A. Motivație … … 2 [603935]

1

Cuprins
I. Introducere
A. Motivație …………………………………………………………………………… ……. 2
B. Obiective ………………………………………. ………………………………………… 3
II. Elemente de fiziologie ………………………………………………………………………… 5
A. Noțiuni fundamentale – structura creierului ………………………………….. 5
B. Apecte practice ………………………………………………………. ………………… 8
III. Interfața creier – calculator ……………………………………………………………….. . 10
A. Noțiuni introductive ………………………………………………………………… 10
B. Metode de achiziție ………………………………. ………………………………… 12
C. EEG – definiție și caracteristici …………………………………………………. 20
IV. Metode de extragere a trăsăturilor din semnalele EEG …………………………… 25
A. Metoda FFT (Fast Fourier Transform) ……………………………………….. 25
B. Transformata Wavelt (WT) ………………………………………………………. 26
C. Metoda vectorilor proprii ……… …………………………………………………. 28
D. Metoda distribuției timp -frecvență …………………………………………….. 29
V. Aplicație practică ……………………………………………………………………………… 31
A. Mediul de lucru ………………………………………….. …………………………… 31
B. Implementare și rezultate experimentale …………………………………….. 36
VI. Concluzii …………………………………………………………………………………………. 45
Bibliografia

2

I. Introducere
A. Motivați e
O interfață creier -calculator (BCI) este un sistem care măsoară activitatea sistemului nervos
central (CNS) și o transformă în ieșire artificială care înlocuiește, restabilește, îmbunătățește,
suplimentează sau îmbunătățește producția naturală de SNC, modificând astfel interacțiunile
permanente SNC și mediul său extern sau intern.
Creierul uman este unul dintre cele mai complexe sisteme din univers. În zilele noastr e
există diver se tehnologii pentru înregistrarea undelor cerebrale și electroencefalografia (EEG) este
una dintre ele. Aceasta este una dintre tehnicile de procesare a semnalului cerebral care permite
înțelegerea mecanismelor interne complexe ale creierulu i și undele ce rebrale anorma le s-au dovedit
asociate cu anumite tulburări ale creierului.
Prelucrarea semnalului este tehnologia care permite generarea, transformarea și
interpretarea informațiilor. În diferite etape ale timpului creierul nostru reacțione ază diferit. A ceste
semnale ale creierului sunt utilizate în diferite scopuri, astfel încât este posibilă studierea
funcționalităților creierului în mod corespunzător, prin generarea, transformarea și interpretarea
semnalului colectat. Acest proces este cu noscut sub num ele de procesarea semnalului creierului.
În ultimii ani controlul dispozitivelor ”prin puterea minții” este un subiect foarte
controversat dar și foarte cercetat atât în domeniul gadgeturilor de ultimă generație, cum ar fi
telefoane mobile i nteligente, la ptopuri și tablete și chiar televizoare inteligente, dar și în domeniul
medicinei, pentru a fi utilizate de pesoanele cu dizabilități pentru care aceste tehnologii ar putea
reprezenta singura posibilitate de comunicare cu mediul exterior.
Ideea de bază a unui sistem BC I este aceea de a măsura activitatea electrică, magnetică sau
orice alte manifestări fizice ale activității creierului și de a le transforma în comenzi pentru un
calculator sau orice alt dispozitiv (scaun cu rotile, neuroproteză ). Altfel spus , scopul BCI este acela
de a traduce intențiile umane – reprezentate prin semnale potrivit alese – în semnale de control
pentru un dispozitiv de ieșire.

3

O interfață creier – calculator este un sistem care permite comunicarea fără mișcare;
informația se t ransmite numai prin gânduri, convertite în semnale generate de creier. O BCI poate
fi caracterizată, pe scurt, ca o cale de comunicație directă dintre creier și un dispozitiv extern .
Semnalele EEG conțin un mix necunoscut de componente care reprezintă pro cesele
creieru lui. De aceea este foarte importantă găsirea unor intrumente fiabile de procesare a
semnalului pentru a extrage caracteristici ale semnalelor sistemului BCI.
B. Obiective
Scopul acestei teze constă în extragerea, selectarea și clasificarea trăs ăturilor semnalelor
EEG, ce au la bază ritmurile senzorimotoare, pentru implementarea sistemelor BCI. Pentru
atingerea scopului propus au fost parcurse trei etape:
Înțelegerea modului de funcționare a sistemelor BCI și a feno menelor neurologice
implicate ;
Achiziția de semnale EEG ce au la bază ritmurile senzorimotoare, înregistrate în timpul
sarcinilor motorii/de imaginare motorie. ;
Aplicarea și optimizarea metodelor de extragere, selecție și clasificare a trăsăturilor
semnale lor EEG .
Lucrarea este structu rată pe patru capitole de fond la care se adaugă introducerea și ultimul
capitol care sintetizează contribuțiile și concluziile ce se desprind din derularea întregii lucrări.
Capitolele sunt împărțite astfel:
Capitolul 1 – cuprinde informații introductive referitoare la tema aleasă, precum și motivul
alegerii temei ;
Capitolul 2 – cuprinde informații despre elem entele de fiziologie, și anume despre structura
creierului și aspecte practice;
Capitolul 3 – ”Interfața creier – calculator ” cuprinde trei subcapito le ce oferă informații
despre clasificarea semnalelor, metode de achiziție, dar și despre EEG ;

4

Capitolul 4 – este structurat pe trei subcapitole și cuprinde informații despre metodele de
extragere a trăsăturilor din semnalele EEG . Metodelde documentate sun t: Metoda FFT,
transformata Wavelt (WT) , metoda vectorilor proprii și metoda distribuției timp -frecvență
Capitolul 5 – cuprinde informații despre m ediul în care s -a realizat aplicația practică,
implementarea acesteia precum si rezultatele experimentale obț inute;
Capitolul 6 – cuprinde principalele concluzii la care s -a ajuns în urma parcurgerii lucrării
de diplomă.

5

II. Elemente de fiziologie
A. Noțiuni fundamentale – structura creierului

Creierul este un organ uimitor de trei kilograme care controlează toate f uncțiile corpului,
interpretează informațiile din lumea exterioară și înt ruchipează esența minții și a sufletului.
Inteligența, creativit atea, emoția și memoria sunt câteva dintre numeroasele lucruri guvernate de
creier. Protejat în craniu, creierul este c ompus din cerebrum, cerebel și trunchiul creierului [1].
Creierul primește informații prin intermediul celor cinci simțuri ale noastre: vede re, miros,
atingere, gust și auz – deseori multe la un moment dat. Adună mesajele într -un mod care are sens
pentru noi și poate stoca informațiile în memoria noastră. Creierul ne controlează gândurile,
memoria și vorbirea, mișcare a brațelor și picioarelor și funcția multor organe din corpul nostru.
Sistemul nervos central (SNC) este compus din creier și măduva spinări i. Sistemul nervos
periferic (PNS) este alcătuit din nervi spinali car e se ramifică din măduva spinării și din nervii
cranieni care se ramifi că din creier.
Creierul este compus din cerebrum, cerebel și trunchi ul cerebral (figura 1 ).

Figura 1 – Structura creierului

6

Cerebrul: este cea mai mare parte a creierului și este compus din emisferele drepte și stângi.
Acesta îndeplinește funcții superi oare, precum interpretarea atingerii, vederii și auzului,
precum și vorbirea, raționamentul, emoțiile, învățarea și controlul fin al mișcării ;
Cerebel: este localizat sub cerebrum. Funcția sa este de a coordona mișcările musculare, de
a menține postura și echilibrul ;
Trunchiul cerebral: acționează ca un centru de releu care leagă creierul și cerebelul cu
măduva spinări i. Acesta îndeplinește multe funcții automate, cum ar fi respirația, ritmul
cardiac, temperatura corpul ui, ciclurile de veghe și somn, digestie, strănut, tuse, vărsături
și înghițire.
Cerebrul este împărțit în două jumătăți: emisferele dreapta și stânga ( figura 2 ). Ele sunt
unite de un pachet de fibre numit corpul callosum care transmite mesaje dintr -o parte în cealaltă.
Fiecare emisferă controlează partea opusă a corpului. Dacă un accident vascular cerebral apare pe
partea dreaptă a creierului, brațul sau piciorul stâng pot fi slabe sau paralizate.

