Estratégia da Reunião de Necessidades de Desenvolvimento -DNMS

Estratégia da Reunião de Necessidades de Desenvolvimento

 

 

Estratégia de Reunião de Necessidades de Desenvolvimento ( DNMS ) é uma abordagem de psicoterapia desenvolvida por Shirley Jean Schmidt, MA, LPC. [1] É projetado para tratar adultos com feridas de trauma psicológico (como os infligidos por abuso verbal, físico e sexual) e com feridas de anexos (como as que são infligidas por rejeição, negligência e entupimento dos pais). O DNMS é uma terapia do estado do ego com base no pressuposto de que o grau em que as necessidades de desenvolvimentonão foram adequadamente atendidas é o grau em que um cliente pode ficar preso na infância. Este modelo visa identificar os estados do ego que estão presos no passado e ajudá-los a se soltar corrigindo as necessidades de desenvolvimento insatisfeitas. O processamento começa com o terapeuta DNMS orientando um paciente para mobilizar três estados internos do ego do recurso: um ser adulto adulto, um eu adulto protetor e um eu básico espiritual. O terapeuta, então, orienta esses três Recursos para ajudar gentilmente os estados de ego infantil feridos a se libertar do passado, atendendo às suas necessidades de desenvolvimento insatisfeitas, ajudando-os a processar através de emoções dolorosas e estabelecendo um vínculo emocional. O relacionamento causado pelas partes infantis com esses Recursos é considerado o principal agente para a mudança. Alternativa de estimulação bilateral (popularizada pelo EMDRterapia) é aplicado em pontos-chave no protocolo para melhorar o processo. O DNMS enfoca uma atenção especial na cura de introjetos inadaptados (estados do ego feridos que imitam os cuidadores abusivos, negligentes ou disfuncionais). O modelo pressupõe que estes estados do ego causam maior dificuldade para os clientes; portanto, ajudá-los a curar podem resultar em um benefício significativo – levando a uma diminuição nos comportamentos indesejados, crenças e emoções.

 

Ego states / parts of self 

De acordo com Daniel Siegel , um estado de espírito pode se enraizar quando um evento positivo é experimentado repetidamente; quando um evento negativo é experimentado repetidamente; ou quando um evento traumático é esmagador. [2] O DNMS assume que os estados de mente enraizados podem se tornar sub-personalidades, partes de si ou estados do ego com um ponto de vista. Algumas partes se formam reagindo aos outros, enquanto outras se formam introduzindo outras. [3]

A introjecção é a internalização inconsciente dos comportamentos, idéias, valores ou pontos de vista de outra pessoa. [4] [5] [6] [7] Um introject é uma representação interna de outra pessoa. O DNMS assume que um introjetor pode se formar quando os neurônios espelhos disparam durante eventos de relacionamento significativamente positivos ou negativos. Os estudos de neuroimagem demonstraram que certos circuitos neurais se ativam em uma pessoa que está realizando uma ação, expressando uma emoção ou experimentando uma sensação, e em uma pessoa que está observando a ação, a emoção ou a sensação dessa pessoa. [8] Vittorio Gallese , um dos descobridores de neurônios espelhados, chama essa ativação compartilhada. Ele acredita que a ativação compartilhada de circuitos neurais leva a simulação incorporada . A simulação incorporada significa que as representações internas dos estados do corpo associados às ações, emoções e sensações dos observados são evocadas no observador, “como se” ele ou ela estava fazendo uma ação similar ou experimentando uma emoção ou sensação semelhante. [9] Gallese acredita que este processo seja um mecanismo funcional básico do cérebro, que se envolva de forma automática e inconsciente, não como resultado de um esforço cognitivo desejado ou consciente, não destinado a interpretar as intenções dos outros. Isso sugere que a formação de introjetos das pessoas significativas em nossas vidas é um reflexo biológico que – para melhor ou pior – não temos controle sobre isso.

Partes de si podem interagir umas com as outras, como membros da família – por exemplo, de forma cooperativa, antagônica ou ambas. Eles podem ter agendas concorrentes, o que pode levar a conflitos internos. O DNMS é uma terapia do estado do ego . Como outras terapias do estado do ego, visa ajudar os estados feridos do ego ferido e estimular a cooperação e a integração entre estados do ego. (Outras terapias do estado de ego incluem psicossíntese , Gestalt-terapia , análise transacional , Sistemas de Terapia Familiar Interno , Diálogo Voz e psicoterapia criança interior .)

Partes saudáveis ​​de si 

Peças saudáveis ​​da própria forma em resposta a afirmações positivas, afirmando relacionamentos com modelos que são amorosos e sintonizados. Eles vivem no presente; sentir e gerenciar toda a gama de emoções; ter opiniões positivas sobre o eu e o mundo; envolver-se em comportamentos apropriados e desejáveis; e têm um ponto de vista adaptativo. Algumas partes saudáveis ​​de si podem ser introjetos adaptativos, ou representações internas de cuidados, pessoas de apoio. Um terapeuta DNMS ajudará um paciente a mobilizar estados do ego de Recursos saudáveis ​​e internos que possam reparar partes feridas de si para ajudá-los a curar.

Peças feridas de SI

Partes feridas de autoforma em resposta a traumas; e negativos, ferindo relacionamentos com modelos que são abusivos, negligentes, rejeitados e enredados . Eles vivem no passado; estão presos em emoções dolorosas; ter crenças negativas e irracionais sobre o eu e o mundo; envolver comportamentos indesejados ou inapropriados; e tem um ponto de vista inadaptado. O modelo DNMS pressupõe duas categorias de estados de ego feridos – partes reativas e introjectos inadaptados.

