Tabelul 2.

Tabelul 2

După inițierea ciclului de scanare, semnalele de excitație sunt trimise către zona de măsură, de unde sunt interceptate variațiile de conductanță a epidermei la nivelul palmei așezate pe senzorii de argint. Variațiile de conductanță sunt vizualizate și înregistrate ca variații corespunzătoare de tensiune după relația următoare: G = I/U, ce decurge din Legea lui Ohm. Astfel valorile mici de tensiune măsurate relevă o conductanță înaltă a epidermei, iar valorile mari de tensiune, relevă o conductanță redusă a acesteia, în condițiile pentru care curentul se presupune că rămâne constant pe întregul lanț de măsură. Forma semnalelor de excitație și de răspuns la nivelul celor două intrări sunt prezentate în Fig. 28.

Algoritmul de modelare a neurosemnalelor este prezentat în Fig. 31. După efectuarea secvenței de scanare, raportul de date de intrare, reprezentând setul de neurosemnale, a fost supus unui proces de comparare care a validat formatul datelor achiziționate.

Fig. 31 Algoritmul de procesare a neurosemnalelor obținute prin stimulare fazică

S-a notat Fy nivelul de stimulare fazică, parametru ce corespunde în teoria EDA criteriilor care identifică labilitatea/stabilitatea, respectiv habituația lentă sau rapidă. După procesul de filtrare, din datele preliminare rezultate s-a determinat nivelul de activitate al funcțiilor psihofiziologice Cx, prin identificarea nivelului de tensiune maxim, corespunzător nivelului minim de conductanță al semnalului de răspuns SCR dintre toți cicli de interogare, pentru fiecare zonă în parte, stabilindu-se că un nivel de tensiune înalt, corespunzător unui nivel minim de conductanță al semnalului de răspuns SCR, reflectă un nivel de activitate înalt al funcției C, iar un nivel mic, reflectă un nivel mic de activitate. Variația valorii funcției C este urmărită în procente. De asemenea din datele preliminare rezultate s-au identificat și nivelurile stimulării fazice Fy, asociate diferenței dintre nivelul de tensiune corespunzător SCR pentru cel mai înalt semnal de excitație măsurat la finalul interogării zonelor de corespondență și nivelul de tensiune corespunzător celei mai înalte conductanțe, stabilindu-se că o valoare mică a acestei diferențe relevă o stimulare fazică slabă, iar o valoare mare reprezintă o stimulare fazică înaltă. Variația nivelului de stimulare fazică Fy s-a stabilit de asemenea pe o scală (între 1și 150 unități) și în funcție de zona de măsură și repartizarea acestora pe două paliere, semnifică nivelul de stimulare fazică a atenției, pentru C1 și nivelul de stimulare fazică a meditației pentru C2.

Informația referitoare la nivelul de stimulare fazică a fost utilizată pentru identificarea unui parametru de scală Isx, cu ajutorul unui factor de scală Fs și a lățimii intervalului Lix pentru fiecare nivel Cx. Factorul de scală Fs, s-a relaționat la o scală de S = 100 unități, comparabilă cu cea utilizată de sistemul MindWave de la NeuroSky Inc.

Parametrul de scală Isx și nivelul funcției Cx au fost utilizați pentru determinarea valorilor parametrilor intermediari după formula: Iix = CxIsx, unde Iix devine parametrul intermediar corespunzător nivelului funcției Cx. De asemenea nivelul funcției Cx este utilizat pentru evaluarea randamentului r, pentru care se calculează potențialul pasiv Pp, determinat ca medie aritmetică a celor două niveluri C1 și C2, respectiv potențialul activ Pa, considerat ca sursă pentru fiecare nivel de activitate în parte: PaF= C1; PaI= C2. Randamentul este evaluat pentru fiecare palier y după relația: ry= Pay / Pp

Cu ajutorul parametrilor intermediari Iix și a randamentului ry se determină parametrii utili după relația: Iuxy= rxy Iix fiind apoi raportați la o bază de date care, după nivelul funcției Cx și după tipul de palier, le va atribui identitatea, conferindu-le o semnificație psihologică Ipxy, care poate fi caracteristica atenție și meditație, emotivitate, etc. Cuprinse în spectrul mai larg al cogniției, contemplației sau afectivității. Scalarea se face după formula Ipxy=Vi + Iuxy., unde Vi este limita inferioară a scalei. Valoarea indicatorului cu semnificație psihologică astfel determinat va fi deci asociată cu nivelul activității zonei funcționale din care acesta a fost identificat, respectiv cu nivelul de integrare al acelei zone, exprimând nivelul de activitate al funcțiilor cognitive, contemplative sau afective pe care o reprezintă proiectiv.

3.3.2. Codificarea corelațiilor dintre semnalele de tip GSR și o serie de pattern-uri cognitive

După achiziția datelor, se identifică cele șapte semnale de tip GSR, ale căror forme matematice sunt redate la 3.3.1., iar valorile lor sunt prelucrate în vederea aplicării unei operații de filtrare a cărei finalitate este un cod binar, respectiv hexazecimal. Restrângerea formei setului de semnale la nivelul unui cod, prin această operație de encriptare este necesară în alcătuirea Bazei de experiențe cu care va fi echipat sistemul de recunoaștere a pattern-urilor în vederea transmiterii comenzii și controlului la distanță. Tabelul 1 redă modul de encriptare a funcțiilor de tip GSR, iar Tabelul 2 oferă câteva exemple de pattern-uri encriptate.

Tabelul 1 Tabelul 2

3.3.3. Corelații multiple între pattern-uri de tip EEG si GSR

– rezultate experimentale –

Scopul identificării corelațiilor dintre structurile cognitive și compoziția în benzi de frecvență și amplitudine a semnalelor EEG este acela de a înlătura erorile în alcătuirea bazei de experiențe precizată în subcapitolul 3.5.2. Lucrul cu cele două tipuri de pattern conduce la alocarea fiecărei funcții cognitive identificată în semnalul GSR, unui set de frecvențe, respectiv set de nivele de tensiune măsurate cu casca EEG. Rezultatul este reprezentat în cele ce urmează sub o formă grafică, în care aspectele corlative sunt evidente.

Pentru prelevarea datelor exemplificative s-au utilizat 6 probe, de la aceeași persoană, pentru 6 stimuli cognitivi diferiți, codificate în subcapitolul 3.5.3. numai pentru forma GSR. În definitivarea cercetării, se vor analiza statistic corelațiile dintre funcțiile cognitive și frecvențele dominante, respectiv amplitudinile de semnal, pe o populație relevantă, respectiv pe același set de stimuli. În final, funcția pattern-commandă, primind valori din baza de experiențe, va fi confirmată selectiv de instrumentul de măsură instalat astfel în configurație de ”pattern recognition”.

Proba 1. Pattern de tip GSR; codul 6B

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

Proba 2. Pattern de tip GSR; codul 29

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

Proba 3. Pattern de tip GSR; codul 28

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

Proba 4. Pattern de tip GSR; codul 21

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

Proba 5. Pattern de tip GSR; codul 3C

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

Proba 6. Pattern de tip GSR; codul 3D

Pattern de tip EEG (frecvențe) Pattern de tip EEG (tensiune)

CAPITOLUL 4

Studiu statistic privind prelucrarea datelor experimentale ale interacțiunii dintre biosemnal și controlul mișcării la distanță

4.1 Coordonate psihofiziologice ale interacțiunii dintre biosemnal și controlul mișcării la distanță

4.1.1 Comanda și controlul mișcării la distanță

Abordarea transmiterii la distanță a unei comenzi, precum și asigurarea controlului unei mișcări prin intermediul structurilor psihice de tip pattern cognitiv, presupune o corelație stimul-pattern care va conduce la interceptarea ”comportamentului” cognitiv într-un sistem de coordonate ce oferă facilitatea disocierii aspectelor de bază care implică decizia, asigurând persoanei implicate posibilitatea administrării controlului la distanță prin biofeedback.

În Fig. 9 este prezentată schema bloc a unui sistem de tipul BCI (Brain Computer Interface), sistem ce conține un senzor de biosemnale care odată recoltate vor fi pre-procesate în vederea extragerii facilității în baza căreia se va asigura un feedback persoanei utilizatoare, dar și condițiile acționării controlului asupra aplicației.