Figura 2 – Cerebrul este împărțit în două emisfere , stânga și dreapta [2]
Emisferele cerebrale au fisuri distincte, care împart creierul în lobi. Fiecare emisferă are 4
lobi: frontal, temporal, parietal și oc cipital ( figura 3). Fiecare lob poate fi împărțit, încă o dată, în
zone care servesc funcții foarte specifice. Este import ant să înțelegem că fiecare lob al creierului

7

nu funcționează singur. Există relații foarte complexe între lobii creierului și între e misfera dreaptă
și stânga.

Figura 3 – Cerebrul este împărțit în patru lobi: frontal, parietal, occipital și temporal.
Lobul frontal:
personalitate, comportament, emoții ;
judecarea, planificarea, rezolvarea problemelor ;
discurs: vorbire și scriere (zona Broca) ;
inteligență, concentrare, conștientizare de sine .
Lobul parietal:
interpretează limbajul, cuvintele ;
simțul atingerii, durerii, temperaturii (bandă senzorială) ;
interpretează semnale vizuale , auz, motor, senzorial și memorie ;
percepția spațială și vizuală .
Lobul occipital:
interpretează viziu ale (culoarea, lumina, mișcarea) .
Lobul temporal:

8

înțelegerea limbaju lui (zona lui Wernicke) ;
memorie ;
auz;
secvențiere și organizare .
În general, emisfera stângă a creierului este responsabilă de limbaj și vorbire și este numită
emisfera „dominantă”. Emisfera dreapta joacă un r ol important în interpretarea informațiilor
vizuale și procesării spațiale. La aproximativ o treime dintre persoanele care sunt stângaci, funcția
de vorbire poate fi localizată în part ea dreaptă a creierului. Persoanele stângace pot avea nevoie de
teste speciale pentru a stabili dacă centrul lor de v orbire este pe partea stângă sau dreaptă înainte
de orice intervenție chirurgicală în zona respectivă [3].
Afazia este o perturbare a limb ajului care afectează producția, înțelegerea, citirea sau
scrierea vorbirii, din cauza leziunilor cerebrale – cel mai fre cvent cauzate de accident vascular
cerebral sau traume. Tipul afaziei depinde de zona creierului deteriorată.
B. Aspecte practice
Poten țialele biolectrice (PR, PA) propii neuronilor stau la baza activit ății electrice a
creierului în ansamblu, dar aceasta din urm ă nu se reduce la ele. Se consider ă că în imaginea grafic ă
global ă a activitatii bioelectrice a creierului (electroencefalograma -EEG) își găsesc expresia numai
procesele electrice de joas ă frecven ță cu o durat ă între 10 milisecunde și 10 min ute. În condit âțiile
obișnuite ale înregistr ării EEG cu ajutorul macro electrozilor plasa ți pe scalp și chiar direct pe
cortex, poten țialele mai r apide nu sunt puse în eviden ță.
Pe baza particularit ăților pe care le reprezit ă traseele EEG în diverse par ți ale creirului, se
fac încerc ări de a elabora o harta electoarhitectonic ă a cortexului, delimit ându-se unele teritorii
omogene din acest punct de vedere.
Neuronul este unitatea morfofuncțională a sistemului nervos. Acesta îndeplinește
următoarele funcții :
captează informații de la alți neuroni;

9

execută o însumare temporală și spațială a potențialelor de stimulare excitatorie sau
inhibatorie;
conduc e potențialele de acțiune de -a lungul uneia din prelungirile corplui celular
(axonului);
transmite informația altor neuroni sau celule efectoare.
Transmisia informației prin neuroni se face prin eliberarea din neuronul presinaptic a unei
substanțe cu rol de mediator chimic, care depolarizează membrana celulei post sinaptice.
Amplitudinea potențialului de acțiun e al unei celule nervoase este constantă, rezultând că
transportul de informație prin fibrele nervoase se face prin modulația în frecvență a impuls ului de
depolarizare. Transmisia și prelucrarea informației se face prin secvențe de impulsuri care
constitui e cuvinte de cod.
Ritmurile cerebrale sunt împărțite în cinci categorii, având criteriu de clasificare, benzile
de frecvență caracteristice:
ritmu l delta (cu frecvențe sub 4Hz);
ritmul teta (cu frecvențe cuprinse între 4 și 7 Hz);
ritmul alfa (cu frecvenț e cuprinse între 8 și 12 Hz);
ritmul beta (cu frecvențe cuprinse între 13 și 30 Hz);
ritmul gama (cu frecvențe ce depășesc 30 Hz).

10

III. Interfața c reier – calculator
A. Noțiuni introductive
O interfață creier -computer (BCI), uneori numită interfață de control neuronal (NCI),
interfață minte -mașină (MMI), interfață neurală directă (DNI) sau interfață creier -mașină (IMC),
este o cale de comunicare direct ă între creier și un dispozitiv extern. B CI diferă de neuromodulare
prin faptul că permite fluxul de informații bidirecționale. BCI este adesea direcționat ă către
cercetarea, cartografierea, asistarea, creșterea sau repararea funcțiilor cognitive sau senzo rial-
motorii umane [4].
BCI poate înlocui fu ncțiile pierdute, cum ar fi vorbirea sau mișcarea. Acestea pot restabili
capacitatea de a controla corpul, cum ar fi prin stimularea nervilor sau a mușchilor care mișcă
mâna. ICC -urile au fost, de asemenea, util izate pentru a îmbunătăți funcțiile, cum ar f i instruirea
utilizatorilor pentru a îmbunătăți funcția rămasă a căilor deteriorate necesare pentru a înțelege. BCI
poate îmbunătăți, de asemenea, funcția, precum avertizarea unui șofer adormit să se trezească. În
cele din urmă, un BCI ar putea suplimenta rezultatele naturale ale organismului, cum ar fi printr -o
a treia mână.
Diferite tehnici sunt utilizate pentru a măsura activitatea creierului pentru BCI. Majoritatea
BCI au utilizat semnalele electrice care su nt detectate folosind electrozi plasați invaz iv în interiorul
sau pe suprafața cortexului, sau neinvaziv pe suprafața scalpului [electroencefalografie (EEG)].
Unele BCI s -au bazat pe activitatea metabolică care este măsurată noninvaziv, cum ar fi prin
imag istica prin rezonanță magnetică funcțională ( RMN).
Ei lucrează în trei etape principale:
colectarea semnalelor creierului ;
interpretarea lor ;
emiterea comenzilor către o mașină conectată în funcție de semnalul creierului primit.
BCI poate fi aplicat la o varietate de sarcini, dar fără a se limita la neurofeedback,
restabilirea funcției motorii la pacienții paralizați, permițând comunicarea cu pacienți blocați și

11

îmbunătățind procesarea senzorială. BCI poate fi separat în trei categorii în funcție de met oda
folosită pentru colectarea semnalelor creierului [5].
Există multe tehnici diferite pentru a măsura semnalele creierului. Le putem împărți în :
non-invazive – Senzorii sunt așezați pe scalp pentru a măsura potențialele electrice produse
de creier (EEG ) sau câmpul magnetic (MEG) – figura 4 .

Figura 4 – Senzori așezați pe scalp
semi -invazive – Electrozii sunt așezați pe suprafața expusă a creierul ui (ECoG) – figura 5 .

Figura 5 – Electrozi așezați pe suprafața expusă a creierului
invazive – Micro -elect rozii sunt plasați direct în cortex, măsurând activitatea unui singur
neuron – figura 6 .

12

Figura 6 – Model pentru metode de măsurare invazive
Semnalul ce este mai apoi analizat este preluat din diferitele straturi ale creierului – figura
7.