Peças reativas

Peças reativas da autoforma em reação a experiências significativamente feridas. As pessoas geralmente são muito conscientes dos comportamentos problemáticos, crenças ou emoções de partes reativas. Existem muitos tipos de peças reativas. Alguns possuem emoções cruas, como ansiedade, terror, raiva, tristeza, tristeza, desespero, vergonha e desesperança. Alguns realizam reações a experiências traumáticas específicas. Alguns lidam com emoções dolorosas com comportamentos que evitam a dor como retirar, beber ou comer em excesso. Alguns lidam com emoções dolorosas com comportamentos auto-punitivos como cortar, morrer de fome ou isolar. Alguns rebeldes com comportamentos arriscados ou autodestrutivos, como beber, fumar ou se engajar em sexo desprotegido. Alguns tentam gerenciar pessoas prejudicadas com comportamentos estratégicos agradáveis, como o cumprimento ou a superação. Alguns tentam evitar ataques de outros através de comportamentos agressivos – colocando uma fachada de força, intimidação, controle ou poder. E alguns tentam controlar outras partes do self com advertências, ameaças, comandos ou admonições destinadas a encorajar comportamentos que agradam os outros ou desencorajam comportamentos que possam prejudicar os outros.

Introddos maladaptivos

Um introjeto mal adaptado é uma parte do eu que se forma quando os neurônios espelhos disparam na presença de um modelo importante que está fisicamente ou emocionalmente ferido (como um pai abusivo ou rejeitando). No modelo DNMS, um introjetor inadaptado é conceitualizado como parte de si mesmo com uma verdadeira natureza intrinsecamente boa, que está vestindo uma máscara ou uma fantasia de forma involuntária que transmite as mensagens de ferimento do modelo. A máscara é a gravação gravada do neurônio espelho de uma experiência de ferimento do passado.

Quando a máscara é ativada (ou quando a gravação é reproduzida), a mensagem de ferimento é direcionada para partes reativas que percebem a experiência de ferimento do passado ainda está acontecendo no presente. (A relação entre os introjetos inadaptados e as partes reativas no modelo DNMS é semelhante à relação entre o cão superior e as peças underdog no modelo Gestalt). [10]

Intervenções

O DNMS se empenha em retirar inadaptados introjetos do passado. Isso se destina a parar o conflito interno gerado entre as máscaras introjetando feridas e as peças reativas feridas.

O processamento começa com o Resource Development Protocol. Este protocolo fortalece a conexão de um cliente com três partes saudáveis ​​de si mesmo – um ser adulto induzido, um eu adulto protetor e um eu básico espiritual. Esses recursos são baseados em experiências reais que um paciente teve de nutrir e proteger um ente querido e experiências espirituais de pico – para que os pacientes compreendam seus recursos são partes reais de si mesmos e não apenas ajudantes imaginários.

Em seguida, uma série de etapas são empregadas para identificar um grupo de importantes introjects maladaptivos conectados por um tema comum, como rejeição, abuso ou enredadinho. Os passos incluem um Questionário de Necessidades de Anexos, um Protocolo de Sala de Conferências e um Protocolo de Mudança de Dominância.

Uma vez identificados, esses introjetos são convidados a se conectar aos Recursos. Um terapeuta DNMS orientará os Recursos para atender às suas necessidades de desenvolvimento, processando suas emoções dolorosas e fortalecendo um vínculo emocional. De acordo com o modelo DNMS, essas interações com recursos partes de si ajudarão a curar introjetos. Enquanto curam, os pacientes relatam comportamentos indesejados, crenças e emoções diminuem.

Pesquisa

Dois artigos de estudo de caso da DNMS foram publicados em revistas com revisão de pares. Um é um estudo de caso sobre um paciente com transtorno de identidade dissociativa. [11] O outro é oito estudos de caso que representam o trabalho de três terapeutas DNMS. [12] Embora estes estudos de caso publicados tendam a sustentar a afirmação de que o DNMS é efetivo, eles não atendem aos critérios para pesquisas empíricas. O DNMS ainda não foi testado em ensaios clínicos controlados e não pode ser chamado de terapia baseada em evidências.

Veja também

Referências

  1. Ir para cima^ Schmidt, Shirley Jean (2009). A Estratégia de Reunião de Necessidades de Desenvolvimento: Uma Terapia do Estado de Ego para Cura de Adultos com Trauma da Infância e Feridas de Anexos. San Antonio: Instituto DNMS. ISBN 978-0-615-27469-0.
  2. Ir para cima^ Siegel, DJ(1999). A mente em desenvolvimento: Rumo a uma neurobiologia da experiência interpessoal. Nova York: Guilford Press. ISBN 978-1-57230-453-6.
  3. Ir para cima^ Introjecção
  4. Ir para cima^ Berne, E. (1961). Análise transacional em psicoterapia, psiquiatria individual e social sistemática. Nova York: Grove Press. ISBN 978-0-345-33836-5.
  5. Salte para cima^ Freud, S. (1923/1961). O ego e o id. Em J Strachey (Ed. E Trans.), A edição padrão das obras psicológicas completas de Sigmund Freud (Vol.19). Londres: Hogarth Press. (Trabalho original publicado em 1923).
  6. Ir para cima^ Perls, FS (1973). A abordagem Gestalt e a testemunha ocular da terapia. Science and Behavior Books, Inc.ISBN 978-0-553-20540-4.
  7. Salte para cima^ Watkins, JG, & Watkins, HH (1997). Ego afirma: Teoria e terapia. Nova York: Norton. ISBN 978-0-393-70259-0.
  8. Salte-se^ Gallese V., Fadiga L., Fogassi L. e Rizzolatti G. (1996). Reconhecimento de ação no córtex premotor. Brain 119: 593-609.
  9. Ir para cima^ Gallese V., Eagle ME e Migone P. (2007). Sintonização intencional: neurônios espelho e os fundamentos neurais das relações interpessoais. Jornal da American Psychoanalytic Association, 55: 131-176.
  10. Ir para cima^ Perls, FS, Hefferline, RF, & Goodman, P. (1951). Terapia Gestalt: Excitação e crescimento na personalidade humana. Nova Iorque: Dell. ISBN 978-3-423-15050-7.
  11. Ir para cima^ Schmidt, SJ (2004) Estratégia de reunião de necessidades de desenvolvimento: uma nova abordagem de tratamento aplicada ao transtorno de identidade dissociativa. Journal of Trauma and Dissociation, 5 (4), 55-78.
  12. Ir para cima^ Schmidt, SJ, & Hernandez, A. (2007). A Estratégia da Reunião de Necessidades de Desenvolvimento: oito estudos de caso. Traumatologia. 13: 27-48.