Fig. 9. Schema bloc a unui sistem de tip BCI (Brain Computer Interface)

Schema bloc a unui sistem care poate transmite la distanță o comandă prin corelația stimul-pattern cognitiv este prezentată în Fig. 9. Mai întâi se realizează o bază de experiențe ce va conține toate corelațiile stabilite dintre stimul și patternul cognitiv. Pentru extragerea facilității, identificatorul de pattern reține din structura biodatelor de achiziție, forma encodată a pattern-ului adus de stimulul martor și o transmite unui bloc comparator programat aprioric cu codul de pattern al stimului martor, selectat din baza de experiențe, care asigură rolul de clasificare. Când codul ”stimul” este identic cu codul ”pattern”, blocul comparator transmite o comandă validă pentru formatarea comenzii. Comanda la distanță este preluată de elementul de execuție care operează tema formatată la nivelul comenzii, iar subiectul preia controlul prin biofeedback, implicând în bucla de comandă și control ceilalți stimuli martori.

Fig. 10. Schema bloc de comandă și control al mișcării la distanță

4.1.2 Interfața creier – calculator utilizată în controlul mișcării la distanță

Sistemele Brain Computer Interface (BCI), sunt dispozitive care permit comunicarea directă între creier și un dispozitiv extern, respectiv efectuarea unor sarcini ce presupun controlul la distanță al unei mișcări, numai prin acțiunea gândirii.

Sistemele BCI pot permite utilizatorului să scrie, să navigheze pe Internet, să controleze un braț robotic sau orice dispozitiv în mișcare asupra căruia sunt aplicate comenzile decise la nivel mental, etc. Pentru aceasta utilizatorul trebuie să poarte pe cap o cască cu electrozi. Unele sisteme BCI sunt invazive, folosind electrozi implantați în creier prin interventie chirurgicala, dar cele mai multe sisteme nu necesită astfel de proceduri.

Ele sunt utilizate în principal de către persoane cu dificultăți grave, care nu le permit să vorbească sau să folosească interfețe convenționale. Există oameni cu anumite tipuri de leziuni cerebrale, boala Lou Gehrig, lovituri etc. care nu pot comunica fără a utiliza un sistem CAD.

Scopul BCI este de a traduce intențiile umane – reprezentate prin semnale adecvate – în semnale de control pentru un dispozitiv de ieșire, cum ar fi un calculator sau o neuroproteză (Fig. 11). Un BCI nu ar trebui să depindă pe traseele normale de ieșire ale nervilor periferici și mușchilor. În cazul paraliziei totale bolnavii nu pot beneficia de tehnologii de comunicare convenționale care implică în mare măsură controlul mușchilor. În ultimele două decenii, numeroase studii au fost efectuate pentru evaluarea posibilității ca biosemnalele înregistrate la nivelul scalpului sau chiar în interiorul creierului (prin metodă invazivă), pentru a folosi noua tehnologie, să nu necesite un control muscular.

Foarte important de știut este faptul că sistemele de cercetare BCI nu schimbă activitatea creierului prin înscriere de informații străine de funcționarea naturală a sa.

De asemenea, aceste sisteme vor deveni practice și la pacienții cu un grad mai scăzut de invaliditate, dar nu au menirea să înlocuiască interfețele tradiționale de comunicare (tastatură, mouse-ul etc.). Cu toate acestea, în anumite circumstanțe, sistemele BCI pot fi utile pentru persoane sănătoase, pentru transmiterea rapidă de comenzi, atunci când prin natura activității, aceștia efectuează unele operațiuni care le țin mâinile ocupate.

O altă facilitate importantă a Sistemelor BCI este aceea de a fi capabile să ajute nu numai la comunicare, ci și la "reparațiile" (vindecarea) anumitor tulburări ale creierului.

Un exemplu simplu de funcționare a dispozitivului BCI ca substitut de funcție este acela în care, în cazul unui orb, prin generarea unor semnale ”substitutive” ale unei culori, la apariția acelei culori, BCI să emită exact semnalul aferent culorii, orbul putând să ”vadă” astfel fără ochi.

Una dintre cele mai mari provocări pentru cercetătorii care studiază interfață creier-calculator este mecanica de bază ale interfeței în sine. Cel mai simplu și cel mai puțin invaziv este

un set de electrozi – electroencefalograful (EEG) – atașat la nivelul scalpului. Electrozii pot citi semnalele creierului. Cu toate acestea, la nivelul craniului se regăsesc o o mulțime de semnale electrice care pot denatura o sesiune de măsură.

Pentru a obține un semnal de rezoluție mai mare, oamenii de știință pot implanta electrozi direct în materia cenușie a creierului în sine, sau în zona creierului, sub craniu. Acest lucru permite recepția directă a semnalelor electrice și plasarea electrodului în domeniul specific al creierului unde sunt generate semnale corespunzătoare. Această abordare are multe probleme, necesitând o intervenție chirurgicală invazivă pentru implantul electozilor în creier (Fig. 13), iar dispozitivele rămase pe termen lung tind să provoace formarea de țesut cicatricial în materia cenușie, iar aceste formațiuni cicatrizate pot bloca ulterior semnalele.

Indiferent de amplasarea electrozilor, mecanismul de bază este același: electrozii măsoară diferența de tensiune dintre neuroni timp de mai multe minute. Semnalul este amplificat și se filtrează, fiind apoi interpretat de un program de calculator.

Funcțiile BCI pot fi și inverse în aplicație. De exemplu un computer transformă un semnal, cum ar fi unul de la o camera video, în tensiunile necesare pentru a declanșa transmisia neuronală. Semnalele sunt trimise într-o zonă corespunzătoare a implantului pe creier, iar în cazul în care totul funcționează corect, neuronii acționează și subiectul primește o imagine vizuală care corespunde cu ceea ce vede camera.

Un alt mod de a măsura activitatea creierului este oferit de utilizarea dispozitivului de imagistică prin rezonanța magnetică (RMN). Sistemul RMN este un dispozitiv masiv, complicat, capabil să preia imagini de înaltă rezoluție a activității cerebrale, dar nu poate fi utilizat ca parte a unui BCI permanent sau semipermanent. Cercetatorii l-au utilizat pentru a obține valori de referință pentru anumite funcții ale creierului, întocmind o hartă unde ar trebui să fie plasați electrozi pentru a măsura o funcție specifică. De exemplu, dacă cercetătorii încearcă să implanteze electrozi care permit unei persoane să controleze un braț robotic cu puterea minții lor, în primul rând s-ar putea pune subiectul într-un RMN și rugat să se gândească la mutarea efectivă brațul lor. RMN va arăta care parte a creierului este activ în timpul mișcării brațului, oferindu-le o locație clară pentru plasarea electrodului.

Unul dintre cele mai incitante domenii de cercetare BCI este dezvoltarea de dispozitive care pot fi controlate de gânduri, dispozitive care să permită persoanelor cu handicap grav să funcționeze independent.

O sarcină mai dificilă este interpretarea semnalelor creierului referitoare la mișcare, ale unei persoane care fizic nu-și poate mișca brațul. Cu o astfel de sarcină, subiectul trebuie să fie antrenat pentru a utiliza aparatul. Cu ajutorul unui implant EEG, subiectul va vizualiza închiderea mâinii. După mai multe încercări, software-ul poate învăța semnalele asociate cu gândul de a închide mâna. Software-ul conectat la un brat robotic este programat să primească semnalul "de mână strânsă" și să înțeleagă că mâna robotică ar trebui să se închidă. În acel moment, atunci când subiectul gândește o altă mișcare de închidere, semnalele sunt trimise și mâna robotică execută mișcarea de închidere

O metodă similară este folosită pentru a manipula un cursor pe display-ul unui calculator, în care, printr-o practică adecvată, utilizatorii pot obține suficient control asupra cursorului pentru a desena un cerc, pentru a accesa programul de calculator sau pentru a controla un televizor. În teorie, ar putea fi extins pentru a permite utilizatorilor să "scrie" ceea ce gândesc.

Odată ce mecanismul de bază de conversie a gândurilor în acțiunea computerizată sau robotizată este perfecționat , utilizările potențiale în tehnologie sunt aproape nelimitate. Deși în cazul unei mâini robotice, utilizatorii cu handicap ar putea avea armături robotizate atașate la membrele afectate, pentru a li se permite deplasarea, persoana ar putea realiza mișcarea fără dispozitivul "robotizat". Semnalele pot fi trimise la cel mai apropiat centru de control motor al nervilor mâinii, ocolind secțiunea deteriorată a măduvei spinării și permițând deplasarea efectivă a brațului.