Figura 7 – Straturi ale creierului
B. Metode de achiziție
În mod neinvaziv semnalul EEG este luat plasând electrozi pe scalp, deci în oartea cea mai
externă. Semi -invaziv semnalul ECoG este preluat de la electrozii plasați în dura sau în aracnoid.
Invaziv semnalul intr aparenchimal este luat direct implantând electrozi în córtex [6].
Tipurile invazive de BCI sunt implantate direct în creier în timpul u nei
neurochirurgii. Există BCI de o singură unitate , care detectează semnalul dintr -o singură zonă a
celulelor creierul ui și BCIs multiunit care detectează din mai multe zone. Electrozii au lungimi

13

diferite, de exemplu, până la 1,5 mm (Utah, Blackrock Mic rosystems) sau 10 mm (FMA,
MicroProbes) într -un MEA (1) . Calitatea semnalului este cea mai ridicată, dar procedura are mai
multe probleme, de exemplu riscul formării țesuturilor cic atriceale. Corpul reacționează la obiectul
străin și construiește cicatricea în jurul electrozilor, ceea ce provoacă det eriorarea
semnalului. Deoarece neurochirurgia poate fi un proces riscant și scump, ținta BCI invazivă sunt
în principal pacienți orbi și paralizați.
Semi -invazive – EcoG – Electrocorticografia folosește electrozi așezați pe suprafața expusă
a creierului p entru a măsura activitatea electrică din cortexul cerebral. A fost folosit pentru p rima
dată în anii '50 la Institutul Neurologic de la Montreal. Se numește semi -invaziv, dar necesită totuși
o craniotomie pentru a implanta electrozii. Din acest motiv se fo losește numai atunci când este
necesară intervenția chirurgicală din motive medicale (de exemplu, epilepsie).Electrozii pot fi
amplasați în afara duratei materiale (epidurale) sau sub durabilitatea materială (subdurală).
Electrozii cu bandă sau grilă acope ră o suprafață mare a cortexului (de la 4 la 256 electrozi) [7],
permițând o gamă diversă de studii cognitive – figura 8 .

Figura 8 – Reconstrucția RMN a creierului pacientului cu electrozi suprapuse
Caracteristicile pozitive ale ECoG sunt:
rezoluție sp ațială ridic ată și fidelitate a semnalului ;
rezistență la zgomot ;

14

risc clinic mai mic si robuste țe pe o perioada lung ă de înregistrare ,
amplitudine mai mare .
Rezolu ție spa țială – Un beneficiu al ECoG asupra EEG este că rezoluția spațială este mult
mai mar e, deoarece semnalul nu trebuie să circule pentru a ajunge la scalp. Rezoluț ia spațială în
ECoG este de zeci de milimetri, în timp ce este de centimetri în EEG .
Ce înțelegem prin rezoluție spațială? Putem lua, ca analogie, claritatea unei imagini. O
imagi ne cu o rezoluție spațială mai mare este „mai clară”; cu alte cuvinte, pare mai precis deoarec e
este compus din mai mulți p ixeli pe inch, care prezintă mai multe detalii. O imagine cu rezoluție
spațială mai mică pare mai puțin clară sau mai neclară deoarec e este compusă din mai puțini pixeli
pe inch. O rezoluție spațială mai bună ne permite să înțelegem cu o mai bună precizie de unde
provine semnalul. În cazul EEG, atunci când semnalul electric circulă prin craniu, acesta este
atenuat datorită conductivităț ii scăzute a oaselor [8].
Semnalul ECoG nu este afectat de zgomot și artefacte, de exemplu EMG (electromiografic
– cauzat de m ișcări musculare) și EOG (electrooculografic – cauzat de mișcările ochilor) . Gama de
electrozi nu trebuie să pătrundă în cortex, ceea ce o face mai sigură decât înregistrarea invazi vă.
Înregistrările ECoG sunt maxime de 50 –100 µV față de 10 –20 µV .
Au existat studii diferite despre utilizarea ECoG în BCI, dar toate sunt limitate la cazurile
în care a fost necesară intervenția chirur gicală pentru a elimina focalizarea epileptică. Într-un
studiu, de exemplu, cercetătorul a folosit ECoG pentru a controla u n cursor în două dimensiuni.
Cinci pacienți, în pregătirea intervenției chirurgicale pentru epilepsie, au avut o gamă subdurală de
electrozi implantați timp de 7 -14 zile. După un scurt antrenament mai mic de 30 de minute,
pacienții au reușit să controleze un cursor în două dimensiuni, cu o rată medie de succes de 53 –
73%.
Non invaziv – În secțiunea următoare vom analiza pe scurt princip alele tehnici non –
invazive. Există mai multe tehnic i non -invazive utilizate pentru a studia creierul, unde EEG este
cel mai frecvent utilizat din cauza costurilor și a portabilității hardware :
Magnetoencefalografie MEG ;
Tomografie cu emisie de pozitron PET ;

15

Imagistica cu rezonanta magnetica functionala fMRI ;
fNIRS spectroscopie în infraroșu aproape ;
Electroencefalografie EEG .
În imaginea următoare – figura 9 – este posibilă vizualizarea diferitelor tehnici de imagistică
a creierului, comparativ cu rezoluți a spațială și temporală .

Figura 9 – Diferite tehnici de imagistică
Magnetoencefalografiei MEG – este o tehnică neuroimagistică funcțională pentru
cartografierea activității creierului prin înregistrarea câmpurilor magnetice produse de curenții
electrici care apar în mod natural în creier, folosind magnetometre foarte sensi bile – figura 10 .

16

Figura 10 – Scanner MEG cu pacient de la Institutul Național de Sănătate Mintală
MEG măsoară câmpul magnetic cauzat de curenții din creier și oferă o rezoluție spațială
mai bună în comparație cu EEG. Deoarece câmpurile magnetice su feră mult mai puțin decât
câmpurile electrice din cauza efectului de estompare spațială a craniului și a fluidului intracerebral.
„MEG este maxim sensibil la surse tangențiale și are o sensibilitate scăzută la sursele radiale”
„MEG este mai bun decât EEG l a detectarea activității de înaltă frecvență (de exemplu, peste 60
Hz). Acest lucru se datorează faptului că câmpurile magnetice trec prin craniu și scalp, în timp ce
câmpurile electric e sunt volumul condus prin aceste țesuturi, ceea ce scade raportul semn al-zgomot
la frecvențe mai mari [9]. '
PET – tomografie cu emisie de pozitroni – PET-ul este o tehnică de imagistică nucleară
folosită în medicină pentru a observa diferite procese, cu m ar fi fluxul de sânge, metabolismul,
neurotransmițătorii, care se întâmpl ă în organism – figura 11 .

17

Figura 11 – Pet scanner
O cantitate mică de material radioactiv, numit radiotracer, este injectată în fluxul sanguin
pentru a ajunge la creier. În cazu l creierului, radiotracerul se atașează de glucoză și creează un
radionucli d numit fluorodeoxiglucoză (FDG) . Creierul folosește glucoza și va afișa niveluri diferite
în funcție de nivelul de activitate al diferitelor regiuni. Imaginile scanării PET sunt mu lticolore –
figura 12 , unde zonele cu mai multe activități sunt în culori m ai calde ca galbenul și roșul. Scanările
PET ale creierului sunt folosite adesea pentru a detecta boli ca cancer sau altele.

Figura 12 – Scanare PET a unui creier uman normal

18

fMRI – imagistica prin rezonan ță magnetic ă funcțional ă – Imagistica prin rezonanță
magnetică funcțională sau RMN funcțional (fMRI) este o procedură funcțională de neuroimagistică
folosind tehnologia RMN care măsoară activitatea creierului prin detectarea mod ificărilor asociate
cu fluxul de sânge. Această tehnică se bazează pe f aptul că fluxul de sânge cerebral și activarea
neuronală sunt cuplate. Atunci când este utilizată o zonă a creierului, crește și fluxul de sânge în
acea regiune. Imagistica prin rezonan ță magnetică funcțională sau RMN funcțional (fMRI) este o
procedură fun cțională de neuroimagistică folosind tehnologia RMN care măsoară activitatea
creierului prin detectarea modificărilor asociate cu fluxul de sânge. Această tehnică se bazează pe
faptul c ă fluxul de sânge cerebral și activarea neuronală sunt cuplate. Atunci când este utilizată o
zonă a creierului, crește și fluxul de sânge în acea regiune.

