Microgrid II – Elektrokortikographie-Signale für die menschliche Handprothetik

Schlaganfälle, Rückenmarksverletzungen, Extremitätenverletzungen und degenerative/Locked-in-Syndrome gehören zu den Erkrankungen, die von nachhaltigen neuroprothetischen Optionen profitieren können. Die Forscher haben den menschlichen motorischen Kortex und verwandte kortikale Bereiche mit direkter Gehirnaufzeichnung (Elektrokortikographie oder ECoG) als Signal für motorische Neuroprothetik untersucht. Die Elektrokortikographie, die aufregende Studien am Menschen mit lokalen Feldern unter Verwendung von intrakortikalen Elektroden und langfristig funktionierenden Gehirn-Computer-Schnittstellen mit EEG abschließt, untersucht eine mittlere Ebene der räumlichen Spezifität und kann bei Langzeitaufzeichnungen dauerhaft sein. ECoG-Signale könnten letztendlich epidural oder noch oberflächlicher erhalten werden, wenn die genauen Signale besser verstanden würden. Bis heute haben die Forscher gezeigt, dass ECoG-Signale vom motorischen Kortex verwendet werden können, um Bewegungen zu dekodieren, und eine Präzision aufweisen, indem klinische Arrays (1 cm Auflösung) verwendet werden, die Handbewegungen dekodieren und die Trennung von Fingerbewegungen ermöglichen. Diese Signale wurden für eine Gehirn-Computer-Schnittstelle verwendet und können zur Steuerung einer Handprothese beim Menschen verwendet werden.

Die Elektrokortikographie (ECoG) ist die Aufzeichnung von Gehirnsignalen direkt von der kortikalen Oberfläche. Bei Patienten, die sich einer chirurgischen Behandlung von Epilepsie unterziehen, waren diese Signale verfügbar und haben sich als reichhaltige Quellen motorbezogener Signale erwiesen, die eine Hand-Neuroprothese als Teil einer Gehirn-Computer-Schnittstelle (BCI) antreiben können. Obwohl die klinisch verfügbare Auflösung von 1 cm die Trennung verschiedener Arten von Fingerbewegungen ermöglicht, indem die Hochfrequenzeigenschaften der ECoG-Aufzeichnung (70-100 Hz) verwendet werden, erhöhen höhere räumliche Auflösungen (3 mm) die Fähigkeit, Fingerbewegungen zu dekodieren und komplizierter Handbewegungen, wie das Greifen verschiedener Gegenstände. Die ideale Auflösung ist eine der mehreren Wissenslücken bei der Umsetzung der ECoG-basierten BCI, zusammen mit der Ungewissheit über die Langlebigkeit von ECoG-Signalen und die menschliche Implementierung von Feedback direkt an den Kortex durch elektrische Stimulation.

Spezifisches Ziel:

Arrays mit höherer Auflösung über einen subakuten (1 Woche) Zeitrahmen, um eine Anpassung und BCI-Verwendung der Signale mit höherer Auflösung zu ermöglichen. Ein 8x8-Array mit einer Auflösung von 3 mm wird über dem sensomotorischen Kortex platziert. Griffsynergien werden bestimmt und auf die Elektroden abgebildet, um Steuerkanäle für jede Synergie zu bestimmen. Die Steuerung mehrerer Synergien bewegt eine simulierte Roboterhand zu einer visuell angedeuteten Zielform

1. Handsynergien werden unabhängig auf dem 3 mm x 3 mm (Mikroarray) mit mindestens einer unabhängigen Elektrode für jede der ersten drei Synergien abgebildet
2. Unter Verwendung der Signale vom Mikroarray bewegen die Teilnehmer die Roboterhand mit 50 % Genauigkeit korrekt in eine von 6 Zielhaltungen.