Links externos

Fonte: https://en.wikipedia.org/wiki/Developmental_Needs_Meeting_Strategy

 

Anúncios

Learn Medical Neuroscience

 

 

 

Bem-vindo ao site Learn Medical Neuroscience. Acima de tudo, este site de neurociências apoia membros da comunidade de aprendizagem do curso Coursera ” Neurociências Médicas “. O professor Len White da Duke University ensina este curso. Outros alunos de Neurociências são bem-vindos, é claro, mas não são o principal grupo-alvo do site.

Estrutura do site Learn Medical Neuroscience

  • Comunidade de aprendizagem 

    Este é o lugar para mais informações sobre a classe Global Medical Neuroscience. Aqui você pode encontrar informações sobre como usar o fórum de discussão no site do curso, exemplos de fotos dos desafios #GetNeuro do curso que são compartilhados no Instagram e o link para um grupo do Facebook altamente ativo para o curso. Há imagens agradáveis ​​sobre ‘Neurociências Médicas nos bastidores’. A página Notícias apresenta notícias sobre o curso e notícias gerais de neurociências, todas relevantes para a comunidade de aprendizado.

  • Laboratório virtual

Na verdade, esse é o núcleo do site. Você pode encontrar uma lista de links para sites relevantes na internet tudo sobre o cérebro no Laboratório Virtual. O Virtual Lab possui 7 sub-páginas. A estrutura do curso de Neurociências Médicas é a base do Laboratório Virtual. A página Virtual Lab explica a estrutura do conteúdo desta parte do site. Os vídeos em destaque são uma boa parte do Virtual Lab. Os vídeos em destaque são vídeos curtos no campo da Neurociência relevantes para a informação do conteúdo da página. Eles nem sempre estão diretamente ligados ao conteúdo da subpágina do laboratório virtual. Eles formam um complemento para o material principal do curso e dão uma visão adicional.

Nesta página você pode encontrar mais links para mais sites. Os sites que esta parte do site liga para não explicar o conteúdo do curso. Esta página apresenta links para sites que você pode usar para revisar seu conhecimento de Neurociências. Esta página também contém recomendações sobre o livro de Neurociências. Além disso, existe um link para o  Resumo de Pathways Medical Neuroscience . Este Resumo de Caminhos é um documento, livre de direitos autorais, feito especialmente para este curso. Você pode baixá-lo diretamente do site.

O exame neurológico faz parte do site com links para sites e vídeos que explicam o exame neurológico. Existe um link para o site especialmente relevante do NeuroLogical Cases da Universidade de Utah. Este é um site bastante sistemático e educacional para aprender o exame neurológico. Outros recursos também estão presentes nesta página. Como “Vídeos de Neurologia Clínica”, um recurso maravilhoso, criado especificamente para aprimorar e facilitar o estudo da Neurologia. Você também pode ver os casos no parágrafo: “Lidar com as restrições neurológicas”. Você encontra material inspirador que mostra que as pessoas podem se adaptar a grandes restrições neurológicas e viver uma vida plena, apesar dessas restrições.

No lado direito da tela (não nas páginas do Laboratório Virtual e no Exame Neurológico da página), você vê Notícias e abaixo dessas páginas com Estratégias de Estudo e Dicas de Estudo. Essas páginas provaram ser muito úteis para os alunos no passado. Você pode verificá-los e usá-los para sua vantagem. Por último, mas certamente não menos importante, há o quadro de fóruns . Lá, você pode encontrar informações importantes quando faz o curso como: Onde estão as Notas do Tutorial? O que acontece com minhas notas quando mudo para uma próxima sessão?

 

 

Fonte: http://www.learnmedicalneuroscience.nl/

ALLEN ATLAS CEREBRAL

Visão geral

Esta base de dados de células cerebrais é uma pesquisa de características biológicas derivadas de dados de células únicas, de humanos e ratos.

O banco de dados contém propriedades eletrofisiológicas , morfológicas e transcriptômicas coletadas de células individuais e modelos simulando atividade celular. Nesta fase inicial da geração de dados, a cobertura da pesquisa foi focada em áreas selecionadas do córtex cerebral e nos neurônios talâmicos.

Procure os dados de resposta eletrofisiológica e as morfologias neuronais reconstruídas usando a ferramenta de Pesquisa de Caracteres Celulares . Os dados transcriptômicos podem ser acessados ​​através da página de download .

Use o Kit de Desenvolvimento de Software Allen (SDK) para acessar e analisar programaticamente dados em bruto e executar modelos.