În dezvoltarea unui BCI trebuie să fie abordate două sisteme de învățare: mașina trebuie să învețe să discrimineze între diferitele modele complexe de activitate cerebrală cât mai precise și utilizatorii BCI ar trebui să învețe prin diferite configurații neurofeedback să-și moduleze activitatea EEG (Fig. 15)

4.1.3. Concluzii

O interfață creier – calculator este un canal de comunicare și de control, care nu este dependent de căile normale de ieșire ale creierului, a nervilor periferici și mușchilor. În prezent, principalul impuls pentru cercetare BCI este speranța că această tehnologie va fi valoroasă pentru cei care suferă de tulburări neuromusculare și nu numai.

Operațiuna BCI depinde de interacțiunea a două zone de control adaptiv, creierul utilizator care produce datele de intrare, și sistemul în sine, ceea ce se traduce în activitatea de date de ieșire. Succesul în funcționare a BCI cere utilizatorului să achiziționeze și să mențină o nouă abilitate, o abilitate care nu este în mușchi, ci mai degrabă în controlul activității EEG. Există chiar un indicator psihologic aptitudinal care diferențiază persoanele în ceea ce privește posibilitatea de a controla activitatea EEG.

Dezvoltarea BCI depinde de cooperarea interdisciplinară dintre neurologi, psihologi, ingineri, oameni de știință în calculatoare și specialiști în domeniul reabilitării. Acest lucru ar putea beneficia de acceptarea generală și aplicarea unei evaluări obiective a algoritmilor de conversie și a altor operațiuni specifice BCI.

Evaluările în ceea ce privește: rata de transfer de informații și în ceea ce privește gradul de utilizare în aplicații specifice sunt importante. Utilizatorii trebuie să fie identificați și soluțiile BCI trebuie aplicate în configurațiile care pot satisfice acestora nevoile. Evaluarea nevoilor trebuie să se concentreze mai mult pe dorințele reale ale fiecărui utilizator.

In concluzie sistemele BCI reprezintă un instrument terapeutic potential și nu numai. Este o tehnologie avansată, care promite schimbarea de paradigmă în domenii cum ar fi controlul mașinii, realitatea virtuală, etc, este o tehnologie cu impact potențial ridicat.

4.2 Biosemnale implicate în comanda și controlul mișcării la distanță

4.2.1 Fiziologia și parametrizarea biosemnalelor de tip EEG

La nivel de sistem nervos central (SNC) există două tipuri de celule: neuronii și celulele gliale. Acestea au funcții și structuri diferite. Neuronul prezintă un corp celular și prelungirile numite axoni, cu terminații (dendrite) și poate comunica cu alți neuroni prin potențiale de acțiune. Membrana celulară posedă un poțential transmembranar de aproximativ -70 mV. Acțiunea neurotransmițătorilor asupra concentrației de ioni prin modificarea permeabilității membranei și depolarizare transmembranară, conduce la formarea unui potențial local la nivelul acesteia. Când potențialul local depășește valoric o anumita valoare de prag, specifică neuronului, se pot genera potențiale de acțiune. Acestea se propagă nedecremental de-a lungul axonului către alți neuroni, iar la nivelul sinapselor are loc transmiterea de impuls nervos de la un neuron la altul (Kandel et al, 1991).

Comunicarea dintre neuroni prin contacte sinaptice se va realiza prin alt tip de semnale electrice. Aceste potențiale postsinaptice pot fi inhibitorii sau excitatorii, cauzând hiperpolarizarea, respectiv depolarizarea membranei. Un semnal EEG măsurat la nivelul scalpului este generat de către potențialele postsinaptice inhibitorii (IPSP) și potențialele postsinaptice excitatorii (EPSP). Diferențierea dintre semnalele de tip EEG se va concretiza în identificarea și măsurarea unor parametri specifici fiecărui tip de semnal.

Fig. 16. Anatomia sinapsei

(după Kandel, E.R., Schwartz, J.H, și Jessell, T.M.)

Semnalul de tip EEG este format din mai multe tipuri de unde diferențiate în benzi de frecvență:

– undele alfa (8 – 13 Hz, 10 – 120 mV, în relaxare)

– undele beta (14 -30 Hz, 5 – 30 mV, activitate mentală)

– undele teta (4 – 7 Hz, 30 – 70 mV, frecvent la copii)

– undele delta (0,5 – 3 Hz, 50 – 150 mV, în somn profund)

Semnalul EEG poate fi caracterizat printr-un set de parametri ca rezultat al unor analize, al unui proces de transformare a funcției semnal.

Procesarea semnalelor EEG include: filtrarea, stocarea, reconstrucția, comprimarea datelor, conversia, amplificarea, multiplexarea, modularea/ demodularea semnalelor; separarea informațiilor de zgomot.

Transformarea semnalelor de tip analogic în semnale numerice reprezintă o prelucrare numerică și ea se realizează cu un sistem de achiziție de date. Dacă procesarea se limiteaza doar la analiza unui semnal EEG, atunci datele numerice nu mai sunt reconvertite în semnale analogice, ci destinate exclusiv analizei și stocării;

4.2.1.1 Parametri de semnal EEG

Parametrii de semnal EEG pot fi împărțiți în:

parametri temporali;

parametri statistici de amplitudine;

parametri frecvențiali.

Parametri temporali urmăresc intersecțiile cu o axă și extremele amplitudinale raportate la unitatea de timp, respectiv mediile temporale de ordinul unu și doi: media, media pătratică, dispersia, abaterea medie pătratică, funcțiile și coeficienții de inter  și autocorelație, funcțiile de inter și autocovarianță. Dacă distribuția histogramei este gaussiană, ea poate fi caracterizată prin media și deviația standard. Pentru distribuții nongaussiene informații utile sunt oferite de oblicitate (skewness) și kurtosis. Oblicitatea măsoară gradul de deviere de la simetria distribuției normale, în raport cu linia de bază. Valorile diferite de zero ale acestui parametru indică prezența unor evenimente monofazice în EEG.

Parametrii statistici de amplitudine se determină pe histogramă și pe funcția densitate de probabilitate. Pe graficul densității de probabilitate se calculează media, mediana și modul.

Parametrii frecvențiali presupun o analiză în frecvență bazată pe spectrele de amplitudine furnizate de transformata Fourier și pe spectrele de putere. Parametrii frecvențiali evidențiază ritmurile specifice ale EEG, a căror distribuție în frecvență se asociază cu stările psiho-fiziologice ale subiectului. Astfel, informații privind gradul de oboseală sunt furnizate de către puterea semnalului EEG, dată de aria de sub funcția densității spectrale de putere, iar anumite manifestări patologice sunt asociate cu deplasarea benzilor de frecvență.

Densitatea spectrală de putere se deduce pornind de la definiția puterii semnalului de frecvență centrală fo și bandă B,

P(f0,B) = (17)

De unde densitatea spectrală primește forma:

S(f0) f=fo df (18)

care presupune măsurarea puterii medii intr-o bandă îngustă Df in jurul lui fo. Cu cât Df  este mai mică cu atât puterea medie în acea bandă se apropie mai mult de densitatea spectrală.

4.3.1.2 Analiza spectrală liniară EEG

Analiza spectrală de tip EEG se realizează de regulă cu un sistem compus dintr-un filtru trece banda axat pe fo, un detector pătratic și un integrator. Aceste analizoare pot fi: de tip paralel, serie (cu baleiere), cu filtru dispersiv, cu compresie de timp și analizoare Fourier.

Analizorul Fourier  (Fig. 17) se compune dintr-un corelator și un transformator Fourier. Transformatorul Fourier conține două multiplicatoare, memoriile pentru funcțiile pondere, memoriile sin si cos, un integrator numeric si un bloc de prelucrare.

Relația de calcul va fi:

Sxx=xx()d (19)

unde Cxx este funcția de autocorelație a semnalului EEG. Se extrage din memorie funcția de autocorelație și se înmulțește cu funcții pondere, pentru netezirea spectrului în cazul unor semnale cu spectru mai larg.

Memoriile sin si cos implementează funcția exponențială. La ieșirea blocului de prelucrare se vor furniza părțile reală și imaginară, modulul și faza transformatei Fourier.

