نشریه علمی مهندسی پزشکی زیستی
Iranian Journal of Biomedical Engineering (IJBME)

کنترل زاویه‌ی مفصل آرنج مجازی با استفاده از رابط مغز-رایانه‌ی مبتنی بر SSVEP

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

یاسمن دنکوب 1
علی مالکی 2

1 دانشجو‌ی‌ دکترای مهندسی پزشکی، گروه بیوفناوری، پردیس علوم و فناوری‌های نوین، دانشگاه سمنان، سمنان، ایران

2 دانشیار، گروه مهندسی پزشکی، دانشگاه سمنان، سمنان، ایران

https://doi.org/10.22041/ijbme.2024.2035001.1913
چکیده
در سال‌های اخیر ایده‌ی استفاده از سیستم‌های رابط مغز-رایانه در حوزه‌های کاربردی جهت رفع محدودیت‌های حرکتی و ارتباطی افراد معلول مورد توجه قرار گرفته است. در این مطالعه یک سیستم BCI مبتنی بر پتانسیل برانگیخته‌ی بینایی حالت ماندگار جهت کنترل مدل یک درجه‌ی آزادی مفصل آرنج با تحریک الکتریکی عمل‌کردی، پیاده‌سازی شده است. تحریک دیداری از طریق 9 محرک روی نمایش‌گر نشان داده شده و ثبت سیگنال از ناحیه‌ی پس‌سری از کانال‌های O1، O2 و Oz انجام شده است. بازشناسی فرکانس تحریک با استفاده از روش CCA انجام ‌شده و زاویه‌ی مفصل تعیین گردیده است. این زاویه به عنوان ورودی به کنترل‌گر فازی داده شده است. سیستم عضلانی-اسکلتی در نرم‌افزار متلب به صورت دو لینک و یک مفصل در صفحه‌ی عرضی با استفاده از مدل زاجاک برای دو عضله‌ی دوسر بازویی و سه‌سر بازویی شبیه‌سازی ‌شده است. کنترل‌گر فازی با توجه به زاویه‌ی مطلوب، شدت تحریک الکتریکی را برای هر عضله تعیین کرده است. درصد صحت بازشناسی فرکانس برای پنجره‌ی زمانی 3 ثانیه با زمان نهفتگی 4/0 ثانیه برابر با 100% به دست آمده است. هم‌چنین مقدار RMSE زاویه‌ی مفصل آرنج 17/0 درجه بوده است. نتایج عمل‌کرد زمان واقعی سیستم از 10 فرد سالم نشان داده که تمام افراد قادر به تکمیل موفقیت‌آمیز فرایند آزمایش بوده‌اند.

کلیدواژه‌ها

رابط مغز-رایانه
کنترل‌گر فازی
مفصل آرنج
تحریک الکتریکی عمل‌کردی
پتانسیل برانگیخته‌ی بینایی حالت ماندگار

موضوعات

عنوان مقاله English

Virtual Elbow Joint Angle Control using SSVEP-Based Brain-Computer Interface

نویسندگان English

Yasaman Dankoub 1
Ali Maleki 2
1 Ph.D. Candidate, Biomedical Engineering Department, Semnan University, Semnan, Iran
2 Associate Professor, Biomedical Engineering Department, Semnan University, Semnan, Iran
چکیده English

In recent years, the idea of using brain-computer interface systems in practical areas to solve movement and communication limitations of people with disabilities has been considered. In this study, a BCI system based on steady state visual evoked potential to control the model of one degree of freedom of elbow joint with functional electrical stimulation, has been implemented. Stimulation was presented to the subject through 9 optical stimuli and the signals was recorded from the occipital lobe from ,  and  electrodes. Excitation frequency recognition is performed using the CCA method and the joint angle is determined. The extracted angle is sent to the fuzzy controller as input. The musculoskeletal system in MATLAB software is simulated as two links and a revolute joint on a transverse plane using the Zajac model for biceps and triceps muscles. Fuzzy controller according to the desired angle, applies electrical stimulation to muscle. The frequency recognition accuracy for the 3-second time window with a latency of 0.4 seconds was 100%. Also, the RMSE value elbow joint angle was equal to 0.17 degrees. The performance of real-time system for 10 healthy individuals showed that all subjects were able to successfully complete the task.