Os dados podem ser baixados selecionando experimentos individuais na ferramenta de Pesquisa de Caracteres de Celular, acessando arquivos RNA-Seq transcriptômicos através da página de Download , ou através do SDK ou API Allen

 

 

 

Dados de rato

As células são adquiridas de áreas cerebrais selecionadas em ratos adultos. As células são identificadas para o isolamento com base em linhas de ratos transgênicos que abrigam repórteres fluorescentes conduzidos por drivers específicos do tipo celular. Para análises eletrofisiológicas e morfológicas, foram selecionadas células excitatórias com expressão enriquecida em camada e células inibitórias baseadas em marcadores clássicos. As áreas cerebrais selecionadas para análise incluem sub-regiões do córtex visual, córtex motor e córtex motor lateral anterior (ALM), na área do motor secundário (MOs).

Para a análise transcriptômica, foram realizadas dissecções regionais e laminares em espécimes de linhas transgênicas pan-neuronais, pan-excitatórias e pan-inibitórias, para amostra de forma abrangente. Os dados do núcleo geniculado lateral (LGd) também estão incluídos.

Este diagrama interativo de Venn mostra quantas células estão disponíveis para cada modalidade de dados (eletrofisiologia, morfologia, transcriptômica) e modelos. Selecione uma categoria para visualizar o subconjunto de células.

Existem 1058 células de mouse para as quais temos dados de eletrofisiologia.

 

 

Dados humanos

As células são adquiridas a partir do tecido cerebral doado nos lobos temporais ou frontais com base em anotações estruturais descritas no Atlas de referência do cérebro humano Allen . Para análises eletrofisiológicas e morfológicas no córtex, as células são selecionadas com base na forma do soma e na localização laminar.

Para a análise transcriptômica, diferentes camadas de córtex são dissecadas e os núcleos neuronais são isolados. A amostragem laminar é guiada pelo número relativo de neurônios presentes em cada camada.

 

 

 

Sobre eletrofisiologia

As gravações de grampos de patch de células inteiras fornecem informações básicas sobre propriedades de disparo celular. As gravações são realizadas usando uma variedade de protocolos de estímulo, incluindo pulsos curtos, passos longos, rampas lentas e ruído naturalista para caracterizar as propriedades intrínsecas desses neurônios. Os protocolos detalhados são descritos no whitepaper técnico de visão geral de eletrofisiologia .

Sobre Morfologia

A estrutura celular informa a função e a diversidade neuronal. Para ver a forma da célula, as células são preenchidas com biocitina e imagens em série para visualizar suas morfologias. Imagens planar e reconstruções de células 3D podem ser visualizadas com os dados de eletrofisiologia da célula, ou baixados para análise off-line. Os protocolos detalhados são descritos no whitepaper técnico da síntese de morfologia .

Sobre Transcriptomics

A seqüência de ARN pode fornecer um perfil transcriptômico para cada célula. Os transcritos genéticos são isolados, amplificados e seqüenciados, e as leituras estão alinhadas com um genoma de referência. A expressão de ARN por gene é relatada como uma média de isoformas de transcrição. Os dados estão disponíveis para células inteiras e, em alguns casos, isolados de frações nucleares. Para os núcleos, uma proporção significativa de lições se alinha aos intrões. Todos os dados podem ser baixados e os protocolos detalhados são descritos no quadro técnico geral da transcriptomics .

Sobre Modelos

Uma variedade de modelos neuronais que simulam propriedades de células intrínsecas estão disponíveis. Os modelos incluem: modelos generalizados de injeção e fogo, modelos biofisicamente realistas, de neurônio único com dendritos passivos e soma ativo (perisomático) e com condutâncias ativas (tudo ativo). As simulações podem ser vistas em linha ao lado das respostas celulares medidas, quando disponíveis. Todos os modelos podem ser baixados, e protocolos detalhados são descritos nos whitepapers técnicos: GLIF , perisomatic , all-active .

 

Fonte:  http://celltypes.brain-map.org/

Agora você também pode comprar o aprendizado profundo Cloud-Based

O sistema de aprendizado do Facebook, com seus sistemas de inteligência artificial, aprendem a reconhecer os seus amigos em suas fotos, e AI do Google aprendeu a antecipar o que você vai estar procurando. Mas não há necessidade de se sentir deixado de fora, mesmo se os computadores da sua empresa não aprendeu muito ultimamente.

Um número crescente de gigantes da tecnologia e startups começaram a oferecer aprendizado de máquina como um serviço na nuvem. Isso significa que outras empresas e startups não precisam parar desenvolver seu próprio hardware ou software especializado para aplicar o aprendizado profundo -a alta potência versão du jour de aprendizagem de máquina-a suas necessidades comerciais específicas.

“Algoritmos de aprendizagem profunda dominam outros métodos de aprendizado de máquina, quando os conjuntos de dados são grandes”, diz Zachary perseguição Lipton, um pesquisador de aprendizagem profundamente no Grupo de Inteligência Artificial da Universidade da Califórnia, em San Diego , que examinou serviços cloud AI de empresas tais como Amazon e IBM. “Assim, qualquer empresa ou aplicativo que tenha bem formadas problemas, tais como previsão de previsão da procura ou tradução entre línguas-poderiam beneficiar de uma aprendizagem mais profunda.”

Com aprendizagem profunda baseada em nuvem , as empresas podem simplesmente selecionar um serviço de nuvem e procurar as suas ofertas on-line de interfaces de programação de aplicativos para tarefas de software, tais como reconhecer imagens de cães corgi ou automaticamente a tradução de um menu do restaurante. Alguns serviços serão ainda adaptar suas ferramentas de aprendizado de máquina aos dados e necessidades das empresas individuais.