Fig 17. Analizor Fourier

Densitatea spectrala de putere. Analiza spectrului de putere a semnalului EEG oferă informații cantitative despre distribuția în frecvență a EEG (Fig. 18), fiind realizabilă simplu prin intermediul algoritmului Transformatei Fourier Rapide (FFT).

Funcția de corelație a EEG cu ea însăși deduce spectrul de putere după relația:

P(f)=Rn2 +Im2 (20)

unde X(f ) este transformata Fourier a semnalului EEG pe un canal.

Coerența cuantifică legatura dintre diferite canale EEG, mărimea ei fiind dată de relația:

Coerența = (21)

Spectrul încrucișat este dat de produsul:

spectrul incrucișat = X(f) Y*(f) , (22)

în care X(f) si Y(f) sunt transformatele Fourier ale semnalelor EEG de pe două canale iar (*) este complex conjugatul.

Faza semnalului EEG este data de unghiul reprezentarii polare a acestuia, coerența fiind un număr complex. Faza poate ilustra interacțiuni ale activității cerebrale înregistrate în zone diferite ale scoarței.

Analiza spectrală liniară EEG presupune achiziția semnalului EEG multicanal, calculul densității spectrale de putere (cu FFT), al spectrului încrucișat, calculul coerenței și relațiilor de fază.

În vederea transmiterii comenzii și controlului la distanță cu ajutorul unei structuri de semnal de tip EEG, pentru gestionarea acesteia în baza de experiențe, se determină densitatea spectrală de putere care va indica informații cantitative despre distribuția în frecvență a semnalului. Astfel distribuția în frecvență se poate constitui într-un pattern (Fig. 19) ce poate fi stocat și administrat.

Fig. 19. Formă de pattern EEG – densitatea spectrală de putere

4.2.2 Instrumente de achiziție și procesare date EEG

a. Casca EMOTIV EPOC cu 14 canale este un instrument de achiziție date de tip EEG cu senzori umezi, configurat în ”Sistemul american 10-20” de dispunere a acestora, având următoarele facilități:

– afișează formele brute ale semnalelor EEG;

– calculează sincronizarea între fiecare semnal și media tuturor celorlalte, după o corecție adecvată;

– efectuează o filtrare high-pass a semnalelor, în scopul de a elimina puternic fluctuațiile de frecvență joasă;

– efectuează o corectare automată a artefactelor EEG, o problemă foarte importantă și comună a oricărui dispozitiv EEG. Această corecție se face foarte rapid și eficient cu ajutorul unei rutine Elemaya;

– resalvează fișierul așa filtrat și corectat într-un alt format .CSV mai compact decât .csv original;

– exportă datele elaborate în fiecare secundă într-un fișier .csv special care poate fi deschis și succesiv elaborat cu Excel, în scopuri științifice;

– calculează densitatea spectrală de putere a diferitelor benzi EEG (Delta, Teta, Alfa, Beta);

b. Casca NeuroSky (de la Mind Wave) este de asemenea un instrument capabil să preia biosemnale de tip EEG de la nivelul frunții, prin intermediul a trei electrozi uscați, reproducând activitatea neurocorticală în spectre de putere ale undelor cerebrale, fiind calibrat să ofere expresia în biosemnale a atenției, meditației și a clipitului ocular.

Dispozitivele NeuroSky pot măsura stări mentale multiple, simultan. Fizica undelor cerebrale este aproape identică cu fizica undelor sonore unde un singur microfon poate crește complexitatea unui concert. Toate dispozitivele electrice, inclusiv calculatoare, becuri, prize de perete etc., emit un anumit nivel de "zgomot" ambiental. Acest zgomot este de multe ori destul de puternic pentru a influența undele cerebrale. Ca rezultat, dispozitivele de laborator EEG vor recepționa citiri aleatorii atunci când electrodul de referință cât și electrodul primar sunt conectate la un obiect care nu emite undele cerebrale. În trecut, dispozitivele tradiționale EEG au eludat această problemă prin măsurarea undelor cerebrale în medii strict controlate pentru a nu interfera cu semnalul EEG. Pentru a crește semnalul undelor cerebrale EEG, este utilizat un gel medical pentru conductivitate. Cum dispozitivele EEG migrează din laborator catre utilizarea pe scara largă, majoritatea oamenilor nu au la dispozitie spații lipsite de interferențe electronice, și nici nu agreeaza să-și aplice gel conductor pe scalp de fiecare dată când folosesc un dispozitiv EEG. Abordările NeuroSky, avand la bază senzori fără gel și medii zgomotoase, reduc aceste probleme.

O parte din dispozitivele NeuroSky implică anularea zgomotului. Amplificarea semnalului face semnalul undelor cerebrale brute mai puternic. Protocoale de filtrare elimină frecvențele de zgomot cunoscute, cum ar fi cele musculare, puls și cele de la aparatele electrice. Filtrele notch elimină zgomotul electric din grilă, zgomot care variază de la 50Hz la 60Hz funcție de regulile interne ale fiecărei țări. Tehnologia de filtrare este în topul preocuparilor NeuroSky R&D și produsele viitoare vor rafina această capacitate încă perfectibilă în acest moment. Extrapolarea semnalelor undelor cerebrale EEG din „zgomote” se face utilizând un punct de referință și un circuit electric de împământare. Împământarea aduce tensiunea corpului la acelasi nivel cu tensiunea căștii. Referința este utilizată pentru extragerea zgomotului ambiental comun printr-un proces de „respingere”. Lobul urechii este un loc care experimenteaza zgomotul ambiental în același fel ca și senzorul frontal NeuroSky, dar cu o activitate neuronală minimă. Prin urmare este esențial pentru o funcționare corectă ca legătura căștii la ureche să fie făcută cât mai atent.

Pentru validare, NeuroSky a efectuat teste de măsurare ale EEG pe sensor uscat prin compararea semnalelor EEG provenite din sistemul de senzori uscați cu semnale de la sistemul Biopac, un sistem bine cunoscut cu electrozi umezi EEG, utilizat pe scară largă în aplicații medicale și de cercetare. Au fost înregistrate simultan semnale EEG de către sistemul NeuroSky și sistemul Biopac. Electrozii pentru cele două sisteme au fost plasați în același loc, împreună, cât mai aproape posibil, fără a interfera între ele. Electrozi uscați placați cu aur, au fost utilizați pentru sistemul NeuroSky, în timp ce Biopac a folosit electrozi umezi de unică folosință cu gel bazat pe clorură de argint. S-au înregistrat semnale EEG pentru diverse situatii: subiectul testării aflat în stare de relaxare , în stare ffectuate, în alertă, într-o stare de atenție sau producând artefacte prin clipirea de ochi.

Semnalele brute EEG preluate cu electrozi uscați ai sistemul NeuroSky au fost comparate cu cele provenite de la electrozii umezi ai sistemului Biopac. FFT-urile au fost ffectuate pentru a compara caracteristicile de semnal ale EEG, în special spectrul de putere. Rezultatele arată că semnalele EEG ale sistemul NeuroSky sunt compatibile cu cele ale sistemului Biopac. EEG-urile sistemului Biopac prezintă un zgomot ceva mai semnificativ în benzile de frecvență joasă. Ca rezultat, sistemul NeuroSky este mai rezistent la zgomot. Sistemul NeuroSky prezintă chiar avantaje atunci când este folosit în mediul ambiental real și pentru aplicațiile de produse de larg consum.

NeuroSky a dezvoltat de asemenea un algoritm proprietar numit eSense, pentru detectarea stărilor mentale pornind de la spectrele de frecvență ale diverselor tipuri de unde cerebrale.

Tabelul 1

In baza algoritmilor proprii eSense, NeuroSky poate detecta la un nivel foarte rafinat stările de „Atenție" și "Meditație".

În fiecare secundă, casca calculează și furnizează măsurile eSense “Atenție și “Meditație”. De câte ori algoritmul detectează informații ce par a fi incorecte, datorita zgomotului, se reia măsurătoarea respectivă.

4.3 Date experimentale, studiu statistic asupra acțiunii de comandă și controlul mișcării, de la distanță

4.3.1 Corelații multiple între pattern-uri de tip EEG si GSR implicate în interacțiunea dintre biosemnal și controlul mișcării la distanță

– studiu experimental-

a. Rezumat

Obiectul studiului este acela de a evalua simultan, prin măsurare directă, pe un număr de subiecți, un set de semnale tip GSR, prin aplicarea unui semnal stimul, de tensiune, la nivelul epidermei, pe o zonă a palmei, cu ajutorul unui echipament electronic specializat, cu scopul de a recepționa un set de semnale de răspuns care vor fi apoi convertite într-un set de șapte funcții distribuite grafic într-un pattern GSR, respectiv, prin achiziția unor semnale de tip EEG de la nivelul frunții, cu ajutorul altui echipament specializat, semnale care vor fi apoi convertite într-un set de valori reprezentând distribuția densității spectrale de putere pentru benzile de frecvență cerebrală corespunzătoare.