Figura 13 – Tehnologia RMN
În creier, hemoglobina din globulele roșii capilare oferă oxigen neuron ilor. Activitatea
provoacă mai multă cerere de oxigen, ceea ce duce la o creștere a fluxului de sânge. Caracteristicile
magnetice ale hemoglobinei se schimbă dacă este sau nu oxigenată. Această diferență permite
aparatului RMN, care este un tub cilindric c u un electromagnet puternic, să detecteze ce zone ale
creierului sun t active într -un moment specific – figura 13 .

19

Figura 14 – imagini fMRI dintr -un studiu care arată părți ale creierului care se aprind la vederea
caselor și alte părți de pe fețele văzute . Valorile „r” sunt corelații, cu valori pozitive sau negative
mai m ari care indică o potrivire mai bună.
fNIRS – spectroscopie în infraroșu apropiat – Spectroscopia funcțională în infraroșu
apropiat (fNIR sau fNIRS) este utilizarea NIRS (spectroscopie în infraroșu apropiat) în scopul
neuroimagisticii funcționale. Folosin d fNIR, activitatea creierului este măsurată prin răspunsuri
hemodinamice asociate cu comportamentul neuronului. O tehnică optică pentru măsurarea
activității cerebrale localizate a creier ului [10].
fNIRS măsoară modificările fluxului sanguin ca fMRI, dar folosind o tehnică diferită,
lumina infraroșie vs câmpul magnetic.

Figura 15 – fNIRS în timpul experimentului de tenis de masă

20

Când începe o sarcină consumul de oxigen, ca și complexit atea crește, de asemenea, c ererea
de oxigen crește. fMRI măsoară cât de mult oxigen se consumă . fNIRS măsoară și cât oxigen este
disponibil în zona respectivă.
Totuși, calitatea temporală a fNIRS nu este la fel de bună ca EEG. fNIRS preia 10
eșantioane pe secundă, care sunt trumpate de 500 până la 1000 de eșantioane pe sec undă. Iar
rezoluția spațială nu este la fel de bună ca fMRI. De exemplu, fMRI poate imagina regiuni cerebrale
subcorticale, în timp ce fNIRS nu poate analiza trecutul cortexului, incapabi l să capteze nicio
activare subcorticală.
C. EEG – definiție și cara cteristici
EEG asigură înregistrarea activității electrice a creierului de la suprafața scalpului.
Electrozii sunt așezați pe scalp pentru a prelua curentul electric generat de creier.
Un neuron formează un dipol, cu o tensiune mai mică la sinapse și o tensiune mai mare la
axon. Dacă este un neuron inhibitor, dipolul este întors, cu tensiune mai mică la axon și tensiune
mai mare la sinapsele. Ce provoacă această schimbare de tensiune în interiorul unui neuron?
Canalele Na + se deschid de -a lungul dendrit ei, provocând o inundație de electroni pozitivi, această
sarcină pozitivă se deplasează în jos pe axon, deschizând mai multe canale de sodiu și determinând
o sarcină electrică să coboare axonul, descărcându -se la sinapsă, eliberând neurotransmițătorii
împr eună cu acesta. Atunci când grupuri de neuroni trag împreună, ele oferă semnal suficient
pentru noi pentru a măsura de la nivelul scalpului. Putem măsura doar grupuri de neuroni folosind
EEG (aproximativ dimensiunea unui sfert în diametru) [11].
Avantaje: este portabil, se poate fi pus într-o geantă mică (față de MEG, care necesită
camere speciale construite). Sistemele EEG de laborator pot fi costisitoare, dar sunt mai ieftine
decât alte metode BCI. În ultimii ani, un număr tot mai mare de sistem e EEG comerciale au fost
lansate.
Datele EEG conțin activitate ritmică, care reflectă oscilațiile neuronale. Oscilările sunt
descrise în funcție de frecvență, putere și fază. Oscilările apar la f recvențe specifice (adică la un
anumit ritm). Acestea includ delta, teta, alfa, beta și gama. Cercetările au descoperit asocieri între

21

aceste ritmuri și diferite stări ale creierului. De exemplu, căștile EEG comerciale – folosite adesea
în scopuri precum m editația – măsoară de obicei cantitatea de activitate a crei erului care are loc în
frecvența alfa.
Rezoluția spațială a EEG este determinată de numărul de electrozi utilizați. În cercetare,
când se dorește o rezoluție spațială mai mare, se folosesc de obi cei cel puțin 32 de electrozi, până
la 256. În general, rezo luția spațială pentru EEG este scăzută (de exemplu, în comparație cu ECoG
și fMRI), deoarece semnalul trebuie să circule prin diferite straturi în sus , la craniu. Rezoluția poate
fi însă îmbunătăț ită folosind anumite tipuri de filtre sau pri n combinarea EE G cu alte instrumente
(de exemplu, RMN).
Mai mulți electrozi necesită mai mult în timp (de exemplu, configurare), lățimea de bandă
(pentru colectarea și analiza datelor) și bani (pentru material ). Căștile comerciale utilizează adesea
mai puțini electrozi , deoarece nu este neapărat necesară o rezoluție spațială ridicată (adică
localizarea regiunilor precise ale creierului care generează un semnal).
De asemenea, precizia spațială este scăzută, deo arece activitatea înregistrată de un electrod
este amestecul de semnale diferite generate de diferite regiuni ale creierului, apropiate și
îndepărtate de cea plasată sub electrod. Scară microscopică (mai puțin de câțiva milimetri cubi) =
invizibilă pentru EEG, potențialele nu sunt suficient de puternice pentru a aj unge la scalp. Scara
mezoscopică (petice de cortex de câțiva milimetri cubi până la câțiva centimetri cubi) = poate fi
detectată cu EEG, dar folosind mai mult de 64 de electrozi și tehnici de filt rare spațială. Scara
macroscopică (regiune mare de cortex de mulți centimetri cubi) = ușor măsurabilă cu EEG .
Beneficiul EEG este rezoluția sa excelentă în timp. Este posibil să faceți mii de instantanee
de activitate electrică pe diferiți senzori într -o singură secundă. În EEG este posibilă utilizarea mai
multor electrozi, până la 500, pe baza experimentului. Sunt utilizate montate pe capace pentru a
permite colectarea datelor din aceeași regiune a scalpului.
BCI poate folosi orice tip de imagistica cere brală. Acestea includ fMRI, PET și NIRS, care
se bazează pe modificările fluxului de sânge (adică răspuns hemodinamic), și MEG și EEG, care
măsoară activitatea magnetică și electrică a creierului. În timp ce rezoluția spațială a fMRI și NIRS
este mare, ace stea au o rezoluție temporală slabă; MEG și PET au rezoluție spațială și temporală

22

ridicată; EEG are rezoluție temporală scăzută, dar înaltă. În prezent, fMRI și MEG se bazează pe
echipamente voluminoase scumpe; PET necesită injectarea unei substanțe radio active în fluxul
sanguin. Astfel, metodele bazate pe NIRS și , în special, pe EEG, sunt utilizate cel mai frecvent.
Un EEG poate determina modificări ale activității creierului care ar putea fi utile în
diagnosticarea tulburărilor cerebrale, în special a e pilepsiei sau a unei alte tulburări de criză. Un
EEG ar pute a fi de asemenea util pentru diagnosticarea sau tratarea următoarelor tulburări:
Tumoare pe creier ;
Leziuni ale creierului cauzate de leziuni la nivelul capului ;
Disfuncție cerebrală care poate av ea o varietate de cauze (encefalop atie);
Inflamarea creierului (encefalita) ;
Accident vascular cerebral ;
Tulburari de somn .
Un EEG ar putea fi, de asemenea, utilizat pentru a confirma moartea cerebrală la cineva în
comă persistentă. Un EEG continuu este f olosit pentru a găsi nivelul potrivit de anestezie pentru
cineva aflat în comă indusă medical.
În timpul testului – Se va simți disconfort puțin sau deloc în timpul unui EEG. Electrozii
nu transmit nicio senzație. Doar înregistrează valurile creierului. Câteva lucruri care se pot observa
în timp ul unui EEG:
Un tehnician v a măsoar a capul și v a marc a scalpul cu un creion special pentru a indica unde
vor fi așezați electrozii ;
Un tehnician va atașa discuri (electrozi) – figura 16 – pe scalp folosind un adeziv special.
Uneori, se utilizează un capac elastic prevăzut cu electrozi. Electrozii sunt conectați cu fire
la un instrument ce amplifică undele creierului și le înregistrează pe echipamente
computerizate ;
Odată ce electrozii sunt poziționați , un EEG durează de obicei până la 60 de minute.
Testarea pentru anumite condiții necesită să dormi în timpul testului. În acest caz, testul
poate fi mai lung.