De acordo com Lipton, a ascensão de serviços em nuvem para a aprendizagem de máquina depende de pelo menos dois fatores: primeiro, um aumento contínuo na demanda por aprendizagem de máquina como a tecnologia amadureceu na sua capacidade de resolver uma grande variedade de problemas com valor económico; e, segundo, a relativa escassez de talentos de aprendizado de máquina, o que torna difícil para todas as empresas para construir a sua própria equipa de aprendizado de máquina. Competição por talentos tornou-se ainda mais difícil com startups tentando competir com gigantes da tecnologia como a Microsoft ea IBM, que podem dar ao luxo de aspirar a melhores e mais brilhantes.

A maioria das aplicações comerciais de aprendizado de máquina dependem de aprendizado supervisionado. Trata-se de algoritmos que podem observar exemplos corretamente rotulados e aprender a executar determinadas tarefas por meio da imitação. As redes neurais artificiais são actualmente os algoritmos mais populares e bem sucedidos para o aprendizado de máquina supervisionado em grandes conjuntos de dados. Eles aprendem fazendo passar informações através de uma rede interligada de vários nós (também conhecido como neurônios). As conexões entre esses nós cada um têm pesos ajustáveis que influenciam o fluxo de informações através do gráfico. Nós geralmente são dispostos em camadas. Mas historicamente era viável para formar redes com apenas uma camada oculta de neurônios, para além das camadas de entrada e de saída.

aprendizagem profunda leva esses métodos para o próximo nível, filtrando os dados através de múltiplas camadas de neurônios, Lipton explica. Em cada camada, a rede pode aprender representações sucessivamente mais abstratas de relações entre pontos de dados. Com camadas suficientes e nós suficientes, redes neurais profundas podem executar uma série de funções.

O desafio na construção de uma rede neural está treinando-o para tarefas específicas. A partir de uma configuração aleatória dos pesos, exemplos do conjunto de dados são apresentados para a rede neural um após o outro. Cada vez, os pesos da rede neural são afinadas um pouco para trazer a saída da rede mais próxima para a saída correta.

Fonte: http://spectrum.ieee.org/computing/software/now-you-too-can-buy-cloudbased-deep-learning

Rootar o seu Cérebro com Gadgets – Uma Possibilidade Real

Mjc3MzgxNg

Dispositivos que “hackeiam” o seu cérebro, poderá em breve ser uma parte discreta da vida diária, graças a sensores de EEG que se encaixam confortavelmente dentro da orelha. Dois grupos de pesquisa estão a fazer progressos em dispositivos discretos que oferecem dados cerebrais confiáveis onde a confiabilidade é um ponto chave. Alguns aparelhos neuro para os consumidores já têm atingido o mercado, mas não é de todo claro que eles entregam os dados cerebrais prometidos.

Por que você iria querer um gadget para cérebro? Bem, talvez você queira controlar objetos no mundo físico com a sua mente , e por muito tempo para usar um simples pensamento para desbloquear o seu porta da frente ou aumentar a sua nave X-Wing de um pântano. Ou talvez você queira manter o controle sobre suas ondas cerebrais durante todo o dia, e procurar um gadget de coleta de dados que age como um Fitbit para o seu cérebro.

As empresas e os DIYers podem fazer tais coisas hoje (ok, provavelmente não o levantador X-wing) com sensores que usam eletroencefalograma, ou EEG , para pegar uma gravação aproximada de atividade cerebral. Normalmente, esses dispositivos utilizam eletrodos de EEG que são afixados ao couro cabeludo, onde eles detectar os padrões de atividade elétrica gerada quando milhões de células cerebrais agir em conjunto. Os diferentes tipos de ” ondas cerebrais ” têm sido associados com diferentes estados mentais, como foco e relaxamento, e ações diferentes.

Mas tais sistemas de eletrodos à base de couro cabeludo pode olhar um pouco visível e desajeitado . Enquanto startups são, certamente, correr para fazer headsets EEG mais elegantes e melhores, vários grupos de pesquisa pensam que sensores in-ear EEG oferecem uma alternativa elegante.

Traduzido de:

Fonte:  http://spectrum.ieee.org/the-human-os/biomedical/devices/in-ear-eeg-makes-unobtrusive-brain-hacking-gadgets-a-real-possibility?utm_campaign=TechAlert_07-14-16&utm_medium=Email&utm_source=TechAlert++&bt_alias=eyJ1c2VySWQiOiAiMTZlMzIzNjUtZjlhOC00NDE3LWI1NzctMzhjYzU0ZDBkNzQ1In0%3D

Cirurgia de Interface Neural em Baratas

Se você quer começar a aprender sobre princípios de engenharia neural, mas tem um orçamento limitado, aqui estão as instruções sobre como construir seu próprio RoboRoach (beta) e investigar microeletrônica e design de interface neural:

Nota: Este vídeo instrucional foi criado para o RoboRoach (beta). Se você estiver usando o mais recente Blueooth RoboRoach, por favor consulte o “Cirurgia de Interface Neural” experimento: https: //backyardbrains.com/experiment … e é atualizado em: http://youtu.be/EsrorUT_Svc

Link: https://backyardbrains.com/

Pesquisadores desenvolvem controle remoto de movimentos de humanos

 Alunos da Universidade de Hannover, na Alemanha, desenvolveram um dispositivo capaz de controlar remotamente os movimentos das pernas das pessoas enquanto elas caminham. O aparelho utiliza uma pequena estimulação elétrica no corpo para indicar quando alguém deve virar à esquerda ou à direita e poderia ser utilizado em games, para impulsionar regimes de exercício, conduzir pessoas em espaços e até ajudar vítimas de derrame.