کلیدواژه‌ها English

Brain-Computer Interface
Fuzzy Controller
Elbow Joint
Functional Electrical Stimulation
Steady-State Visual Evoked Potential
  1. Zhang, T. Zhang, Y. Jiang, W. Zhang, Z. Lu, Y. Wang and Q. Tao, “A novel brain-controlled prosthetic hand method integrating AR-SSVEP augmentation, asynchronous control, and machine vision assistance”, Heliyon, Vol. 10, No. 5, 2024.
  2. Ai, J. Meng, X. Mai and X. Zhu, "BCI control of a robotic arm based on ssvep with moving stimuli for reach and grasp tasks," IEEE Journal of Biomedical and Health Informatics, Vol. 27, No. 8, pp. 3818-3829, 2023.
  3. Wang, Y. Wen, J. Bi, H. Li and J. Sun, “A portable SSVEP-BCI system for rehabilitation exoskeleton in augmented reality environment”, Biomedical Signal Processing and Control, Vol. 83: 104664, 2023.
  4. G. Ramirez-Nava, J. A. Mercado-Gutierrez, J. Quinzaños-Fresnedo, C. Toledo-Peral, G. Vega-Martinez, I. Gutierrez Mario, M. R. Pacheco-Gallegos, C. Hernández-Arenas and J. Gutiérrez-Martínez, “Functional electrical stimulation therapy controlled by a P300-based brain–computer interface, as a therapeutic alternative for upper limb motor function recovery in chronic post-stroke patients. A non-randomized pilot study”, Frontiers in Neurology, Vol. 14, 2023.
  5. Z. Ma, J. J. Wu, Z. Cao, et al., “Motor imagery-based brain–computer interface rehabilitation programs enhance upper extremity performance and cortical activation in stroke patients”. Journal of Neuro-engineering and Rehabilitation Vol. 21, No. 91, 2024.
  6. Liao, J. Li, X. Zhang and C. Li, “Motor imagery brain–computer interface rehabilitation system enhances upper limb performance and improves brain activity in stroke patients: A clinical study”. Frontiers in Human Neuroscience. Vol. 17:1117670, 2023.
  7. J E. Son, H. Choi, H. Lim and J. Ku, “Development of a flickering action video based steady state visual evoked potential triggered brain computer interface-functional electrical stimulation for a rehabilitative action observation game” Technology and Health Care, Vol. 28(S1), pp. 509-519, 2020.
  8. Xu, Q. Wu, B. Chen, and X. Chen, "SSVEP-based active control of an upper limb exoskeleton using a low-cost brain–computer interface", Industrial Robot, Vol. 49 No. 1, pp. 150-159, 2021.
  9. Azadi Moghadam and A. Maleki, “Fatigue factors and fatigue indices in SSVEP-based brain-computer interfaces: a systematic review and meta-analysis”, Frontiers in Human. Neuroscience, Vol. 17:1248474, 2023. doi: 10.3389/fnhum.2023.1248474
  10. Montazeri, M. R. Yousefi, Kh. Shojaei and Gh. Shahgholian, “Fast adaptive fuzzy terminal sliding mode control of synergistic movement of the hip and knee joints (air-stepping) using functional electrical stimulation: A simulation study”, Biomedical Signal Processing and Control, Volume 66: 102445, 2021.
  11. Hodgins and C. T. Freeman, “A hybrid orthosis combining functional electrical stimulation and soft robotics for improved assistance of drop-foot”, Medical Engineering & Physics, Volume 115: 103979, 2023.
  12. Sadeghi, A. Maleki, "Character encoding based on occurrence probability enhances the performance of SSVEP-based BCI speller," Biomedical Signal Processing and Control, Volume 58: 101888, 2020.
  13. Du and X. Zhao, “Visual stimulus color effect on SSVEP-BCI in augmented reality”, Biomedical Signal Processing and Control, Volume 78: 103906, 2022.
  14. Wittevrongel and M. M. Van Hulle, “Frequency- and phase encoded SSVEP using spatiotemporal beamforming”, Vol. 11, No. 8, pp. 1-18, 2016.
  15. Sadeghi and A. Maleki, “Adaptive canonical correlation analysis for harmonic stimulation frequencies recognition in SSVEP-based BCIs”, Turkish Journal of Electrical Engineering and Computer Sciences. Vol. 27, No. 5, pp. 3729-40, 2019.
  16. M. Wong, Z. Wang, B. Wang, A. Rosa, T. -P. Jung and F. Wan, "Enhancing Detection of Multi-Frequency-Modulated SSVEP Using Phase Difference Constrained Canonical Correlation Analysis", IEEE Transactions on Neural Systems and Rehabilitation Engineering, Vol. 31, pp. 1343-1352, 2023.
  17. H. Shariati, A. Maleki, A. Fallah, "Genetic-PID control of elbow joint angle for functional electrical stimulation: A simulation study," 2nd International Conference on Control, Instrumentation and Automation, Shiraz, Iran, pp. 150-155, 2011.
  18. N. Rahatabad, “Modelling and control human arm with fuzzy-genetic muscle model based on reinforcement learning: The muscle activation method”, International Clinical Neuroscience Journal. Vol. 7, No. 3, 2020.
  19. Maleki, R. Shafaei and A. Fallah, "Musculo-skeletal model of arm for FES research studies," 2008 Cairo International Biomedical Engineering Conference, Cairo, Egypt, pp. 1-4, February 2008.
  20. Sadeghi and A. Maleki, “Accurate estimation of information transfer rate based on symbol occurrence probability in brain-computer interfaces”, Biomedical Signal Processing and Control, Vol. 54:1016072019.
  21. Sadeghi and A. Maleki, “A Modified Hybrid Brain-Computer Interface Speller Based on Steady-State Visual Evoked Potentials and Electromyogram”, Journal of Integrative Neuroscience, Vol. 23, No. 4, 2024.
  22. Azadi Moghadam and A. Maleki, “Comparative Study of Frequency Recognition Techniques for Steady-State Visual Evoked Potentials According to the Frequency Harmonics and Stimulus Number”, Journal of Biomedical Physics and Engineering, Vol. 14, No. 4, pp. 365-78, 2024.
نشریه علمی مهندسی پزشکی زیستی
دوره 17، شماره 4
زمستان 1402
صفحه 361-371

  • تاریخ دریافت 18 تیر 1403
  • تاریخ بازنگری 05 شهریور 1403
  • تاریخ پذیرش 05 شهریور 1403

صفحه اصلی

تماس با ما