| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 17.48 MB | Adobe PDF |
Authors
Abstract(s)
Powered exoskeletons play a crucial role in the rehabilitation field improving the quality
of life for those who need them. Thus, being a major contribution for patients integration
into society, providing them with more autonomy and freedom.
In spite of these positive outcomes, a thorough description of the brain correlates connected to exoskeleton control is still needed. For instance, the perception of different
pavement textures when wearing an exoskeleton is probably going to cause changes in
cerebral activity, which could impact both sensory encoding and Brain-Computer Interface (BCI) control.
Therefore, the main goal of this work is to describe the brain activity response to different
textured pavements using ExoAtlet ® powered exoskeleton. In order to measure, process, analyze and classify the impact of different textures on neurophysiological rhythms,
4-minute signals were recorded by Electroencephalogram (EEG) with a 16-channel cap
(actiCAP by Brain Products).
Each of the three experimental subjects was instructed to walk in place on four different
types of pavement (flat, carpet, foam, and rubber circles) with and without the exoskeleton, for a total of eight different experimental conditions. A counterbalanced design was
applied, and informed consent was obtained from participants (Committee for Health
Sciences of the Universidade Católica Portuguesa - 99/2022). Additionally, four machine
learning methods, Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Linear
Discriminant Analysis (LDA), and Artificial Neural Network (ANN), were selected in order to analyze three distinct classification problems.
This study found that there were changes associated with the delta frequency band for
electrodes C3 and C4, and when comparing the classifiers performance, LDA presented
the best accuracy across the three classification problems involving all subjects.
Thereby, this work concludes that the results are consistent with the hypothesis that sensory processing of pavement textures during exoskeleton control induces neural changes
and delta variations of the C3 and C4 electrodes. Additionally, LDA demonstrated the
best performance across the three classifications of subject-independent problems.
Os exoesqueletos motorizados desempenham um papel crucial no campo da reabilitação, melhorando a qualidade de vida das pessoas que deles necessitam. Deste modo, são um contributo importante para que os pacientes com condições físicas limitadas sejam mais facilmente integrados na sociedade, proporcionando-lhes mais autonomia e liberdade. Embora esta tecnologia tenha os seus aspetos positivos, ainda existe a necessidade de descrever os correlatos cerebrais direcionados para o controlo do exoesqueleto. Por exemplo, a percepção de diferentes pavimentos quando se usa um exoesqueleto vai provavelmente causar alterações na actividade cerebral, o que pode ter impacto tanto na codificação sensorial como no controlo da interface cérebro-máquina (BCI). Deste modo, o principal objetivo deste trabalho é descrever a atividade cerebral às diferentes texturas dos pavimentos, utilizando o exoesqueleto ExoAtlet ®. A fim de medir, processar, analisar e classificar o impacto de diferentes texturas em ritmos neurofisiológicos, foram registados sinais de 4 minutos atravês the Eletroencefalograma (EEG) com uma touca de 16 canais (actiCAP by Brain Products). Cada um dos três voluntários foi instruído a dar passos no lugar em quatro tipos diferentes de pavimento (plano, alcatifa, espuma, e círculos de borracha) com e sem o exosqueleto, num total de oito condições experimentais diferentes. Foi aplicado um desenho contrabalançado e foi obtido o consentimento informado dos participantes (Comissão para as Ciências da Saúde da Universidade Católica Portuguesa - 99/2022). Adicionalmente, foram selecionados quatro classificadores: máquinas de vetores de suporte (SVM), k-vizinhos mais próximos (KNN), análise discriminante linear (LDA) e redes neuronais artificiais (ANN) para analisar três problemas de classificação distintos. Os resultados obtidos por este estudo demonstraram que existiam alterações associadas à banda de frequência delta para os eléctrodos C3 e C4 e, ao comparar o desempenho dos classificadores, o LDA apresentou a melhor exatidão nos três problemas de classificação envolvendo todos os sujeitos. Assim, estes resultados são consistentes com a hipótese de que o processamento sensorial dos pavimentos durante o controlo do exoesqueleto induz alterações neuronais.
Os exoesqueletos motorizados desempenham um papel crucial no campo da reabilitação, melhorando a qualidade de vida das pessoas que deles necessitam. Deste modo, são um contributo importante para que os pacientes com condições físicas limitadas sejam mais facilmente integrados na sociedade, proporcionando-lhes mais autonomia e liberdade. Embora esta tecnologia tenha os seus aspetos positivos, ainda existe a necessidade de descrever os correlatos cerebrais direcionados para o controlo do exoesqueleto. Por exemplo, a percepção de diferentes pavimentos quando se usa um exoesqueleto vai provavelmente causar alterações na actividade cerebral, o que pode ter impacto tanto na codificação sensorial como no controlo da interface cérebro-máquina (BCI). Deste modo, o principal objetivo deste trabalho é descrever a atividade cerebral às diferentes texturas dos pavimentos, utilizando o exoesqueleto ExoAtlet ®. A fim de medir, processar, analisar e classificar o impacto de diferentes texturas em ritmos neurofisiológicos, foram registados sinais de 4 minutos atravês the Eletroencefalograma (EEG) com uma touca de 16 canais (actiCAP by Brain Products). Cada um dos três voluntários foi instruído a dar passos no lugar em quatro tipos diferentes de pavimento (plano, alcatifa, espuma, e círculos de borracha) com e sem o exosqueleto, num total de oito condições experimentais diferentes. Foi aplicado um desenho contrabalançado e foi obtido o consentimento informado dos participantes (Comissão para as Ciências da Saúde da Universidade Católica Portuguesa - 99/2022). Adicionalmente, foram selecionados quatro classificadores: máquinas de vetores de suporte (SVM), k-vizinhos mais próximos (KNN), análise discriminante linear (LDA) e redes neuronais artificiais (ANN) para analisar três problemas de classificação distintos. Os resultados obtidos por este estudo demonstraram que existiam alterações associadas à banda de frequência delta para os eléctrodos C3 e C4 e, ao comparar o desempenho dos classificadores, o LDA apresentou a melhor exatidão nos três problemas de classificação envolvendo todos os sujeitos. Assim, estes resultados são consistentes com a hipótese de que o processamento sensorial dos pavimentos durante o controlo do exoesqueleto induz alterações neuronais.
Description
Keywords
Classificação Eletroencefalografia Exoesqueleto Processamento Textura do Pavimento