Neurofeedback e interfaz cerebro-computadora: desarrollo y evaluación de un juego diseñado para ayudar en la detección del TDAH
DOI:
https://doi.org/10.33448/rsd-v11i12.33752Palabras clave:
Neurorretroalimentación.; Trastorno por déficit de atención e hiperactividad; Interfaces cerebro-ordenador; Pruebas neuropsicológicas.Resumen
La evaluación neuropsicológica hace uso de las entrevistas, las observaciones y la aplicación de pruebas como instrumentos de ayuda en el proceso de investigación y diagnóstico. Con el avance de las tecnologías, han surgido algunos dispositivos que ayudan a la evaluación y terapia neuropsicológica, como el neurofeedback. Este trabajo describe el proceso completo de construcción, desde la especificación hasta la validación, de una solución destinada a ayudar a la detección del TDAH (trastorno por déficit de atención e hiperactividad), mediante un juego de neurofeedback con interfaz cerebro-ordenador inalámbrica. La herramienta desarrollada se probó con dos niños, uno con y otro sin el trastorno. En cuanto a la usabilidad, los experimentos mostraron que los dos participantes de cinco años eran capaces de utilizar el juego completamente, realizando todas las tareas que contenía. Los comportamientos de las ondas del EEG obtenidos por la solución para el niño con el trastorno eran similares a los de los pacientes con TDAH encontrados en otros estudios. En particular, los datos generados mostraron actividades de tipo Alfa en mayor ocurrencia en el niño con TDAH.
Citas
Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., & Zhao, X. (2019). A comprehensive review of EEG-based brain–computer interface paradigms. Journal of neural engineering, 16(1), 011001.
Alchalabi, A. E., Shirmohammadi, S., Eddin, A. N., & Elsharnouby, M. (2018). FOCUS: Detecting ADHD patients by an EEG-based serious game. IEEE Transactions on Instrumentation and Measurement, 67(7), 1512-1520.
Anderson, T., & Shattuck, J. (2012). Design-based research: A decade of progress in education research?. Educational researcher, 41(1), 16-25.
Barbarini, T. D. A. (2020). Corpos,“mentes”, emoções: uma análise sobre TDAH e socialização infantil. Psicologia & sociedade, 32.
Burwell, S., Sample, M., & Racine, E. (2017). Ethical aspects of brain computer interfaces: a scoping review. BMC medical ethics, 18(1), 1-11.
Castro, C. X. L., & de Lima, R. F. (2018). Consequências do transtorno do déficit de atenção e hiperatividade (TDAH) na idade adulta. Revista Psicopedagogia, 35(106), 61-72.
Chakladar, D. D., & Chakraborty, S. (2019). Feature extraction and classification in brain-computer interfacing: Future research issues and challenges. Natural Computing for Unsupervised Learning, 101-131.
Chen, X., Huang, X., Wang, Y., & Gao, X. (2020). Combination of augmented reality based brain-computer interface and computer vision for high-level control of a robotic arm. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 28(12), 3140-3147.
da Costa, N. M. G. B., Marçal, E., de Carvalho, M. M., & Barbosa, T. D. C. S. (2021). Uso de interfaces cérebro-computador em crianças com TDAH: Uma revisão sistemática. Research, Society and Development, 10(7), e51110716929-e51110716929.
Cortese, S., & Castellanos, F. X. (2013). TDAH e neurociência. Bisanz J, ed. tema. Tremblay RE, Boivin M, Peters RDeV, eds. Enciclopédia sobre o Desenvolvimento na Primeira Infância, 1-8.
Czech, A. (2021, September). Brain-computer interface use to control military weapons and tools. In International Scientific Conference on Brain-Computer Interfaces BCI Opole (pp. 196-204). Springer, Cham.
Dalgalarrondo P. (2000). Psicopatologia e semiologia dos transtornos mentais. Porto Alegre.
