PASCAL - Pattern Analysis, Statistical Modelling and Computational Learning

Das Berliner Brain-Computer Interface Projekt
Thorsten Dickhaus
In: Maiseminar der CJD-Studentenschaft, 20-24 May 2009, Geldern, Germany.

Abstract

Ein Brain-Computer Interface (BCI) realisiert eine Schnittstelle zwischen Gehirn und Computer, um alternative Kommunikationswerkzeuge für Benutzer bereitzustellen, die in ihrer konventionellen Kommunikationsfähigkeit eingeschränkt sind. Das Berliner Brain-Computer Interface (BBCI) verwendet dabei Methoden des Maschinellen Lernens, um Benutzer-spezifische Muster aus hochdimensionalen Multi-Kanal EEG Signalen zu extrahieren und damit verschiedene mentale Zustände des Benutzers zu entdecken. Klassische BCI-Anwendungen sind vom Gehirn in Gang gebrachte Hilfsmittel für Patienten wie Prothesen oder virtuelle Schreibmaschinen. Hierbei nutzt das BBCI die natürlichen Fähigkeiten der Benutzer zur Bewegungs-vorstellung sowie spezifisch zugeschnittene Mustererkennungsalgorithmen, um die Intention des Benutzers zu inferieren. Aber auch jenseits des Einsatzes in der Rehabilitation gibt es eine breite Menge an möglichen Anwendungen für BCI-Technologie, z.B. bei der Überwachung oder sogar Änderung anderer mentaler Zustände. Obwohl dieses Anwendungsfeld noch nicht ausschöpfend untersucht ist, existieren bereits erste Forschungs-ergebnisse im Bereich von Bedienbarkeitsanalysen sowie der Entwicklung von individuellen Sicherheits-systemen für den Arbeitsplatz. Ferner werden Untersuchungen zur mentalen Arbeitsbelastung (z.B. bei langen Autofahrten) sowie im Bereich elektronischer Spiele durchgeführt. Der Einsatz von Methoden des Maschinellen Lernens (ML) auf dem BCI-Gebiet hat zu erheblichen Fortschritten in der Echtzeit EEG-Analyse geführt. Während frühere EEG-basierte BCIs ein langes Neurofeedback-Training auf Benutzerseite erforderten, genügt es in ML-basierten Systemen, beispielhafte EEG-Signale in einer kurzen Kalibrationsphase zu messen, in der der Benutzer wiederholt bestimmte kleine mentale Aufgaben ausführt. Diese Daten werden dann benutzt, um das BCI auf die spezifische Gehirnsignalstruktur des Benutzers einzustellen; erst danach beginnt die eigentliche Anwendungsphase. Trotz dieser Fortschritte gibt es immer noch einen Anteil von geschätzten 15% bis 30% an „BCI-Analphabeten“, die trotz ausgefeilter Signalverarbeitungsmethoden keine Kontrolle über ein BCI erlangen können. Dies kann zum einen aus mangelnder Diskriminierbarkeit von EEG-Signalen unter verschiedenen mentalen Zuständen resultieren, zum anderen kann es auf Benutzerseite zu Problemen beim Übergang von der Kalibrationsphase ohne Rückmeldung zur Anwendungsphase kommen. In einem aktuellen Forschungsvorhaben erforscht die BBCI-Gruppe in Zusammenarbeit mit Kooperationspartnern von den Universitäten Würzburg und Tübingen Gründe für und Auswege aus „BCI-Analphabetismus“. Einige vielversprechende Ergebnisse liegen dazu bereits vor.

EPrint Type:Conference or Workshop Item (Invited Talk)
Project Keyword:Project Keyword UNSPECIFIED
Subjects:Brain Computer Interfaces
ID Code:6804
Deposited By:Thorsten Dickhaus
Deposited On:08 March 2010