Pattern classification of brain states using fMRI

脑-机接口，我们将会得到磁共振层析图(fMRI-BCI)bnutzen，erlaben kontrolle umschriebener Regionen des gesamten Gehirns。Ein solches fMRI-BCI wurde entwickelt der erlabt Echt-Zeit kontingente Rück Meldung and Training der Aktitiität von HirnRegionen.Diese Neue Nicht-侵入性方法不同于操作von lokalen Hirnprozessen ALS unabhängie Variable and Messung von Verhalten ALS ABHängie Variable。因为神经生物学的存在，所以人会死得像个正常人一样。有效的方法和方法在klinik和劳动wurch einige kritische问题geschmälert：hirnakwitität von vielen hirn-arealen wird得到rennt für Jede hirnRegion einzeln分析(单变量分析)和人的世界各地的zu发现，并在情绪化的过程中，也von antrennen nassifizieren。这一情况将是戏剧性的，我们将多变量集合--Klassfikationen verwendet和gesamte hirnaktititit wird。我们将在FMRI-BCI的基础上建立一个新的环境和分类系统，并将其作为VIELE verschiedene Hirnzustände Klassifizieren kann和dafür die gesamte Hirnaktivität Aus Allen HirnRegionen and Nick ht Nur einer Regionen voudt。新的多变量分类-神经生物学系统：1.恢复(修复)von Handbewegung nach Schlaganfall和2.神经生物学研究Lügendededed.

Brain-Computer Interfaces, welche die willentliche Kontrolle des funktionellen Magnetresonanztomogramms (fMRI-BCI) benutzen, erlauben Kontrolle umschriebener Regionen des gesamten Gehirns. Ein solches fMRI-BCI wurde entwickelt und erlaubt Echt-Zeit kontingente Rückmeldung und Training der Aktivität von Hirnregionen. Diese neue nicht-invasive Methode untersucht die Manipulation von lokalen Hirnprozessen als unabhängige Variable und Messung von Verhalten als abhängige Variable. Wenn die neurobiologische Grundlage einer Verhaltensstörung bekannt ist, so kann man die abnorme Hirnaktivität dieses Areals regulieren lernen. Die Effektivität der Methode des fMRI-BCIs in Klinik und Labor wurde durch einige kritische Probleme geschmälert: Hirnaktivität von vielen Hirn-Arealen wird getrennt für jede Hirnregion einzeln analysiert (univariate Analyse) und man versucht jene Region zu finden, die den gesuchten kognitiven oder emotionalen Prozess klassifizieren, also von anderen trennen kann. Diese Situation wird dramatisch verbessert, wenn multivariate Muster-Klassifikationen verwendet und die gesamte Hirnaktivität als Ganzes verarbeitet wird. Wir schlagen hier die Entwicklung und Einrichtung eines Echtzeit- Klassifikationssystems für ein fMRI-BCI vor, das viele verschiedene Hirnzustände klassifizieren kann und dafür die gesamte Hirnaktivität aus allen Hirnregionen und nicht nur einer Region verwendet. Dieses neue multivariate Klassifikationssystem soll auf zwei kognitiv-neurobiologische Fragestellungen angewandt werden: 1. Wiederherstellung (restoration) von Handbewegung nach Schlaganfall und 2. Neurobiologisch gesteuerte Lügendetektion.