Optimización del modelo de regresión lineal para la decodificación de las trayectorias cinemáticas del miembro inferior a partir de señales EEG

Abstract

[Resumen] Los exoesqueletos activos se han convertido en una herramienta clave en la rehabilitación de pacientes con problemas de movilidad, especialmente, afectados con enfermedades relacionadas con el sistema nervioso durante la última década. Varios son los estudios que han demostrado que el movimiento consciente efectuado por pacientes con dificultades de movilidad, asistido por este tipo de dispositivos, contribuye positivamente a la recuperación de su movilidad, acortando los tiempos de rehabilitación y mejorando sus resultados. Además, otros estudios han planteado la teoría de que el córtex motor se encuentra activo durante fases específicas del ciclo de la marcha. En este estudio se ha hecho una búsqueda de nuevos parámetros para la mejora de un modelo de regresión multilineal que decodifica la cinemática de los miembros inferiores a partir de las señales de EEG. Además, se ha estudiado la generalización de estos nuevos parámetros para crear un modelo unificado que facilite su uso. Las nuevas configuraciones alcanzan valores medios (Coeficiente de correlación de Pearson) similares entre las trayectorias reales y las decodificadas 0,49 ± 0,20. Esto nos lleva a pensar que los nuevos parámetros se podrían generalizar sin ningún problema.

[Abstract] During the last decade, active exoskeletons have become a key tool in the rehabilitation of patients with mobility problems, especially those affected by diseases related to the nervous system. Several studies have shown that conscious movement by patients with mobility difficulties, assisted by these devices, contributes positively to the recovery of their mobility, shortening rehabilitation times and improving outcomes. In addition, other studies have hypothesized that the motor cortex is active during specific phases of the gait cycle. In this study, new multi-linear regression model parameters have been analyzed for enhancing the decoding of lower limb kinematics from EEG signals. Besides, the generalization of these new parameters has been studied in order to create a unified model that facilitates its use. The new configurations achieve similar mean values (Pearson's correlation coefficient) between the real and decoded trajectories 0.49 ± 0.20. This leads to the conclusion that the new parameters could be generalized.