Cercetarea efectuată are ca scop:

confirmarea ipotezei că există o corelație multiplă dintre pattern-uri de tip EEG, constituite din valorile distribuției densității de putere si cele de tip GSR formate din șapte funcții de răspuns la neurostimularea epidermei palmare;

pregătirea studiului experimental privind corespondențele dintre anumite zone din palmă și zonele de plasare a senzorilor EEG în ”Sistemul american 10-20”;

b. Introducere

Studiul experimental se referă la utilizarea a două tehnici diferite referitoare la biosemnale, pentru obținerea în variabile corespunzătoare fiecărei tehnici în parte, a aceluiași tip de comportament electric. Necesar în transmiterea comenzii și și controlului la distanță a unei mișcări, acest crossing în semnal electric poate fi implementat în sistemele de tip BCI, oferind posibilități superioare de utilizare a sistemelor cu biofeedback.

În cele descrise anterior, pattern-ul de tp GSR este constituit din semnalele de răspuns la stimularea electrică, semnale compuse, fiecare, din semnalul de tip treaptă și semnalul purtătoare, a cărei anvelopă conține informații esențiale despre procesele psihofiziologice asupra cărora dorim să aplicăm o inferență. Astfel funcțiilor de răspuns proiectiv al neurocortexului, pe fiecare canal în parte le vor fi atribuite funcțiuni concrete în dinamica psihofiziologică a persoanei evaluate, în scopul de a obține martori electrici pentru corespondența cu tipologiile de semnal EEG.

Măsurarea directă a unor parametri fizici corelați cu anumite aspecte psihofiziologice elimină din lanțul de evaluare toate elementele ce pot vicia rezultatul. De aceea, în determinarea funcțiilor proiective de tipul X(t), vom utiliza o metodă de măsurare directă care se bazează pe principiul determinării nivelelor de conductibilitate a epidermei de tip SCL – conductanța bazală și SCR – conductanța de răspuns, realizând măsurătorile cu ajutorul unui echipament specializat.

c. Metoda

Metoda utilizată în realizarea acestui studiu experimental constă, pe de o parte, în aplicarea unui semnal de tensiune la nivelul epidermei, pe șapte zone ale palmei subiectului, recepționarea unui set de semnale de răspuns și convertirea acestora într-un set de funcții proiective cu semnificații psihologice, calibrate convențional pe o scală numerică, iar pe de cealaltă parte, în preluarea simultană cu achiziția GSR, a unui set de semnale de tip EEG de la nivelul frunții aceleiași persoane.

d. Ipoteză:

Se știe că modificările fazice ale conductanței pielii apar atunci când glandele din piele se umplu, iar conductanța pielii revine la valorile bazale atunci când umezeala este reabsorbită de glande, acestea, funcționând ca niște rezistențe, (conductanța crește atunci când glandele se umplu și scade atunci când se resorb). Aceasta face ca valorile de conductanță să derive din cantitatea de soluție conținută de glande, precum și din numărul glandelor exocrine activate simultan. Deoarece activarea glandelor exocrine este reglată neural fiind controlată de trunchiul cerebral și activitatea electrică a pielii este corelată cu debitul de sânge în zonele periferice, depinzând direct de pulsul inimii,

presupunem că: există o corespondență directă între pattern-ul densității spectrale de putere al unui semnal de tip EEG preluat de la nivelul scalpului și patern-ul funcțiilor de răspuns prin semnal de tip GSR preluat de la nivelul palmei aceleiași persoane, prin procedeul de neurostimulare fazică.

e. Obiective:

Determinarea corelației dintre nivelele de tensiune măsurate la nivelul palmei și constituite într-un pattern de funcții proiective (ca valori ale răspunsului galvanic al epidermei) și pattern-ul densității spectrale de putere al unui semnal de tip EEG preluat de la nivelul scalpului aceleiași persoane, prin achiziție simultană de date.

Prin aceasta, studiul experimental are ca obiectiv:

confirmarea ipotezei că există o corelație între conductanța de răspuns a epidermei exprimată într-o structură de funcții proiective și pattern-ul densității spectrale de putere al unui semnal de tip EEG;

pregătirea studiului experimental privind identificarea corespondențelor dintre anumite zone din palmă și zonele de plasare a senzorilor EEG în ”Sistemul american 10-20”;

f. Participanți:

Testele s-au adresat unui un număr N= 40 persoane. Populația este formată din 25 persoane de gen masculin și 15 de gen feminin, 18 elevi (45%); 12 studenti în ani terminali (30%); 6 cadre didactice gimnaziu (15%) și 4 cadre didactice universitare (10%).

g. Variabile:

Se stabilesc următoarele variabile de lucru:

– Variabile independente – indicatorii de emotivitate, atenție și meditație ai subiectului;

– Variabile intermediare – nivelul de activitate al funcției responsabilă cu capacitatea de veghe, exprimat proiectiv în potențial energetic; nivelul distribuției spectrale de putere a semnalelor EEG;

– Variabila dependentă – nivelul de tensiune corespunzător conductanței de răspuns a epidermei pe zona de la nivelul palmei subiectului; frecvența cerebrală;

h. Echipamentul electronic, software de măsură:

Pentru punerea în evidență a neurosemnalelor, s-a utilizat un echipament electronic dedicat, numit neurostimulator fazic – NPHS (Fig. 30). Acesta generează, formatează și aplică semnale de tensiune în treaptă, pe zonele de măsură din palmă cu ajutorul unor senzori de argint plasați corespunzător pe partea superioară a capacului echipamentului electronic. Neurosemnalele sunt înregistrate în vederea prelucrării, de către un logger cu patru canale, de tipul K8048 produs de firma belgiană, Velleman. Prin intermediul programului software PCLAB 2000SE, specializat în achiziții de date, acesta înregistrează variațiile de conductanță, ca variații corespondente de nivel de tensiune, pe parcursul unui număr de cicli de măsură, vizualizând formele semnalelor de excitație și de răspuns, realizând totodată citirea și stocarea valorilor de tensiune ale acestor semnale. Prelucrarea avansată a semnalelor de răspuns galvanic al epidermei în stadiul fazic, stabilește un număr de șapte funcții ce vor alcătui pattern-ul GSR.

Variațiile de conductanță sunt vizualizate și înregistrate ca variații corespunzătoare de tensiune după relația următoare: conductanța G = 1/R; rezistența epidermei R = U/I, U este tensiunea aplicată, respectiv G = I/U. Astfel valorile mici de tensiune măsurate relevă o conductanță înaltă a epidermei, iar valorile mari de tensiune, relevă o conductanță redusă a epidermei, în condițiile pentru care curentul rămâne constant pe întregul lanț de măsură.

Pentru realizarea corelației s-a utilizat un dispozitiv  MindWave de la NeuroSky, Inc. (Fig. 20.b) cu ajutorul căruia s-au făcut determinări simultane cu cele de la nivelul palmei. Spre deosebire de neurostimulatorul fazic NPHS, dispozitivul MindWave de la NeuroSky, Inc. preia de la nivelul frunții și lobului urechii, prin intermediul a trei electrozi uscați, semnale de tip EEG, care în aplicația de față au fost procesate cu interfața OpenVibe pentru NeuroSky. Pentru corelarea timpului de preluare a datelor, valorile densităților spectrale de putere preluate de la NeuroSky, pentru fiecare probă, au fost mediate. Analiza finală a datelor a fost realizată cu PASW Statistics 18.

i. Procedura de lucru:

S-au asignat funcțiile X3(t), X6(t) și X7(t) pentru studiul corelațiilor, după cum urmează: X3(t) relevantă în starea afectivă, specifică emotivității, X6(t) relevantă în cogniție, specifică manifestării atenției, iar X7(t) relevantă în starea de relaxare, specifică meditației.

