Identifying neural correlates of motor adaptation learning for BCI-assisted stroke rehabilitation
BBA-destekli felç rehabilitasyonu için motor adaptasyon öğreniminin nöral ilintilerinin tanımlanması
- Tez No: 444550
- Danışmanlar: DOÇ. DR. MÜJDAT ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yirmi yıllık süre içerisinde en çok öne çıkan araştırma alanlarından birisi olan elektroensefalografi (EEG) tabanlı beyin-bilgisayar arayüzü (BBA) teknolojileri, şiddetli nöromusküler engellilikler dolayısıyla içe kilitlenme sendromu yaşayan hastalar için beyin dalgaları aracılığıyla doğrudan bir iletişim kanalı sağlamayı, ve yakın zamanda geliştirilen yaklaşımlar ile felçli hastaların motor tedavi süreçlerini desteklemeyi amaçlamaktadır. Günümüzde genel olarak araştırmalarda kullanılan EEG-tabanlı BBA-destekli felç rehabilitasyonu protokolleri, duyumotor alanlardaki nöral aktivitelerin dokunsal geribeslemesi ile sınırlıdır. Üzerinde durulan bu beyin aktivitelerinin kapsamının, birçok çeşitli beyin ritminin motor yetersizlikler ile ilişkili olduğuna dair çalışmalara dayanarak, bu alandaki daha ileri gelişmelerin gerçekleşmesinde kısıtlayıcı bir etken olabileceği düşünülmektedir. Felç sonrası tedavi sürecinin bir motor öğrenme şekli olarak görülmesi dolayısıyla, motor öğrenmenin duyumotor alanların ötesindeki nöral ilintilerinin tanımlanması ve bu şekilde BBA-destekli felç rehabilitasyonu çalışmalarının günümüzdeki odak noktasının genişletilmesi ileri sürülmektedir. Bu amaçla, sağlıklı bireyler ile eş-zamanlı EEG verisi kaydı altında fiziksel bir kuvvet-alanı adaptasyonu deneyi tasarlayıp uyguladık. Bu tür motor adaptasyon deneyleri, hastaların felç sonrası tedavi süreçlerini temsil eden bir motor öğrenme formunda, insan beyininde motor kabiliyetler için içsel model oluşumlarını tetiklemektedir. Toplanan deneysel veriler ile, motor adaptasyon öğreniminin nöral ilintilerini dinlenme-durumu ve motor hareket-öncesi safhalarında tanımlamayı hedefledik. Bu bağlamda, kinematik öğrenme becerisi ve nöral veriler arasındaki ilişkiyi incelemek için bir sinyal işleme ve makine öğrenme yaklaşımı uyguladık. Hem dinlenme-durumu hem de motor hareket-öncesi EEG verileri ile elde ettiğimiz sonuçlar, duyumotor alanlarını kapsayan ve aynı zamanda onların ötesinde geniş bir ağdaki beyin alanlarının motor adaptasyon öğrenimiyle ilintili olduğunu doğrulamaktadır. Özellikle spektral olarak beta dalgalarının (15-30 Hz) ilişkili olduğu gözlemlenmiştir. Bunun ötesinde, öğrenme ile ilintli beyin aktivitelerinde motor adaptasyon süresince oluşan değişiklikler incelenmiş ve sonuçlarımızın insan motor davranışlarını anlamak amacıyla yürütülen literatürdeki diğer beyin görüntüleme çalışmaları ile tutarlılığı tartışılmıştır. Son olarak, bu sonuçların kullanımı için özgün bir BBA-tabanlı robotik felç rehabilitasyon ortamı önerilmektedir.
Özet (Çeviri)
Being one of the most prominent research areas over the last two decades, electroencephalogram (EEG) based brain-computer interface (BCI) technology aims to provide direct brain communication for locked-in patients with severe neuromuscular disabilities and support motor restoration in stroke with recently developing approaches. In the context of EEG-based BCI-assisted stroke rehabilitation, we hypothesize that the extent of brain activities considered in state-of-the-art protocols, which are restricted to haptic feedback of neural activity in primary sensorimotor areas, might be a confounding factor for further progress in this field due to empirical evidence on a variety of brain rhythms being related to the extent of motor deficits. As post-stroke recovery is a form of motor learning, we propose to identify neural correlates of motor learning beyond sensorimotor areas to extend the current focus of BCI-assisted stroke rehabilitation. For this purpose, we designed and implemented a physical force-field adaptation learning experiment under simultaneous EEG recordings with healthy individuals, in which post-stroke recovery processes of patients will be likened to a plausible form of motor learning as such motor adaptation tasks are known to induce internal model formations for motor capabilities within the brain. With the experimental data, we aimed to identify neural correlates of motor adaptation learning during resting-state and pre-movement phases prior to motor execution. We implemented a signal processing and machine learning approach to investigate the relation between kinematic learning performance and neural data. Our results on both resting-state and pre-movement EEG data verify that Abstract ii a broad network of brain regions including and beyond sensorimotor areas are involved in motor adaptation learning with spectral relevance of beta oscillations (15{30 Hz) in particular. We further investigated changes in learning-correlated activities during the course of motor adaptation and discussed how our conclusions come into line with previous neuroimaging studies to understand human motor behavior. Finally, we propose to exploit these results in a novel BCI-assisted robotic stroke rehabilitation setting.
Benzer Tezler
- Development of software tools for improved 1H magnetic resonance spectroscopic imaging
İyileştirilmiş 1H manyetik rezonans spektroskopik görüntüleme için yazılım araçlarının geliştirilmesi
SEVİM CENGİZ
Doktora
İngilizce
2022
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESİN ÖZTÜRK IŞIK
- Multi-view feature extraction based on canonical correlation analysis
Kanonik korelasyon tabanlı çok-bakışlı oznitelik çıkarımı
CEMAL OKAN ŞAKAR
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET GÜRGEN
DOÇ. DR. OLCAY KURŞUN
- Identifying probability distributions using neural networks
Yapay sinir ağları ile istatistiki dağılımların belirlenmesi
ANIL YILMAZ
- Identifying textual personal information with artificial neural networks
Metin içindeki kişisel bilgilerin yapay sinir ağları kullanılarak tespiti
MEMDUH ÇAĞRI DEMİR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEYDA ERTEKİN BOLELLİ
- Yapay sinir ağları ve asenkron motorlarda stator direncinin yapay sinir ağı ile tahmini
Artificial neural networks and identifying the stator resistance of induction motors by artificial neural networks
MEHMET KARADENİZ
Yüksek Lisans
Türkçe
2002
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELMA YÜNCÜ