O aparelho fixa eletrodos no músculo sartório, que são conectados a um dispositivo de estimulação elétrica semelhante aos utilizados pelos fisioterapeutas para ajudar os atletas de reabilitação de feridos, além de um painel de controle sem fio na cintura.

Jogos e realidade virtual 

Os inventores explicam que a princípio desenvolveram a ideia para que as pessoas pudessem jogam com o smartphone sem esbarrar em coisas na vida real.  “A ideia é ajudar as pessoas a navegar sem que saibam disso”, disse Max Pfeiffer, um dos responsáveis pelo projeto. “O usuário começa a andar, relaxa e acabam no local sem perceber que você foi guiado até ele”.

Por enquanto, o projeto está em fase inicial. “A principal coisa a melhorar é que a navegação ainda não é perfeita”, explica Pfeiffer. “O usuário precisa medir onde está o tempo todo. A segunda coisa é calibrar a pessoa para o dispositivo, uma vez que todos são diferentes. A terceira coisa é que é preciso ver os obstáculos na frente da pessoa”.

Roberta Klatsky, professora de interação humano-computador na Universidade Carnegie Mellon afirma que o trabalho é interessante, mas ainda tem um longo caminho a percorrer, já que alguns dos usuários não foram afetados pela estimulação e ela provavelmente não vai funcionar em calçadas estreitas. Além disso, o controlador humano precisa estar por perto para que tudo funcione corretamente.

REMOÇÃO DE ARTEFATOS DE EOG E EMG EM REGISTROS ELETROENCEFALOGRÁFICOS

openeeg

Resumo: O sinal de eletroencefalograma (EEG) necessita de um pré-processamento para eliminação de artefatos. Os artefatos fisiológicos contaminam o registro de EEG, dificultando sua análise, devido a possuir maior amplitude que o sinal em estudo. Este trabalho teve por objetivo desenvolver e utilizar técnicas para detectar e eliminar artefatos fisiológicos referentes a movimento ocular (eletrooculograma, EOG) e muscular (eletromiograma, EMG). Os algoritmos usam a Transformada Discreta Wavelet e outros métodos matemáticos para detecção de envoltória do sinal processado. Foi realizada a detecção e eliminação desses artefatos, de forma automática, em todos os 80 EEGs adquiridos. Os pontos classificados como artefato são eliminados do registro, aumentando a relação sinal ruído, sem a eliminação de um trecho completo do sinal.

Palavras-chave: Artefatos, EEG, EOG, EMG e ICM.

Link:   http://www.canal6.com.br/cbeb/2014/artigos/cbeb2014_submission_550.pdf

Biopotential Technology – EEG

[Please note that this is a cached copy from the Wayback Engine as Doug's site apparently dropped off the 'net in 2003; hopefully he'll show up again some day! Until then, enjoy his research. --Jim]

Biopotential Technology

This is a collection of resources on biopotential measurement
and next generation human-computer interfacing.

 

 


Biofeedback Device Schematics

EEG – Electroencephalograph Schematics

  • Biosemi


  • Brainmaster

    • Brainmaster Schematics – These are Tom Collura’s freeware build specs for the Brainmaster EEG. These specs are based on the Motorola 68HC11EVBU evaluation board which is no longer available and difficult to find. I have heard that Axiom 68HC11 boards can be used as an alternative. The amplifier is based on AD620 instrumentation amps and OP90 op-amps. Frequency response is 1.7-34 Hz and CMMR is 110 dB. Unfortunately the firmware and PC software is no longer available.


  • OpenEEG Project – This is a project to develop a low-cost EEG for < $100. There is a discussion group about this project here.

    • ModularEEG – This design is a 2-channel EEG with RS232 PC interface. It uses an AT90S4433 microcontroller for ADC and a differential amp based on INA114 instrumentation amps andTLC277 op-amps. The input stage is modeled after (or influenced by) the Biosemi designs, with some modifications. Data is sent to the PC over the RS232 data lines (RX/TX). This is the most recent and sophisticated of the OpenEEG designs.
    • RS232EEG – This is an older version of a 2-channel EEG with RS232 PC interface. It uses an AT90S4433 microcontroller for ADC and a differential amp based on INA114 instrumentation amps and TLC272 op-amps. Data is sent to the PC over the RS232 data lines (RX/TX). The firmware rom image and source code are included in the download file.
    • ComEEG – This is a lower cost 1-channel EEG with RS232 PC interface. This one uses no microcontroller, it sends pulses to the PC over the RS232 handshake lines (RTS/CTS). It uses a differential amp based on INA114 instrumentation amps and OPA2604 op-amps. ADC is implemented with 555 timers. It includes a 7555 timer for calibration circuit. The PC must be run in DOS only mode to disable interrupts in order to achieve proper timing.
    • ComADC – This is another low cost 1-channel EEG with RS232 PC interface. It also uses no microcontroller and sends pulses to the PC over the RS232 handshake lines (RTS/CTS). There is no differential amp, signals are fed into a 555 timer based PWM circuit. The PC must be run in DOS only mode to disable interrupts in order to achieve proper timing.
    • GamePortEEG – This is another low cost EEG that sends signals to the PC via the game port. It uses a differential amplifier. There doesn’t seem to be much info about this design.
    • Joerg’s Home Page – This is Joerg Hansman’s home page for download of the OpenEEG schematics and firmware. Joerg is the designer of all of this fancy OpenEEG hardware.
    • Design of a multi-purpose biofeedback machine – This document describes an multi-parameter biofeedback system based on a Texas Instruments MSP430F149 microcontroller and ADS1252analog/digital converters. There are no schematics in this document.
    • ElectricGuru EEG Software – This is Rob Sachs’ Windows software that uses FFT to do spectral analysis of the EEG data. It apparently works with the RS232EEG and ModularEEG designs above. This is binary executable only, the source code is not available.
    • Eagle Layout Software – You need this software to look at the OpenEEG schematics above. Low volume orders of boards can be done at PCBexpress, they accept Eagle format CAD files.
    • Atmel DevTools – These are the development tools for Atmel AVR 8-bit RISC microcontrollers. Atmel microcontrollers and flash tools can be ordered online from Digikey. They also have most of the instrumentation amps, operational amps, and other parts. A schematic for a programmer’s cable is here if you want to make your own.