Fiecare persoană din grup a fost testată simultan cu cele două echipamente, în trei etape:

Etapa cognitivă: în timpul achiziției datelor, persoana a urmărit un videoclip cu tematică științifică (sursa : https://www.youtube.com/watch?v=oNviFQpRvwQ);

S-a identificat corelația dintre densitatea spectrală de putere a undelor Beta (DSP-Beta) și funcția proiectivă x6(t).

Etapa de relaxare: în timpul achiziției datelor, persoana a urmărit un videoclip cu imagini din natură pe fondul unei piese muzicale relaxante (sursa : https://www.youtube.com/watch?v=ylU8JSl5598);

S-a identificat corelația dintre densitatea spectrală de putere a undelor Alfa (DSP-Alpha) și funcția proiectivă x7(t).

Etapa emoțională : în timpul achiziției datelor, persoana a urmărit un videoclip cu tematică puternic emoțională (violența asupra animalelor, sursa : https://www.youtube.com/watch?v=HpW5vGU2E9I);

S-a identificat corelația dintre densitatea spectrală de putere a undelor Beta Înalte (DSP-High Beta) și funcția proiectivă x3(t).

Pentru realizarea diagramelor comparate, variabilele au fost aduse în scale compatibile.

Pentru efectuarea unei măsurători se realizează bucla de măsură prin aplicarea bazei palmei subiectului pe senzorul echipamentului electronic. Se pornește logger-ul și se inițiază generatorul de nivel de semnal de interogare. La sfărșitul ciclului de citire care durează 1 min și 25 secunde, se transferă fișierul de date Programului de analiză a activității electrice măsurate în zona senzorului de unde au fost interceptate variațiile de conductanță ale epidermei.

Programul de analiză va furniza cele două variabile astfel:

variabila dependentă (în volți)

variabila intermediară (în procente)

Concomitent cu achiziția GSR, se realizează achiziția EEG utilizând interfața OpenVibe pentru NeuroSky. Programul de analiză va furniza valorile distribuției spectrale de putere.

j. Rezultate

Mai jos sunt prezentate exemplificativ corelațiile dintre distribuția densității spectrale de putere ale semnalelor de tip EEG și funcțiile proiective corespunzătoare, precum și diagramele corelațiilor pentru toți cei 40 de subiecți măsurați, cu statistica aferentă.

a b

c

Figura 32. a. ex. corelație Beta-X6; b. ex. corelație Alfa-X7; c. ex. corelație Beta Inalte-X3

Fig. 33 Diagrama și statistica corelației dintre densitatea spectrală de putere a undelor Beta și funcția X6(t)

Figura 34. Diagrama și statistica corelației dintre densitatea spectrală de putere a undelor Alfa și funcția X7(t)

Fig. 35. Diagrama și statistica corelației dintre densitatea spectrală de putere a undelor Beta Înalte și funcția X3(t)

k. Interpretări

Valoarea corelației inter-itemi determinată în faza a treia, reflectă că în cazul situației emoționale, în care undele de tip beta înalte vădesc o tensiune intensă, cele două echipamente au rezolutivitate foarte apropiată, reflectând tensiunea și stress-ul intens resimțit de către subiecți printr-o corelație înaltă (coeficient Alpha Cronbach: 0,839). Diferențele exprimate în valorile mai slabe ale corelației primelor două etape se explică prin diferența netă între modul de integrare a variabilelor dependente, respectiv a semnalelor, NeuroSky prezentând semnale de tip EEG, o suprapunere a numeroase semnale simple cu o amplitudine variind de obicei de la aproximativ 1 mV la 100 mV la un adult normal și de aproximativ 10 – 20 mV dacă este măsurată cu electrozi subdurali cum ar fi electrozii FFT , iar neurostimulatorul fazic, NPHS, semnale electrice de răspuns ale căror valori pot fi urmărite între 18 – 435 mV, în funcție de structura internă a echipamentului de stimulare. În acest ultim caz, integrarea semnalului este realizată global, de către organismul uman, fiind exprimat în răspunsul electrodermal la stimularea fazică.

4.3.2 Concluzii și dezvoltări ulterioare

Aplicarea semnalelor de tip GSR culese la nivelul suprafeței palmare, poate conduce la identificarea unor corelații prețioase, capabile să alcătuiască o matrice de corespondențe a neurosemnalelor de tip GSR și funcțiile cerebrale complexe, în vederea stabiliri unui profil psihologic fidel, numai din analiza simultană a neurosemnalelor astfel prelevate. Procedeul neuro-stimulării fazice, prezintă un mare avantaj față de echipamentele standard pentru semnale EEG, prin aceea că neuro-stimularea are o varietate imensă de soluții, iar semnalele de răspuns conțin informație cu un grad mare de fidelitate în legatură cu procesele cerebrale, ele fiind integrate global de către sistemul psihologic.

Având în vedere cele de mai sus, se poate concluziona că în modelul experimental prezentat există o inferență puternică pentru variabila psihologică ceea ce conduce la corelația foarte bună dintre cele două tipuri de pattern-uri de semnal. În această privință, ele se încadrează în schema de inferență propusă de către John T. Cacioppo și Louis G. Tassinary, în categoria relației invariante, în cazul de față cele două tehnologii utilizate oferind predicții competitive, legate de raspunsul neurofiziologic.

Concluzii finale

Pentru transmiterea la distanță a comenzii și controlului unei mișcări este necesară stabilirea unui lanț relațional între obiectul comenzii și controlului, respectiv subiectul care le aplică. Caracterizarea unei bucle de comandă și control bazată pe biosemnale preluate prin funcții proiective de la nivelul cortexului cerebral (biosemnale GSR), sau prin biosemnale de tip EEG, implică mai întâi stabilirea unei baze de experiențe ce trebuie să conțină formele structurilor de semnal constituite ca urmare a interacțiunii dintre subiect și ansamblul de stimuli aflați în câmpul cognitiv. Formarea unei comenzi și interceptarea răspunsului în vederea asigurării controlului de la distanță a mișcării va fi posibilă prin recunoașterea pattern-ului corespunzător din baza de experiențe.

Rezultatele obținute în acest studiu experimental comparativ, confirmă ipoteza că există o corelație importantă între pattern-ul densității spectrale de putere al unui semnal de tip EEG preluat de la nivelul scalpului și patern-ul funcțiilor de răspuns prin semnal de tip GSR preluat de la nivelul palmei aceleiași persoane, prin procedeul de neurostimulare fazică.

Un asemenea demers, realizat sistematic pentru întregul scalp, utilizând spre exemplu o cască EMOTIV EPOC cu 14 canale de măsură, poate conduce la identificarea unor corelații importante, capabile să alcătuiască o matrice de corespondențe a neurosemnalelor de tip GSR și funcțiile cerebrale complexe, în vederea stabiliri unei baze de experiențe cu acuratețe înaltă, utilizabilă în tehnica de ”pattern recognition”, respectiv transmiterea comenzii și controlului la distanță a unei mișcări.

Menționăm aici diferența care se conturează între semnalele de tip EEG, pe care le considerăm cu precădere semnale de interes clinic, ele fiind legate de subsisteme cu activitate cerebrală strict specializată, și cele de tip GSR – stimulat, care sunt semnale de interes psihologic, fiind corelabile subsistemelor cu activitate psihică integrată.

Bibliografie selectivă

Akaike, H., ”A new look at statistical model order identification”, IEEE Trans. Autom. Control, 19, 1974, 716–723.

An Luo, Thomas J Sullivan “A user-friendly SSVEP-based brain–computer interface using a time-domain classifier”, Martie 2010

Aniței, M., Fundamentele Psihologiei, Editura Universitară, București, 2010

Antoniu, M., Măsurări electrice și electronice, vol.1- Editura Satya, Iași, 2001

Antoniu, M., Măsurări electrice și electronice, vol.2 – Editura Satya, Iași, 2001

Andreassi, John L. Psychophysiology Human Behavior and Physiological Response Fourth Edition, Baruch College City University din New York, ,LAWRENCE ERLBAUM ASSOCIATES, PUBLISHERS, 2000 Mahwah, New Jersey London;

Arthur Salvetti, Bogdan M. Wilamowski “A Brain-Computer Interface for Recognizing Brain Activity”, 2008

Badarinwa, M.S., (2004), Alternative terapy method, United States Patent, US0059184

Bear, M.F.; B.W. Connors, and M.A. Paradiso (2001). Neuroscience: Exploring the Brain. Baltimore: Lippincott. ISBN 0-7817-3944-6

Bejan, A., Lorente, S., La Loi Constructale, L’Harmattan, Paris, 2005.

