Contribution of subcortical structures to cognition assessed with invasive electrophysiology in humans

Implantation of deep brain stimulation (DBS) electrodes via stereotactic neurosurgery has become a standard procedure for the treatment of Parkinson's disease. More recently, the range of neuropsychiatric conditions and the possible target structures suitable for DBS have greatly increased. The former include obsessive compulsive disease, depression, obesity, tremor, dystonia, Tourette's syndrome and cluster-headache. In this article we argue that several of the target structures for DBS (nucleus accumbens, posterior inferior hypothalamus, nucleus subthalamicus, nuclei in the thalamus, globus pallidus internus, nucleus pedunculopontinus) are located at strategic positions within brain circuits related to motivational behaviors, learning, and motor regulation. Recording from DBS electrodes either during the operation or post-operatively from externalized leads while the patient is performing cognitive tasks tapping the functions of the respective circuits provides a new window on the brain mechanisms underlying these functions. This is exemplified by a study of a patient suffering from obsessive-compulsive disease from whom we recorded in a flanker task designed to assess action monitoring processes while he received a DBS electrode in the right nucleus accumbens. Clear error-related modulations were obtained from the target structure, demonstrating a role of the nucleus accumbens in action monitoring. Based on recent conceptualizations of several different functional loops and on neuroimaging results we suggest further lines of research using this new window on brain functions.

Brain Computer Interface for Virtual Reality Control

A brain-computer interface (BCI) is a new communication channel between the human brain and a computer. Applications of BCI systems comprise the restoration of movements, communication and environmental control. In this study experiments were made that used the BCI system to control or to navigate in virtual environments (VE) just by thoughts. BCI experiments for navigation in VR were conducted so far with synchronous BCI and asynchronous BCI systems. The synchronous BCI analyzes the EEG patterns in a predefined time window and has 2 to 3 degrees of freedom.

Programació d'una aplicació gràfica per l'anàlisi de senyals usant LDB (Local Discriminant Bases) i MLDB (Modified LDB)

Tot seguit presentem un entorn per analitzar senyals de tot tipus amb LDB (Local Discriminant Bases) i MLDB (Modified Local Discriminant Bases). Aquest entorn utilitza funcions desenvolupades en el marc d’una tesi en fase de desenvolupament. Per entendre part d’aquestes funcions es requereix un nivell de coneixement avançat de processament de senyals. S’han extret dels treballs realitzats per Naoki Saito [3], que s’han agafat com a punt de partida per la realització de l’algorisme de la tesi doctoral no finalitzada de Jose Antonio Soria. Aquesta interfície desenvolupada accepta la incorporació de nous paquets i funcions. Hem deixat un menú preparat per integrar Sinus IV packet transform i Cosine IV packet transform, tot i que també podem incorporar-n’hi altres. L’aplicació consta de dues interfícies, un Assistent i una interfície principal. També hem creat una finestra per importar i exportar les variables desitjades a diferents entorns. Per fer aquesta aplicació s’han programat tots els elements de les finestres, en lloc d’utilitzar el GUIDE (Graphical User Interface Development Enviroment) de MATLAB, per tal que sigui compatible entre les diferents versions d’aquest programa. En total hem fet 73 funcions en la interfície principal (d’aquestes, 10 pertanyen a la finestra d’importar i exportar) i 23 en la de l’Assistent. En aquest treball només explicarem 6 funcions i les 3 de creació d’aquestes interfícies per no fer-lo excessivament extens. Les funcions que explicarem són les més importants, ja sigui perquè s’utilitzen sovint, perquè, segons la complexitat McCabe, són les més complicades o perquè són necessàries pel processament del senyal. Passem cada entrada de dades per part de l’usuari per funcions que ens detectaran errors en aquesta entrada, com eliminació de zeros o de caràcters que no siguin números, com comprovar que són enters o que estan dins dels límits màxims i mínims que li pertoquen.