23

Vă relaxați într -o poziție confortabilă cu ochii închiși în timpul testului. În diferit e
momente, tehnicianul vă poate cere să deschideți și să î nchideți ochii, să efectuați câteva
calcule simple, să citiți un paragraf, să vă uitați la o imagine, să respirați profund timp de
câteva minute sau să vă uitați la o lumină intermitentă.
Video este înregistrat în mod obișnuit în timpul EEG. Mișcările corp ului tău sunt capturate
de o cameră video în timp ce EEG înregistrează undele cerebrale. Această înregistrare
combinată vă poate ajuta medicul să vă diagnosticheze și să vă trateze starea.

Figura 16 – Electrozii atașați de scalp
EEG -urile ambulatorii (A EEG), care permit monitorizarea mai lungă în afara unui birou
sau a unui spital, sunt într -un mod limitat. Acest test poate înregistra activitatea creierului pe
parcursul mai multor zile, ceea ce cr ește șansele de a prinde activitate convulsivă. Cu toate a cestea,
în comparație cu monitorizarea EEG video -intern, un EEG ambulatoriu nu este la fel de bun pentru
a determina diferența între convulsii epileptice și convulsii nepileptice.
După test t ehnici anul scoate electrozii sau capacul. Dacă nu ați avut sedat iv, nu trebuie să
simțiți reacții adverse după procedură și puteți reveni la rutina dvs. normală.

24

Dacă ați folosit un sedativ, va dura timpul pentru ca medicamentele să înceapă să își piardă
efectu l. Trebuie să aveți pe cineva pentru a vă conduce acasă. Odată ce ați ajuns unde locuiți trebuie
să vă odihniți și să nu conduceți în acea zi.
Nu există riscuri asociate cu un EEG. Testul este nedureros și sigur. Unele EEG -uri nu
includ lumini sau alți st imuli. Dacă un EEG nu produce anomalii, se pot adăuga stim uli precum
luminile stroboscopice sau respirația rapidă pentru a ajuta la inducerea oricăror anomalii. Când
cineva are epilepsie sau o altă tulburare de criză, stimulii prezentați în timpul testului (cum ar fi o
lumină intermitentă) pot provoca o convulsie . Tehnicianul care efectuează EEG este instruit să
gestioneze în siguranță orice situație care ar putea apărea.

25

IV. Metode de extragere a trăsăturilor din semnalele EEG
A. Metoda FFT (Fast Fourier Transf ormation)
Această metodă utilizează mijloace matematice sau instrumente pentru analiza datelor
EEG. Caracteristicile semnalului EEG dobândit ce urmează să fie analizat sunt calculate prin
estimarea densității spectrale de putere (PSD) pentru a reprezenta selectiv se mnalul EEG . Cu toate
acestea, patru benzi de frecvență conțin formele de undă caracteristice majore ale spectrului EEG .
PSD este calculat prin transforma ta Fourier a secvenței estimate de autocorelare care se
găsește prin metode neparametrice. Una dintre aceste metode este metoda lui Welch. Secvența de
date se aplică ferestrelor de date, producând periodograme modificate. Secvența de informații x i(n)
este exprimată ca :

pune iD ca punctul de început al secvenței i. Apoi L de lungime 2M reprezin tă segmente le de date
ce sunt formate. Periodogramele de ieșire au următoarele rezultate:

Aici, în funcția ferestrei , U dă factorul de normalizare al puterii și este ales astfel încât :

unde w(n) este funcția ferestrei . Media acestor periodogra me modif icate oferă spectrul de putere
al lui Welch după cum urmează:

26

B. Transformata Wavelt (WT)
WT joacă un rol important în domeniul recunoașterii și diagnosticului: comprimă semnalul
biomedical care variază în timp, care cuprinde multe puncte de date, în câțiv a parametri mici care
reprezintă semnalul .
Întrucât semnalul EEG nu este staționar , cea mai potrivită modalitate de extragere a
caracteristicilor din datele brute este utilizarea metodelor de domeniu de frecvență de timp, cum ar
fi transform area undelor ( WT), care este o tehnică de estimare spectrală în care orice funcție
generală poate fi exprimat ca o serie infinită de wavelets. Deoarece WT permite utilizarea de
ferestre cu dimensiuni variabile, oferă un mod mai flexibil de reprezentare a f recvenței timp ului
unui semnal. Pentru a obține o rezoluție mai fină de frecvență joasă, se folosesc ferestre WT de
lungă durată; în schimb, pentru a obține informații de înaltă frecvență, se folosesc ferestre de timp
scurt.
Mai mult, WT implică doar stru ctură pe mai m ulte scări și nu o scară unică. Această metodă
este doar continuarea metodei ortodoxe de transformare Fourier. Mai mult decât atât, este menit să
rezolve probleme ale semnalelor nestationare, cum ar fi EEG. În metoda WT, semnalul EEG
original este reprezen tat de blocuri de construcții sigure și simple, cunoscute sub numele de
wavelets. Wavelet -ul mamă dă naștere acestor wavelets ca parte a funcțiilor derivate prin operații
de translație și dilatare, adică operații (schimbare) și (compresie și întindere) de -a lungul axei
timpului. Există două categorii pentru WT; primul este continuu, în timp ce celălalt este discre t.
Metoda de transformare continuă a undelor (CWT) – poate fi exprimat ă ca:

x(t) reprezintă EEG neprocesat, în care a reprezintă dilatați a, iar b reprezintă factorul de translație.
ψa, b (t) semnifică conjugatul complex și poate fi calculat prin :

27

unde ψ (t) semnifică unda. Totuși, slăbiciunea sa majoră este aceea că parametrul de scalare a și
parametrul de traducere b al CWT se schimbă continuu . Astfel, coeficienții de undă pentru toate
scalele disponibile după calcul vor consuma mult efort și vor produce o mulțime de inform ații
neutilizate .
Pentru a rezolva problema CWT, transformarea discretă a undelor (DWT) a fost definită pe
baza reprezentă rii caracteristicilor pe mai multe niveluri. Fiecare scară analizată reprezintă o
dimensiune unică a semnalului EEG. Descompunerea mu ltirezoluție a datelor EEG brute x(n) este
prezentată în figura 17. Fiecare etapă conține două filtre digitale, g(n) și h(n ) și două probe de
scădere cu 2. Wavelet -ul discret g(n) este o trecere mare în natură, în timp ce imaginea sa în oglindă
este h(n) e ste o trecere scăzută în natură.