Boucsein, W., Electrodermal Activity, Second edition, © Springer Science + Business Media, LLC 2012;

Bârlea, N., M., Fizica senzorilor, Editura Albastră, Cluj 2000

Bunu, C., Electrocardiografia, disponibil la http://fiziologie.umft.ro/ro/CV4.PDF

Carter, M., Weber, T., (2007), Reflexologie palmară, Ed. Polirom, București

Colceag, Fl., Algebraic Fractals – Fractal Varieties, (2001); Cellular Automata, Algebraic Fractals”, (2001); http://austega.com/florin/

Ciobanu, L., Senzori și traductoare , Editura MATRIX ROM, 2006

Ciobanu, N., Sisteme de reglare automată, Centrul Național de Dezvoltare a Învățământului Profesional și Tehnic, Bucuresti, 2009

Ciucu, G., Craiu, V., Ștefănescu, A. Statistică matematică și cercetări operaționale, Editura Didactică și Pedagogică, București, 1974

Constantinescu, P., Sinergia, informația și geneza sistemelor (Fundamentele sinergeticii), Editura Tehnică, București, 1990.

Covic, Mircea, Biologie și genetică medicală, Editura Didactică și Pedagogică, București, 1981

Crowley, Katie, Sliney, Aidan, Pitt, Ian, Murphy, Dave “Evaluating a Brain-Computer Interface to Categorise Human Emotional Response”, 2010

Curran, E. (2003, April). Learning to control brain activity: A review of the production and control of EEG components for driving brain–computer interface (BCI) systems. Brain and Cognition, 51(3), 326–336. Disponibil pe http://linkinghub.elsevier.com/retrieve/pii/S0278262603000368

Dario, F., & Mattiussi, C. (2008). Bio-Inspired Artificial Intelligence (R. C. Arkin, Ed.). London, England: MIT press. Emotiv. (n.d.). Brain Computer Interface Technology. Extras toamna 2010 de pe http://www.emotiv.com/.

De Luca, C.J., Electromyography. Encyclopedia of Medical Devices and Instrumentation, (John G. Webster, Ed.) John Wiley Publisher, 98-109, 2006.

De Vos, Maarten et al., (1990), Thomson Higher Education 2007, available online at http://ulb.upol.cz/lectures/vaa11/biosignals.pdf

Dolga, V., Senzori si traductoare Editura Eurobit, Timisoara,1999

Dănăilă, L. Tratat de Neuropsihologie, Ed. Medicală, București, 2000

Edelberg R ., In: Biopotentials from the skin surface: The hydration effect, Annals of the New York Academy of Sciences, Volume 148, Bioelectrodes pages 252–262, February 1968;

Gary N. Garcia, T. Ebrahimi and J.-M. Vesin, ‘Joint Time Frequency-Space Classification of EEG in a Brain Computer Interface Application’ , Eurasip Journal on Applied Signal Processing, special issue on Neuromorphical Signal Processing.

Gheorghiu, D., Statistică pentru psihologi, Ed. Trei, București, 2007

Gligor, T. D., Bartos, O., Goian, V., ”Aparate electronice medicale”, Ed. ”Dacia”, Cluj-Napoca, 1983

Gârlașu, St., ș.a., Electronică și automatizări industriale Editura Didactică și Pedagogică, București 1982

Golu, M., Dicu, A., Introducere în psihologie, Editura Științifică, București, 1972.

Golu, M., Principii de psihologie cibernetică, Editura Științifică și Enciclopedică, București, 1975.

Grigore, D., Inteligențele fractale, Amazon Digital Services, Inc., 2014, ASIN: B00IH73G36

Grigore, Dumitru, ”Sistem psihometric integrat pentru evaluare complementară”, Editura Argeș Press, Pitești, 2014

Griessbach, G., Kudryevtseva, S. Henning., G. Harampieva, I., Ivanova, G., Kirlengic, E., M., (2007), Method and device for detecting neurological and psycho-physiological states, Australian Patent Office, AU2006252068A1

Guilford, J. P., The Nature of Human Intelligence, Mc Graw-Hill, New York, 1967

Guilford, J. P., Hoepfner, Ralph, The analysis of intelligence, New York, McGraw-Hill, 1971

Healey, J., F.,Statistics: A Tool for Social Research, Belmont, California, Wadsworth Publishing Company, 1984;

Hinkle, D. E., Wiersma, W., & Jurs, S. G. (1988). Applied statistics for the behavioral sciences (2nd ed.). Boston: Houghton Mofflin Company.

Ignea, A., Măsurarea electrică a mărimilor neelectrice, Editura de Vest, Timișoara, 1996

Ion, A. Ion,  Chimie analitică. Echilibre chimice Editura Printech, București, 1999

Iosifescu, M.,Mihoc Gh., Theodorescu, R. Teoria probabilităților și statistică matematică, Editura Tehnică, București, 1966

Isaic-Maniu, A. Mitruț, C., Voineagu, V., Statistică, Ed. Universitară, Buc., 2004

Jan B.F. van Erp, Fabien Lotte, Michael Tangermann “Brain-Computer Interfaces: Beyond Medical Applications”, 2012

Kandel, E.R., Schwartz, J.H, Jessell, T.M. Principles of Neural Science, 3rd Edition, London, Prentice Hall, 1991

Kaniusas, E., Biomedical Signals and Sensors I, Biological and Medical Physics, Biomedical Engineering, DOI 10.1007/978-3-642-24843-6 1, © Springer-Verlag Berlin Heidelberg 2012;

Kauffman S. A.,, ”The Origins of Order. Self-Organisation and Selection in Evolution.” Oxford University Press. 1993

Keller, G.,și Warrack, B., Essentials of Business Statistics, Belmont, California, Wadsworth Publishing Company, 1991;

Korenman, E.M.D., (2000), Apparatus for monitoring a person’s psycho-physiological condition, United States Patent, US6067468

Keirn, Z. a., & Aunon, J. I. (1990, December). A new mode of communication between man and his surroundings. IEEE transactions on bio-medical engineering, 37(12), 1209–14. Disponibil pe http://www.ncbi.nlm.nih.gov/pubmed/2149711

Kendall, M. G., Stuart, A. The advanced theory of Statistics, vol. I, II, Charles Griffin & Company Limited, London, 1961

Kosko, B., (1992). Neural networks and fuzzy systems, a dynamical systems approach to machine inteligence, Prentice Hall Eds.

Larsen, E., A., (2011), Classification of EEG Signals in a Brain-Computer Interface System, Norvegian University of Science and Technology, Master of Science in Computer Science

Lukas, S. E., Mendelson, J. H., & Benedikt, R. (1995, February). Electroencephalographic correlates of marihuana-induced euphoria. Drug and alcohol dependence, 37(2), 131–40. Disponibil pe http://www.ncbi.nlm.nih.gov/pubmed/7758402

Malmivuo, J., Plonsey, R., Bioelectromagnetism-Principles And Aplications Of Bioelectric And Biomagnetic Fields, Oxford University Press,1995

Margaret, J Christie, Electrodermal activity in the 1980s: a review, Journal of the Royal Society of Medicine Volume 74, August 1981;

Marzillier, L., F., Elementary Statistics, Wm. C. Brown Publishers, 1990.

Macovschi, E., Substratul material al gândirii abstracte, în Sisteme în științele naturii, coord. Mircea Malița, Editura Academiei, București 1979.

Macovschi, E., Concepția biostructurală și teoriile moleculare ale materiei vii, Editura Științifică și Enciclopedică, București, 1984

Maturana, H. & Varela, F. ”Autopoiesis and Cognition: the Realization of the Living”, Robert S. Cohen and Marx W. Wartofsky (Eds.), Boston Studies in the Philosophy of Science ([1st edition 1973] 1980)

Mayer, R.W., (1974), Apparatus for measuring the psychogalvanic reflex, United States Patent, US3841316

Mihoc, D., Simulescu, D., Popa, A., Aparate electrice și automatizări, Editura Didactică și Pedagogică, București, 1982

Mihoc D., Popescu S., Automatizări Editura Didactică și Pedagogică, București, 1978

Mihu, Ioan, P., Procesarea numerică a semnalelor, noțiuni esențiale, Editura Alma Mater, Sibiu, 2005

Morf, M., Vieria, A., Lee, D., and Kailath, T., ”Recursive multichannel maximum entropy spectral estimation”, IEEE Trans. Geosci. Electronics, 16, 1978, 85–94.