Dias, F. A. F., Dias, V. J. F., Dutra, B. D. A. L., Marques, A. C. S., Marçal, E., Lucena, A. D. R., & Crispim Ribeiro, J. (2020). Mobile app for pre-and intraoperative assessment of astigmatism correction with toric intraocular lenses in cataract surgery. Journal of Ophthalmology, 2020.
de Aquino Ferreira, L. F., Benevides, A. M. L. N., Rabelo, J. A. F., Medeiros, M. S., de Barros Filho, E. M., Sanders, L. L. O., & Peixoto, R. A. C. (2022). Desenvolvimento, Satisfação e Usabilidade de plataforma móvel para monitoramento da saúde mental de estudantes universitários. Research, Society and Development, 11(2), e19911225525-e19911225525.
Fukushima, A., Morooka, R., Tanaka, H., Kentaro, H., Tugawa, A., & Hanyu, H. (2021). Classification of dementia type using the brain-computer interface. Artificial Life and Robotics, 26(2), 216-221.
Guan, C., Lim, C. G., Fung, D., Zhou, H. J., Krishnan, R., & Lee, T. S. (2020, February). BCI facilitates the improvement of cognitive functions in children and elderly. In 2020 8th International Winter Conference on Brain-Computer Interface (BCI) (pp. 1-2). IEEE.
Hafeez, T., Umar Saeed, S. M., Arsalan, A., Anwar, S. M., Ashraf, M. U., & Alsubhi, K. (2021). EEG in game user analysis: A framework for expertise classification during gameplay. Plos one, 16(6), e0246913.
Hammond, D. C. (2011). What is neurofeedback: An update. Journal of Neurotherapy, 15(4), 305-336.
Jafri, S. R. A., Hamid, T., Mahmood, R., Alam, M. A., Rafi, T., Ul Haque, M. Z., & Munir, M. W. (2019). Wireless brain computer interface for smart home and medical system. Wireless Personal Communications, 106(4), 2163-2177.
Jamil, N., Belkacem, A. N., Ouhbi, S., & Guger, C. (2021). Cognitive and Affective Brain–Computer Interfaces for Improving Learning Strategies and Enhancing Student Capabilities: A Systematic Literature Review. IEEE Access.
Janani, A., & Sasikala, M. (2017). Investigation of different approaches for noise reduction in functional near-infrared spectroscopy signals for brain–computer interface applications. Neural Computing and Applications, 28(10), 2889-2903.
Koudelková, Z., & Strmiska, M. (2018). Introduction to the identification of brain waves based on their frequency. In MATEC Web of Conferences. EDP Sciences.
Lelis, B. A. (2014). Utilização de Ondas Cerebrais para Controle de Componentes Eletrônicos. Semana Acadêmica, Fortaleza, 1(52).
Li, M., Li, F., Pan, J., Zhang, D., Zhao, S., Li, J., & Wang, F. (2021). The mindgomoku: An online P300 BCI game based on Bayesian deep learning. Sensors, 21(5), 1613.
Liu, Y., Sourina, O., & Hou, X. (2014, October). Neurofeedback games to improve cognitive abilities. In 2014 International Conference on Cyberworlds (pp. 161-168). IEEE.
Loo, S. K., & Barkley, R. A. (2005). Clinical utility of EEG in attention deficit hyperactivity disorder. Applied neuropsychology, 12(2), 64-76.
Magila, M. C., & Caramelli, P. (2000). Funções executivas no idoso. Forlenza OV, Caramelli P, organizadores. Neuropsiquiatria Geriátrica. São Paulo, 517-25.
Malmivuo, J., & Plonsey, R. (1995). Bioelectromagnetism: principles and applications of bioelectric and biomagnetic fields. Oxford University Press, USA.
Marcal, E., de Castro Andrade, R. M., & Viana, W. (2017). Development and Evaluation of a Model-Driven System to Support Mobile Learning in Field Trips. J. Univers. Comput. Sci., 23(12), 1147-1171.
da Mata, L. M. A. (2016). Anxiety reducing through a neurofeedback serious game with dynamic difficulty adjustment (Doctoral dissertation, Instituto Politecnico do Porto (Portugal)).