Figura 17 – Implementarea descompunerii DWT
Așa cum se arată în figura 17, fiecare ieși re de etapă oferă un detaliu al semnalului D și o
aproximare a semnalului A, în cazul în care cel mai recent devine o intrare pentru următorul pas.
Numărul de niveluri pe care undele se descompun este ales în funcție de componenta datelor EEG
cu frecvență dominantă .
Relația dintre WT -uri și filtrul h, poate fi reprezentată după cum urmează:

28

Aici, H (z) reprezintă transformarea Z a filtrului. Transformarea z este exprimată ca:

Prin descrierea precisă a caracteristicilor segmentului de semnal într -un d omeniu de
frecvență specificat și a proprietăților domeniului de timp localizat, există o mulțime de avantaje
care umbresc necesarul înalt de calcul și memorie al implementării convenționale bazate pe
convoluție a DWT.
C. Metoda vectorilor proprii
Aceste met ode sunt utilizate pentru a calcula frecvența și puterea semnalelor din măsurători
dominate de artefacte. Esența a cestor metode este potențialul descompunerii Eigen de a corela chiar
și semnalul corupt al artefactului. Există câteva metode de eigenvector d isponibile, printre care se
numără metoda Pisarenko, metoda MUSIC și metoda normelor minime.
Metoda lui Pisarenko se numără printre abordările disponibile ale eigenvectorului utilizate
pentru evaluarea densității spectrale a puterii (PSD). Pentru a calcul a PSD, expresia matematică
A(f) este folosită și dată ca :

În ecuația de mai sus, a k reprezintă coeficienții ecuației definite și m definește ordinul A(f)
al filtrului eigenfilter . Metoda Pisarenko utilizează ecuația dorită a semnalului pentru a estima P SD-
ul semnalului de la un eigenvector echivalent cu valoarea minimă a valorii proprii, după cum
urmează:

Metoda MUZICII – Această metodă e limină problemele legate de zero uri false cu ajutorul
mediei echivalente a spectrelor la subspațiul artefact al înt regilor vectori proprii . Densitatea
spectrală a puterii rezultate este, prin urmare, o bținută ca :

29

Metoda normei minime – Această metodă face zerouri false în cercul unității pentru a le
separa de zerouri reale pentru a putea calcula un vector de spațiu de zgomot cerut fie de
eigenvectorii de subspațiu zgomot, fie de semnal. Cu toate acestea, în timp ce tehnica Pisarenko
aplică numai un eigenvector de zgomot care corespunde valorii proprii minime, tehnica normă
minimă alege o combinație liniară a întregul ui eigenvector de subspațiu zgomot . Această tehnică
este descrisă de :

Toate met odele menționate mai sus pot aborda cel mai bine semnalul care este compus din
multe sinusoide distinctive încorporate în zgomot. În consecință, sunt predispuși să producă ze rouri
false și astfel rezultă o precizie statistică relativ slabă .
D. Metoda distribu ției timp -frecvență
Acest ă metod ă necesită semnale zgomotoase pentru a oferi performanțe bune. Prin urmare,
stadiul de preprocesare foarte restrâns este necesar pentru a scă pa de tot felul de artefacte. Fiind
metod ă de frecvență – timp, ace asta se ocupă d e principiul staționar . Definiția TFD pentru un
semnal x(n) a fost generalizată de Cohen ca :

unde

30

A(ϴ,τ) este cunoscut ă ca funcție de ambiguitate, iar Φ (θ,τ) se referă l a kernelul distribuției, în timp
ce r și w sunt variabile dummy de timp și de frecvență.
Distribuția netedă pseudo -Wigner -Ville (SPWV) este o metodă variantă care încorporează
netezirea prin ferestre independente în timp și frecvență, și anume, W w(τ) și W t(t):

Extracția caracteristicilor care utilizează această me todă se bazează pe energia, frecvența și
lungimea piesei principale. Fiecare segment ia valorile E k, Fk și L k. Semnalul EEG este mai întâi
împărțit în k segmente; apoi, va avea loc construcția unui vector caracteristic tridimensional pentru
fiecare segment . Energia fiecărui segment k poate fi calculată după cum urmează:

unde ϑ k(t, f) reprezintă reprezentarea frecvenței în timp a segmentului. Cu toate acestea, pentru a
calcula frecvența fiecăru i segment k, folosim frecvența marginală după cum urmează:

În cele din urmă, pentru obținerea de unor rezultate bune, trebuie utilizate semnalele EEG
zgomotoase sau un semnal fără zgomote pentru TFD .

31

V. Aplicație practică
A. Mediul de lucru
MATLAB este un pachet de programe dedicat calcului numeric și reprezentă rilor grafice.
Elementul de bază cu care operează este matricea, de aici provenind ș i numele său: MATrix
LABoratory. Resursele sale de calcul și reprezentare grafică sunt bogate, permiț ând operați i
matematice fundamentale, analiza datelor, pro gramare, reprezentări grafice 2D și 3D, realizarea de
interfețe grafice etc. Din punct de vedere al construcției sale, MATLAB este alcătuit dintr -un
nucleu de bază în jurul căruia sunt grupate TOOLBOX -urile. A cestea reprezintă niște aplicații
specifice, fi ind de fapt colecții extinse de funcț ii MATLAB care dezvoltă mediul de programare
de la o versiune la alta, pentru a rezolva probleme din diverse domenii. În prelucrarea numerică a
semnalelor cel mai des util izat este toolbox -ul SIGNAL PROCESSING [12].
MATLAB operează cu două tipuri de ferestre:
1. fereastra de comenzi;
2. fereastra pentru reprezentări grafice.
La deschiderea programului MATLAB va apărea pe ecranul calculatorului fereastra de
comenzi, având în par tea de sus bara de meniuri aferentă. Simbolul “ >>” reprezintă prompterul
MATLAB și se află la începutul fiecărei linii de comandă din fereastra de comenzi. Ferestrele
pentru reprezentări grafice vor apărea atunci când se va cere prin comenzi specifice afiș area unor
grafice.
Matlab utilizat î n calcule numerice
Se bazează pe utilizarea matricelor. Matricele pot fi alcătuite din numere reale sau
complexe. Matlab le folosește pentru a reprezenta diferite informații ca semnale (sub formă de
vectori), imagini, polinoame, date statistice multivaria bile și sisteme liniare.
Dispune de o notație simplistă – nu există o sintaxă complicată de comenzi, care să
trebuiască să fie învățată cu greutate. Acesta favorizează concentrarea directă pe problemele
respective si n u pe aspectele tehnice privind progra marea. Prin cuprinzătoarea bibliotecă

32

matematică Matlab, sunt puse la dispoziția utilizatorului peste 500 de funcții matematice, statistice,
științifice și tehnice.
Matlab oferă o viteză mare de calcul, deoarece codifi carea sa în C a fost optimizată cu gr ijă,
ciclurile interne principale fiind prelucrate în limbaj de asamblare. De aceea Matlab are avantaje
importante atât față de alte pachete software interactive pentru aplicații matematice, cât și față de
subprogramele C si Fortran corespunzătoare.
Utilizări în calcule numerice:
Matematica generală
o operații cu matrice și câmpuri de date;
o operatori raționali și logici;
o funcții trigonometrice și alte funcții elementare;
o funcții Bessel, β și alte funcții speciale;
o aritmet ica polinomială.
Algebra liniară și f uncțiile de matrice
o analiza matriceală, logaritmi, exponențiale, determinanți, inverse;
o sisteme de ecuații liniare;
o valori proprii, descompuneri după valori singulare;
o construirea de matrice;
o operații cu matrice.
Analiz a datelor și transformări Fourier
Metode numerice nelianiare
Programe
Tehnici de vizualizare folosind Matlab
Arhitectura grafică bi – și tri- dimensională orientată pe obiect a Matlab -ului oferă un mediu
performant pentru grafica și analiza vizuală a datel or.
Ca mediu grafic, Mat lab este foarte avantajos, pentru că el dispune de numeroase funcții
speciale necesare în domeniul tehnic. Funcțiile grafice cuprind principalele formate științifice și
tehnice, cum sunt scalele logaritmice, diagramele reprezentate în coordonate polare.