Morowitz, H.J., Energy Flow in Biology. New York: Academic Press, 1968

Mureșan, M., Văduva, G., 2005, ”Războiul viitorului, viitorul războiului”, Editura UNAp, București

Nanu, M., ”Structura activității bioelectrice a creierului”, WordPress.com, 2009, disponibil la http://mariananu.wordpress.com/psihologie/1-structura-activitatii-bioelectrice-al-creierului/

Negoescu, R., Instrumentație electronică medicală, Editura Tehnică, București, 1985;

NeuroSky, I. A. (2010). ThinkGear Socket Protocol (Tech. Rep.). Disponibil pe http://www.NeuroSky.com/

NeuronDotNet. (n.d.-a). Backpropagation Algorithm. Disponibil pe http://neurondotnet.freehostia.com/manual/bpnalgo.html

NeuronDotNet. (n.d.-a). Backpropagation Algorithm. Disponibil pe http://neurondotnet.freehostia.com/manual/bpnalgo.html

Niac, Gavril, Mediul Biotic (note de curs). Anul VI Masterat: Ingineria Mediului Industrial. UNIVERSITATEA TEHNICĂ, CLUJ-NAPOCA. 2006-2007.

Oancea, M., R., 1975, ”Radiolegături la distanțe mari” Editura Militară, București

Ortner, R., Grünbacher, E., Guger, C., State of the Art in Sensors, Signals and Signal Processing, g.tec medical engineering GmbH/Guger Technologies OG, Graz, Austria

Pantelimon, B., Iliescu C., Măsurarea electrică a mărimilor neelectrice Universitatea Politehnica Bucuresti, 1997

Papilian V., Anatomia omului vol. I, II Editura Didactica si Pedagogica Bucuresti, 1982

Paraschiv, T., Informatica în psihologie, concepte, modele și aplicații, Univ. ”Titu Maiorescu”, București, 2005

Peek, B. (2010b). ThinkGearNET 1.1. Disponibil pe http://thinkgearnet.codeplex.com/

Polikar R. – A Wavelet Tutorial, Iowa State University, 2001

Prigogine, I., Introduction to Thermodynamics of Irreversible Processes (Second ed.). New York: Interscience, 1961

Prigogine, I., G. Nicolis, G.,and Babloyantz, A., Physics Today, November, 1972.

Ravariu, C., Electrofiziologie (note de curs) , Universitatea Politehnica Bucuresti, disponibil la www.arh.pub.ro/cravariu/Electrofiziologie.doc

Saeid S., Chambers, J.A., “EEG Signal Processing”, UK John Wiley & Sons Ltd, 2007

Skolnik, M., I., 2008, ”Radar Handbook- Third Edition” The McGraw-Hill Companies.

Smith, E. E., Nolen-Hoeksema, S., Fredrickson, B. L., Loftus, G. R., Introducere în psihologie, Editura Tehnică, București, 2005

Tertișco M., Stamata A., Antonescu M., Soare C., – Aparate de măsurat și control. Automatizarea producției, Editura Didactică și Pedagogică, București, 1994

Topoliceanu, F., Lozneanu, S., Bioelectrometria, Editura Tehnică, Bucuresti, 1985

Tărăboanță, Fl., Echipamente pentru prelucrarea și comunicarea datelor Editura Astel Design, Iași, 2000

Turpin, G., Clements, K., (1993), Electrodermal activity and psychopatology; the development of the palmar sweat index (PSI) as an applied measure for use in clinical settings; Progres in Electrodermal Research, Edited by J.-C. Roy et al. Plenum Press, New York

Urrestarazu H., Autopoietic Systems: A Generalized Explanatory Approach – Part 1. Constructivist Foundations, 2011

Varela F. J., Maturana H. R. & Uribe R. Autopoiesis: The organization of living systems, its characterization and a model. BioSystems (1974)

Venables, P. Psychophysiology and Psychometrics. Psychophysiology , 302-315,1978

Weaver H.J., Theory of discrete and continuous Fourier analysis., Wiley-Interscience, 1989

White, R., Cum funcționează calculatoarele. Editura B.I.C. ALL, București, 2002

Wolpaw, J. R., Editor, G., Birbaumer, N., Heetderks, W. J., Mcfarland, D. J., Peckham, P. H., et al. (2000). Brain – Computer Interface Technology : A Review of the First International Meeting. IEEE Trans. Rehabil., 8(2), 164–173.

Yoshitsugu Yasui “A Brainwave Signal Measurement and Data Processing Technique for Daily Life Applications” A Brainwave Signal Measurement and Data Processing Technique for Daily Life Applications”,2009

Zadeh,L. A, Polak, E, Teoria sistemelor, Editura tehnică, București, 1972

Zaharia, L., Sisteme computerizate pentru achiziția de date, Iași 2005, www.tuiasi.ro/sim

Zhang, Y., Chen, Y Zhang, L., He, W., Miao, X., & Yang, J. (2005, January). Dynamic EEG Analysis via the Variability of Band Relative Intensity Ratio: A Time-Frequency Method. Conference proceedings : … Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Conference, 3(1), 2664–7. Disponibil pe http://www.ncbi.nlm.nih.gov/pubmed/17282787

Zlate, M., Psihologia mecanismelor cognitive, Editura Polirom, Iași, 1999.

*** Marele dicționar al psihologiei, LAROUSSE, Editura Trei, București, 2006

*** OSIM, (2012), Buletinul Oficial de Proprietate Industrială, Nr 7/2012, referința A 61B 5/05 – a 2012 00171

http://www.vernier.com/experiments/hp-a/12/analyzing_the_heart_with_ekg/

http://www.rdpe.com/ex/hiw-sgpt.htm

http://www.biopac.com/data-acquisition-analysis-system-mp150-system-windows

http://colegiul-medicilor.ro/notiuni-practice-de-metrologie-metodologie-si-tehnica-instrumentala-pentru-masurarea-semnalelor-bio

https://ro.scribd.com/doc/112790001/Cap-9-Elemente-de-Teoria-Corelatiei-Si-Regresiei

https://ro.scribd.com/doc/138016044/Probabilitati-Si-Statistica

https://ro.scribd.com/doc/119208341/63671032-15060389-Teoria-probabilitilor

https//emotiv.com

http://www.measurement.sk/2002/S2/Teplan.pdf

http://www.sciencedirect.com/science/article/pii/S174680941300178X

https//emotiv.com

http://www.measurement.sk/2002/S2/Teplan.pdf

http://www.sciencedirect.com/science/article/pii/S174680941300178X

http://www.creeaza.com/familie/medicina/Electroencefalografie265.php

http://www.dewaldlab.com/research/BCI.htm

http://yosinski.com/mlss12/media/slides/MLSS-2012-Muller-Brain-Computer-Interfacing.pdf

http://www.techlegends.in/author/avimanyu/

http://computer.howstuffworks.com/brain-computer-interface2.htm

http://www.brain.riken.jp/bsi-news/bsinews34/no34/research1e.html

http://www.radartutorial.eu/07.waves/Benzile%20de%20frecven%C5%A3%C4%83.ro.html

https://ro.scribd.com/doc/148373336/Aplicatii-industriale-ale-undelor-electromagnetice-doc

http://www.revista.forter.ro/2010_1_t/06-arm/07.htm

http://www.revista.forter.ro/2009_3_t/06-arm/01.htm

“Această lucrare a fost realizată cu sprijinul finanțării obținute în cadrul proiectului de studii doctorale și postdoctorale: „Studii doctorale și postdoctorale Orizont 2020: promovarea interesului național prin excelență, competitivitate și responsabilitate în cercetarea științifică fundamentală și aplicată românească” Contract POSDRU/159/1.5/S/140106.

PARTENERI:

Institutul de Economie Mondială

Institutul de Economie Națională

Universitatea Națională de Apărare ”Carol I”

Institutul de Cercetări Juridice ”Acad. Andrei Rădulescu”

Agenția Română pentru Asigurarea Calității în Învățământul Superior

Academia Tehnică Militară

Österreichisch-Rumänischer Akademischer Verein

Tipografia Institutului de Economie Mondială

Calea 13 Septembrie nr. 13, Corp A, Etaj 5

http://www.iem.ro/orizont2020

contact: orizont2020@iem.ro

Cod de bare ISBN