Mercado, J., Espinosa-Curiel, I., Escobedo, L., & Tentori, M. (2019). Developing and evaluating a BCI video game for neurofeedback training: the case of autism. Multimedia Tools and Applications, 78(10), 13675-13712.
Mota, M. M. P. E. D., Banhato, E. F. C., Silva, K. C. A. D., & Cupertino, A. P. F. B. (2008). Triagem cognitiva: comparações entre o mini-mental e o teste de trilhas. Estudos de psicologia (Campinas), 25, 353-359.
Mudgal, S. K., Sharma, S. K., Chaturvedi, J., & Sharma, A. (2020). Brain computer interface advancement in neurosciences: Applications and issues. Interdisciplinary Neurosurgery, 20, 100694.
Nigdelis, V., & Kosta-Tsolaki, M. (2017). Neuropricing: Perspectives of brain reactions to price exposure. Hellenic Journal of Nuclear Medicine, 20(IKEEART-2018-1135), 196-203.
Park, K., Kihl, T., Park, S., Kim, M. J., & Chang, J. (2019). Fairy tale directed game-based training system for children with ADHD using BCI and motion sensing technologies. Behaviour & Information Technology, 38(6), 564-577.
Portugal, V. (2017). Olhando para dentro: Insight, consciência e transcendência. Gryphus Editora.
Pereira, R. V. S., Kubrusly, M., & Marçal, E. (2017). Desenvolvimento, utilização e avaliação de uma aplicação móvel para educação médica: um estudo de caso em anestesiologia. Renote, 15(1).
Silva, R. S., Flores-Mendonza, C., & Telles, M. (2013). Teste de Habilidades e Conhecimentos Pré-Alfabetização (THCP). São Paulo: Vetor.
Soares, J. L., da Silva, A. R., & de Oliveira, R. J. (2022). Análise da produção científica sobre os aplicativos de saúde móvel mHealth para educação, tratamento e reabilitação de AVE-Acidente Vascular Encefálico. Research, Society and Development, 11(8), e59311831572-e59311831572.
Teruel, M. A., Navarro, E., Romero, D., García, M., Fernández-Caballero, A., & González, P. (2017, June). An innovative tool to create neurofeedback games for ADHD treatment. In International Work-Conference on the Interplay Between Natural and Artificial Computation (pp. 183-192). Springer, Cham.
Uhlhaas, P. J., Haenschel, C., Nikolić, D., & Singer, W. (2008). The role of oscillations and synchrony in cortical networks and their putative relevance for the pathophysiology of schizophrenia. Schizophrenia bulletin, 34(5), 927-943.
Vakil, E. (2012). Neuropsychological assessment: Principles, rationale, and challenges. Journal of clinical and experimental neuropsychology, 34(2), 135-150.
Valente, P. S. D. M. C., Carneiro, C. L. B., de Aguiar, R. G. P., de Souza Júnior, F. E. A., Maciel, A. A., Marçal, E., & Ribeiro, J. C. (2021). Development and usability evaluation of an application for patients with glaucoma. International Ophthalmology, 41(10), 3419-3425.
Vasiljevic, G. A. M., & de Miranda, L. C. (2020). Brain–computer interface games based on consumer-grade EEG Devices: A systematic literature review. International Journal of Human–Computer Interaction, 36(2), 105-142.
Lv, Z., Qiao, L., Wang, Q., & Piccialli, F. (2020). Advanced machine-learning methods for brain-computer interfacing. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 18(5), 1688-1698.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Edgar Marçal; Nayara Magda Gomes Barbosa da Costa; Carlos Eduardo Menezes; Arnaldo Aires Peixoto Júnior; Lia Lira Olivier Sanders; Keviny Magalhães Queiroz; Ellen Castro Oliveira; Luana Maria Queiroga Ponciano Mota
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.