33

Matlab permite realizarea unor grafice performante de culori, cu funcții grafice moderne în
trei dimensiuni, ca diagrame de suprafețe, curbe de nivel tridimensionale, reprezentarea imaginilor,
animație, reprezentări volumetrice și m ulte altele. Prin utiliza rea acestor cu 3,4 și chiar 5
dimensiuni este facilitată și cercetarea unor structuri mai complexe de date.
Spre deosebire de pachetele vizuale de evaluare a datelor, unde este vorba de programe
individuale (singulare), care preluc rează date din alte surse , posibilitățile de prelucrare integrate
de Matlab oferă o libertate nelimitată de analiză, transformare și vizualizare – totul în cadrul
unui singur mediu (unitar).
Programul Handle Graphics care stă la baza Matlab este construit după o metodă
orientată p e obiect. El oferă modalități simple și performante de adaptare și modificare a fiecărui
aspect elementar al unei diagrame.
În cadrul programului Handle Graphics pot fi deschise în același timp mai multe ferestre
grafice, în care p ot fi definite mai multe sisteme de coordonate. Se poate regla și poziția în care
va apărea imaginea pe pagina imprimată.
Un aspect și mai important este că imaginile pot fi prelucrate dinamic în continuare.
Accesul la "handles" elementare este posibil în orice moment și poate fi modificat practic
fiecare atribut al graficelor: modificarea culorii sau tipului de scris, deplasarea direcțiilor axelor
etc. Acestea și multe alte atribute pot fi definite la conceperea unui grafic sau pot fi modificate
în timp ce graficul este a fișat pe ecran.
Principalele aplicații ale tehnicii de vizualizare sunt:
Grafice bidimensionale;
Grafice tridimensionale;
Vizualizări;
Handle Graphics;
Comanda interfeței grafice cu utilizatorul.
Toolboxurile Matlab
Matlab cuprinde o seri e de programe specifice de aplicații, așa -numitele "toolboxes".
Acestea reprezintă niște biblioteci foarte ample de funcții Matlab, care adaptează mediul Matlab

34

pentru diferite probleme și diverse domenii de utilizare
Bibliotecile combină avantajel e softw are-urilor gata produse (fabricate) cu
productivitatea și flexibilitatea inerente unui mediu tehnic de calcul:
Soluții corecte, de încredere, pentru că fiecare bibliotecă este creată pe baza unei numerici
rapide și fiabile;
Pentru testarea rezultate lor este disponibilă biblioteca de funcții grafice și de vizualizare;
Ca sistem deschis MATLAB asigură accesul la codul sursă al bibliotecilor, astfel încât
algoritmii și funcțiile să poată fi examinate, adaptate și extinse pentru a corespunde
necesităților;
Bibliotecile sunt disponibile pentru toate platformele pe care rulează Matlab;
Având Matlab ca bază comună, aceste biblioteci pot fi utilizate cu ușurință împreună. Astfel,
metodele de optimizare și funcțiile de la rețele neuronale pot fi folosite în rezolvare a
problemelor complexe de prelucrare a semnalelor, iar rezultatele pot fi reprezentate sub forma
unui grafic în culori cu trei dimensiuni, toate acestea realizându -se într -un singur mediu unitar.
Math Works oferă numeroase bibliot eci, dintre care principa lele sunt în următoarele
domenii:
Prelucrarea semnalelor – funcții pentru analiza și prelucrarea semnalelor:
o proiectarea și implementarea filtrelor digitale și analogice;
o analiza spectrală;
o simularea răspunsurilor filtrelor;
o modula re și demodulare.
Prelucr area imaginilor – funcții pentru maipularea și analiza imaginilor și a semnalelor
bidimensionale:
proiectarea filtrelor bidimensionale și realizarea filtrării;
refacerea și îmbunătățirea imaginilor;
operațiuni de colorare, operațiu ni geometrice și morfolog ice;

35

transformări bidimensionale;
analiza imaginilor și statistică.
Rețele neuronale – funcțiile pentru proiectarea și simularea rețelelor neuronale:
o modele neuronale;
o funcții de transfer de rețea, funcții de activare;
o arhitecturi de rețea;
o funcții și graf ice pentru analiza calității rețelei.
Logica Fuzzy – funcții pentru proiectarea sistemelor bazate pe logica Fuzzy, cu interfață
grafică cu utilizatorul (GUI):
interfețe grafice interactive cu utilizatorul pentru proiect are Fuzzy;
sprijinirea directă a meca nismelor de învățare adaptive de tip Neuro -Fuzzy;
integrat în SIMULINK pentru simulare dinamică interactivă;
generarea de cod C pentru aplicații în timp real cu Real -Time Workshop.
Statistică – funcții pentru analiza st atistică a datelor, modelare și simul are:
funcții de analiză interactive pe baza GUI;
repartiții de tip ß, binomial, Poisson, etc.;
producerea de numere aleatoare.
Tehnica reglării automate – funcții pentru proiectarea și analiza sistemelor de reglare:
tehnici tradiționale și tehnici moderne;
în timp continuu și în timp discret;
modele reprezentate în spațiul stărilor și ca funcții de transfer;
interacțiunea sistemelor;
transformări între reprezentările modelelor;
reducerea modelului;
reprezentă ri în domeniul frecvenței: Bode, Nyquist.

36

Reglare a robustă – funcții optimizate pentru sinteza sistemelor de reglare robustă.
Identificarea sistemelor – prelucrarea semnalelor pentru obținerea modelelor parametrice.
o Optimizări – Funcții de optimizare pentr u funcționale generale liniare și neliniare.
Proiectarea regulatoarelor neliniare – optimizarea modelelor liniare și neliniare din
SIMULINK, în domeniul timp.
B. Implementare și rezultate experimentale
Scopul acestei teze constă în extragerea, selectarea și clasificarea trăsăturilor semnalelor
EEG, ce au l a bază ritmurile senzorimotoare, pentru implementarea sistemelor BCI. Pentru
atingerea scopului propus au fost parcurse trei etape:
Înțelegerea modului de funcționare a sistemelor BCI și a fenomenelor neurologice
implicate ;
Achiziția de semnale EEG ce au l a bază ritmurile senzorimotoare, înregistrate în timpul
sarcinilor motorii/de imaginare motorie. ;
Aplicarea și optimizarea metodelor de extragere, selecție și clasificare a trăsăturilor
semnalelor EEG .
Pentru a putea interpreta rezultatele obținute am uti lizat următorii parametri – figura 18 :
Undele cerebrale alfa -1 (de la 8 la 12 Hz) sunt dominante în timpul gândurilor care curg
în liniște și în unele stări meditative. Alfa este „puterea de acum”, fiind aici, în prezent. Alfa
este starea de repaus pentru creier. Undele alfa ajută la coordonarea mentală generală, calm,
alertă, integrare minte/corp și învățare .
Undele cerebrale Delta – 2 (de la 0.5 la 3 Hz) sunt undele cerebrale lente, puternice
(frecvență joasă și pătrunderea profundă, ca o bătaie a tambur ului). Acestea sunt generate
în meditația cea mai profundă și somnul fără vis. Undele Delta suspendă conștientizarea
externă și sunt sursa empatiei. Vindecarea și regenerarea s unt stimulate în această stare și
de aceea somnul restaurator profund este atât de esențial pentru procesul de vindecare.

37

Undele cerebrale Teta – 3 (de la 3 la 8 Hz) apar cel mai adesea în somn, dar sunt de
asemenea dominante în meditația profundă. Teta es te poarta noastră către învățare,
memorie și intuiție. În teta, simțurile noastr e sunt retrase din lumea externă și concentrate
pe semnalele provenite din interior. Este acea stare crepusculară, pe care în mod normal o
experimentăm în mod trepidant, pe măs ură ce ne trezim sau ne învârtim să dormim. În teta
suntem într -un vis; imagini vii, intuiție și informații dincolo de conștientizarea noastră
conștientă normală. Este locul în care ne păstrăm „lucrurile”, temerile, istoria cu probleme
și coșmarurile.
Unde le cerebrale Beta – 4 (de la 12 la 38 Hz) domină starea noastră normală de veghe a
conștiinței atunci când atenția este îndreptată către sarcini cognitive și lumea exterioară.
Beta este o activitate „rapidă”, prezentă atunci când suntem atenți, atenți, ang ajați în
rezolvarea problemelor, judecată, luarea deciziilor sau activitate ment ală concentrată.
Undele cerebrale beta sunt împărțite în trei benzi; Lo -Beta (Beta1, 12 -15Hz) poate fi gândit
ca un „ralanti rapid”, sau o melodie. Beta (Beta2, 15 -22Hz) este o implicare ridicată sau
identifică activ ceva. Hi -Beta (Beta3, 22 -38Hz) este o g ândire extrem de complexă,
integrând experiențe noi, anxietate ridicată sau emoție. Prelucrarea continuă de înaltă
frecvență nu este un mod foarte eficient de a rula creierul, deoarece necesită o cantitate
extraordinară de energie.
Undele cerebrale Gamma – 5 (de la 38 la 42 Hz) sunt cele mai rapide dintre undele
creierului (frecvență înaltă, precum flautul) și se referă la procesarea simultană a
informațiilor din diferite zone a le creierului. Undele cerebrale Gamma transmit informația
rapid și liniștit. Cea mai subtilă frecvență a undelor cerebrale, mintea trebuie să fie liniștită
pentru a accesa gama.Gamma a fost respinsă ca „zgomot cerebral de rezervă” până când
cercetătorii au descoperit că este foarte activ atunci când se află în stări de iubire universa lă,
altruism și „virtuți superioare”. Gamma este de asemenea peste frecvența tragerii neuronale,
deci modul în care este generată rămâne un mister. Se speculează că ritmurile g amma
modulează percepția și conștiința și că o prezență mai mare a gama se refer ă la conștiința
extinsă și la apariția spirituală.

