Kopplungsmerkmale zur Klassifikation von MEG-Signalen für Gehirn-Computer-Kommunikationssysteme

点击翻译按钮获取中文摘要

Kommunikationssysteme für vollständig gelähmte Patienten, welche als einzigen Informationskanal eine direkte Verbindung zwischen Gehirn und Computer herstellen, werden Gehirn-Computer-Schnittstellen (Brain-Computer-Interface, BCI) genannt. Menschen, die beispielsweise an dem sog. Locked-In Syndrome (LIS) leiden, können bereits mit Hilfe eines BCI binäre Fragen beantworten und somit auch Buchstaben auswählen. Die niedrige Informationstransferrate vom Gehirn zum Computer hat jedoch eine sehr langsame Kommunikation zur Folge (pro Buchstabe von einer halben bis zu mehreren Minuten, wodurch Sozialkontakte und Lebensqualität der LIS-Patienten beeinträchtigt werden. Um die Effektivität von BCIs im täglichen Einsatz zu steigern, wird in diesem Antrag das Ziel verfolgt, die Kommunikationsrate deutlich zu steigern. Es besteht die Hypothese, dass in der Kopplung von Aktivitäten in verschiedenen Gehirnarealen zusätzliche Informationen verborgen sind, die zur Beschleunigung der Informations¬transferrate verwendet werden könnten. Dazu soll diese Kopplung in Echtzeit ausgewertet werden. Zwei Gebiete im Gehirn werden als „gekoppelt“ bezeichnet, wenn ihre oszillatorische neuronale Aktivität bestimmte Ähnlichkeiten aufweist. Neuere Veröffentlichungen bestätigen die Bedeutsamkeit solcher Kopplung, auch im Hinblick auf BCI Systeme. Die Kopplung soll nach passender Vorverarbeitung zur Erhöhung der Klassifikationsleistung mit den bisher gängigen Methoden verbunden werden. Die anhand bestehender Daten entwickelten Algorithmen sollen während eines Echtzeit-Versuchs mit Probanden optimiert und daraufhin bei Patienten eingesetzt werden. In der Entwicklungsphase soll die Magnetoenzephalographie als hochauflösende Messtechnik mit hohem Signal/Rausch Verhältnis eingesetzt werden um die verarbeitenden Algorithmen zu testen und optimieren.