  • Circuit Cellar

    • HAL-4 EEG – Circuit Cellar designed a low cost EEG using the ubiquitous 8031 microcontroller. The amp section is built using six TL084 op-amps. Singals are digitized using ADC08008 A/D converters. Frequency response is 4-20 Hz and the firmware is set up with 64 Hz sampling. There used to be a kit for sale at Creative Concepts, but it’s no longer available. Apparently the original PCB design file was lost. There is a manual that shows the schematics, and there is a newsgroup for HAL-4 fans. Some people have improved on this design to achieve better band width and sampling rates.


  • Other EEG Schematics

    • Meissner Research – Jim Meissner improved on the HAL-4 design and was able to achieve better frequency band width and sampling rates. He used a 68HC11 board from New Micros. There are tons of free development tools and info about 68HC11 on the web. Jim posted his EEG firmware source and some sample EEG recorded data here. Jim also invented the Brain State Synchronizer and some interesting meditation speakers.
    • Bernd Porr – Here’s an EEG preamp and filter circuit that uses AMP01 instrumentation amp and NE5532 op-amps. He uses a TIL111 opto-coupler. He also has an interesting Java-based EEG viewer that connects to a C++ server via socket connections.
    • Two-channel data logger for quantitative EEG recording while driving – This document describes a 2-channel portable EEG built using an 87C552 microcontroller and AD620instrumentation amps. Band width is 0.1-40 Hz, sampling is 128 Hz, and it does 10-bit resolution A/D conversion. There are no schematics in this document. There is another document describing this system here.
    • How to Build a Lie Detector, Brain Wave Monitor and Other Secret Parapsychological Electronics Projects – This book has plans for a simple EEG that uses 741C and N5556 (signetics) op-amps. The brain wave signals feed into an audio tone generator, and thresholds can be set with a potentiometer. It also has an auxilliary output for a chart recorder. The book seems to be out of print, but the plans and schematics are here.
    • A CMOS IC for Portable EEG Acquisition Systems – This short document describes the design of a an EEG into a single CMOS IC that consumes 520 uA power. This single IC contains 16 instrumentation amplifiers, analog multiplexer, programmable gain amplifier, auto-calibration circuitry, and a digital computer interface.

ECG – Electrocardiogram Schematics

  • Electrocardiogram Amplifier – This document contains schematics for an EKG amplifier using AD621 instrumentation amp and LM6484 op-amps. Another circuit shows addition of a common ground. There is a circuit for evaluation of common mode rejection ratio (CMMR). It further describes how to add a low-pass butterworth filter using MF4 switched capacitor, and how to digitize the EKG signals using ADC0848.
  • Scientific American: Home is where the ECG is – This article from “The Amateur Scientist” column describes how to build an ECG using just an AD624 instrumentation amp, 5 resistors, and 4 capacitors, and a potentiometer for “zero adjust”.
  • Sima’s ECG Project Page – This is a good description of Sima’s experimentation with the simple ECG described in the above Scientific American article. He includes a revised schematic, and provides more detail on safety, grounding, and noise reduction. Sima used the Pico Technologies DrDAQ data logger to digitize the ECG signals and chart them on a PC.
  • EKG Happy – This page describes a home brew EKG system. It includes a schematic for an EKG amplifier using TL082 op-amp, diagrams showing how to wire the leads, and some notes on safety considerations.
  • Electrocardiogram Lab – These are student lab instructions from an EE course. They include a schematic for an ECG that uses an AD620 instrumentation amp and 741 op-amps, and discusses adding a low-pass and high-pass filters.
  • Texas Instruments ECG Schematic – The data sheet for the Burr-Brown (Texas Instruments) INA121 instrumentation amp includes a schematic for an ECG amplifier with right-leg drive. It also has schematics for low-pass and high-pass filters, galvanic isolation, and multiplexed-input data acquistion.
  • Real Time Portable Heart Monitoring Using Lown Power DSP – This docment describes an ECG system that uses a TMS320C5410 DSP to do real-time analysis of ECG signals. It describes how the DSP is used to do QRS complex detection using an adaptive threshold technique. The portable system has small keypad, LCD, and audio output, and also an RS232 interface for connection to a PC. There are no schematics, just block diagrams.
  • Portable System for High Resolution ECG Mapping – This document describes a multi-channel portable ECG with parallel port connection to a PC. It’s a brief document with not much technical information.
  • Lego Mindstorms ECG Sensor – Lego has changed a lot since my childhood days. Now they have lego bricks containing programmable microcontrollers. This page describes a lego ECG sensor. It includes schematics, cabling info, and shows photos of the ECG circuitry attached to lego bricks. There is also a program called MindScope which downloads ECG data from the lego brick and charts it on a PC. I think the big kids are enjoying mindstorms more than the little ones.
  • Optical Heart Monitoring – This page describes projects that measure pulse using light transmitted and reflected through the finger. One method uses a super bright LED, light penetrating the finger is detected by a TSL230 light to frequency converter. Another methods uses an infrared LED, light is detected with a PIN photo diode.
  • ChipCenter Question: Heart Monitor – This is a response to a question submitted to ChipCenter on how to make a heart monitor. It talks about instrumentation amplifier choices, isolation methods, and usage of 60 Hz notch filters. It has links to some useful technical briefings and data sheets, but all of the links are broken, so I have included fixed links below:

EMG – Electromyrograph Schematics

GSR – Galvanic Skin Response Schematics

Respiration Monitor Schematics

Mind Machine (Light and Sound) Schematics

Other Miscellaneous Schematics


Portable Biofeedback Devices

Sensors for Biopotential Measurement

Mobile Biofeedback Monitors

Portable Neurofeedback Devices

Clinical/Research Instrumentation


Biopotential Measurement Theory

Biopotential Measurement Theory


EEG Signal Measurement


ECG Signal Measurement


EMG Signal Measurement


GSR Signal Measurement


Respiration Measurement


Digital Signal Processing

General DSP Theory


Fourier Transform


Wavelet Transform


Digital Filtering


EEG Signal Processing


EMG Signal Processing


Biofeedback/Neurofeedback Theory

General Biofeedback Resources


EEG – Neurofeedback Resources


ECG – Electrocardiography Resources


EMG – Electromyography Resources


GSR – Galvanic Skin Response Resources


Biofeedback Journals and Reference

Biofeedback Discussion Groups


Brainwave Entrainment Resources

Brainwave Entrainment Articles


Brainwave Entrainment Mind Machines


Brainwave Entrainment CD-ROMs


Brainwave Entrainment Software


Human Computer Interfacing Resources

Computer Control Techniques


EEG Computer Interfaces

EMG Computer Interfaces

Multi-Sensor Computer Interfaces


Neural Computer Interfaces

 


Affective Computing Resources

Affective Computing Concepts


Affective Research Systems


Affective Signal Processing


Affective Computing Research Groups


Other Emotion Related Sites


Context-Aware Computing Resources


Electromagnetics Resources


ESP and PSI Resources


WearcompAccessibilityBiopotentialGalleriaI like to make clothing do interesting tricks from remote destinations.What I’d like is to have you to call me and my jacket answers.


this page is best viewed using a computer connected to the internet 

Construindo Dispositivos Controlados pelo Cérebro

Projetos Open-Source

O projeto OpenEEG oferece um caminho para construir seu próprio dispositivo EEG. O custo estimado de construção de de U$200,00 e exige alguns fins de semana. Foi o primeiro método para pessoas que queriam um dispositivo EEG de baixo custo para uso pessoal.

Emokit é uma biblioteca open-source em Python para leitura de dados nos sensores do Emotiv EPOC (feito por Cody Brocious). Foi construída utilizando engenharia-reversa do protocolo criptografado.

EEGLAB é uma ferramenta do GNU Matlab para o processamento de dados de eletroencefalografia (EEG).

OpenVibe é uma plataforma de software LGPL (C++) para projetar, testar e utilizar a interface cérebro-máquina. O software vem com um servidor de aquisição que é compatível com muitos dispositivos EEG incluindo NeuroSky, Emotiv EPOC e OpenEEG.

Conectando Wearable ao arduino e mapeando atividade cerebral:

 

    Robô básico controlado por cérebro. Usou Mindwave móvel combinada com LabVIEW para implementar o controle. O controle para parar e iniciar o movimento é o valor “atenção” do fone de ouvido, que se relaciona com o quão forte você se concentrar em um objeto. A fim de mudar de direção, foi utilizada detecção de olhos fechados rudimentar. Este vídeo é apenas uma demonstração rápida da detecção de olhos fechados.

 

Sites para Consulta

Wikipedia – Comparison of consumer brain–computer interfaces
Emotiv – EPOC neuroheadset
Dangerous Prototypes – Brain wave monitor with Arduino + Processing
Frontier Nerds – How to Hack Toy EEGs
Ben Farahmand – Tutorial: Using the Emotiv headset with Processing and the Arduino
Arduino Assisted Mind-Controlled TV Using EEG
Projeto: Controlando Servo Motor com Emotiv Epoc (Interface Cérebro-Computador)
Emotiv EPOC + Processing/Arduino – Mindmeister Mapa Mental
EPOC-to-Arduino “Goodbye, World” | hyperRitual

 

openeeg

ALLEN BRAIN ATLAS API

Os recursos Atlas Cerebral Allen é uma coleção cada vez maior de recursos públicos on-line integrando extensa expressão gênica e dados neuroanatômicos, completo com um novo conjunto de ferramentas de busca e de visualização. Este portal dá acesso a cada um desses recursos, clicando sobre o botão para um determinado projeto ou clicando no projeto a partir da guia banner ou menu drop-down.

http://www.brain-map.org/

http://www.brainspan.org/

web-3d-brain

por Nilton Felipe Postado em Neuro

Neuro Information Database

NIF consulta simultaneamente todos os bancos de dados federados e conjuntos de dados por meio de sua interface de pesquisa. Os resultados são exibidos na guia Federação de dados e são categorizadas por tipo de dados e nível de sistema nervoso. Desta forma, os usuários podem facilmente percorrer o conteúdo de múltiplos recursos, tudo a partir da mesma interface.

 

https://neuinfo.org/mynif/databaseList.php?

NIFDatabase

 

 

por Nilton Felipe Postado em Neuro