38

Figura 18 – Rezultate alfa, delta, beta, teta
Pentru a interpreta semnalele E EG achizi ționate am apelat la Toolboxul EEG LAB.
EEGLAB este o Toolbox MATLAB distribui t sub licența BSD gratuită pentru proce sarea datelor
din electroencefalografie (EEG), magnetoencefalografie (MEG) și alte semnale electrofiziologice.
Împreună cu toate instrumentele de procesare de ba ză, EEGLAB implementează analiza
independentă a componentelor (ICA), analiza timp / frecvență, respingerea artefactelor și mai multe
moduri de vizualizare a datelor. EEGLAB permite utilizatorilor să -și importe datele
electrofiziologice în aproximativ 20 de formate de fișiere binare, să preproceseze datele, să
vizualizeze activitatea în încercări uni ce și să efectueze ICA. Componentele ICA artificiale pot fi
scăzute din date. În mod alternativ, componentele ICA care reprezintă activitatea creierului pot fi
procesate și analizate în continuare. De asemenea, EEGLAB permite utilizatorilor să grupeze date
de la mai mulți subiecți și să -și grupeze componentele independente.
EEGLAB [13] oferă o interfață grafică de utilizator interactivă (GUI) care permite
utilizatoril or să proceseze în mod flexibil și interactiv semnalele EEG de înaltă densitate și alte da te
cerebrale dinamice, folosind analiza independentă a componentelor (ICA) și/sau analiza
timp/frecvență (TFA), precum și o medie standard . EEGLAB încorporează, de as emenea, un

39

tutorial extins de explicații și de ajutor, plus o funcție de istoric de comenz i care ușurează trecerea
utilizatorilor de la explorarea datelor bazate pe interfață GUI la construirea și rularea scripturilor
de analiză a datelor de lot sau person alizate. EEGLAB oferă o multitudine de metode pentru
vizualizarea și modelarea dinamicii c reierului legate de evenimente, atât la nivelul „seturilor de
date” individuale ale EEGLAB, cât și / sau al unei colecții de seturi de date reunite într -un
„studyset” al EEGLAB.
Primii pași pentru a putea anealiza datele colectate în EEGLAB au fost:
insta larea toolboxului – figura 1 9;
încărcarea datelelor cu extensia .dgf;
vizualizarea rezultatelor cu ajutorul instrumentelor regăsite în bara de meniu.

Figura 1 9 – Interfața grafică după încărcarea datelor
Pentru primul set de date examinat am obținut rep rezentarea din figura 20:

40

Figura 20 – Reprezentarea 2D a electrozilor examina ți

41

Figura 21 – Reprezentarea 3D a electrozilor studiați
Din figura 2 2 se poate observa cum toată activitatea creierului se axează sper urechea
dreaptă .
Figuta 2 2 – Interpre tarea rezultat primul set de date

Figura 2 3 – Examinarea datelor cu a jutorul

42

Pentru al doilea set de date ce cuprinde tot 16 electrozi am ob ținut următoarele rezultate:

Figura 24 – Trasarea hărții scalpului în format 2D
În figura 24 acctivitatea cr eierului se împarte în două, și anume ochiul drept și partea din
spate a emisferei sângi. Din figura 25 se pot obține infomații cu privire la acctivita tea desfășurată
în acel moment.

Figura 25 – Emisferele creierului și tipurile de activități

43

Figura 26 – Reprezentarea benzii alfa

Figura 27 – Densitatea spectrală
Când utilizați Infomax ICA, care este implicit în EEGLAB, se poate întâmpla ca activit atea
unora din componente să se arunce în aer. Acest lucru se întâmplă deoarece activitatea lor

44

component e se compensează reciproc. De obicei sunt două componente sunt considerate ca având
o cantitate mare de zgomot. Acest lucru este ilustrat mai jos în figura 28.

Figura 28 – Componenta 12 conține zgomot

Figura 29 – Reprezentare în 3D

45

VI. Concluzii
Principa la funcție a BCI este de a transforma și transmite intențiile umane în comenzi de
mișcare corespunzătoare pentru scaunele cu rotile, roboți, dispozitive și altele. BCI permite
îmbunătățirea calității vieții pacienților cu dizabilități și lăsându -le să inte racționeze cu mediul lor.
Creierul uman este unul dintre cele mai complexe sisteme din univers. În zilele noastre
există diverse tehnologii pentru înregistrarea undelor cerebrale și electroencefalografia (EEG) este
una dintre ele. Aceasta este una dintre tehnicile de procesare a semnalului cerebral care permite
înțelegerea mecanismelor interne complexe ale creierului și undele cereb rale anormale s -au dovedit
asociate cu anumite tulburări ale creierului.
Scopul acestei teze a fost de a extrage, selecta și clasifica trăsăturilor semnalelor EEG, ce
au la bază ritmurile senzorimotoare, pentru implementarea sistemelor BCI. Pentru atinger ea
scopului propus au fost parcurse trei etape:
Înțelegerea modului de funcționare a sistemelor BCI și a fenomenelor neurologi ce
implicate ;
Achiziția de semnale EEG ce au la bază ritmurile senzorimotoare, înregistrate în timpul
sarcinilor motorii/de imagin are motorie. ;
Aplicarea și optimizarea metodelor de extragere, selecție și clasificare a trăsăturilor
semnalelor EEG utilizând EEGLAB.

46

Bibliografie
[1] https://anatomie.romedic.ro/encefalul -creierul
[2] H. Prun deanu, ANATOMIA OMULUI Volumul VII: SISTEMUL NERVOS CENTRAL ,
Timisoara 201 8
[3] Zinovia Zorina , ANATOMIA F UNCȚIONALĂ A MĂDUVEI SPINĂRII ȘI A
ENCEFALULUI. SISTEMUL LIMBIC. FORMAȚIUNEA RETICULATĂ , note de curs, 2014
[4] J. Gomez -Gil, L. Luis, Brain Computer Interfaces, a Review , Decembrie 2012
[5] N. Mo ra, Brain Computer Interfaces: an engineering view. Design, implementation and
test of a SSVEP -based BCI , April 2015
[6] F. Lo tte, L. Bougrain, M . Clerc, Electroencephalography (EEG) -based Brain -Computer
Interfaces , June 2015
[7] L.Nicolas-Alonso , J. Gomez -Gil, The brain –computer interface cycle , September 2009
[8] https://en.wikipedia.org/wiki/Brain%E2%80%93computer_interface
[9] https://www.science direct.com/topics/neuroscience/brain -computer -interface
[10] https://computer.howstuffworks.com/brain -computer -interface.htm
[11] https://www.healthline.com/health/eeg#:~:text=An%20electroencephalogram%20(
EEG)%20is%20 a,and%20records%20brain%20wave%20patterns.
[12] https://cimss.ssec.wisc.edu/wxwise/class/aos340/spr00/whatismatlab.htm
[13] https://sccn.ucsd.edu/eeglab/index.php