Koppelungsmaße für BCIs
Coupling Measures for BCIs
Wissenschaftsdisziplinen
Elektrotechnik, Elektronik, Informationstechnik (35%); Mathematik (5%); Medizintechnik (60%)
Keywords
-
Brain-computer interface,
Coupling measures,
Multivariate autoregressive model
Im beantragten Projekt mit dem Kurztitel "Kopplungsmaße für BCIs" geht es darum, neuartige Merkmale für Brain-Computer Interfaces (BCIs) auf ihre Eignung zu testen. Diese Merkmale beinhalten die Beziehungen oder Kopplungen zwischen einzelnen EEG-Signalen, ganz im Gegensatz zu den bisher weit verbreiteten univariaten Merkmalen (wie beispielsweise die Bandleistung). Dieses Projekt ist in zwei Abschnitte aufgeteilt. Der erste Teil beschäftigt sich mit synchronen BCIs, bei denen die möglichen Zeitpunkte der Steuerung per Gedanken vom Computer vorgegeben werden (englisch "synchronized" oder manchmal "cue-based"). Es sollen verschiedenste Kopplungsmaße, die alle von einem multivariaten autoregressiven Modell abgeleitet werden können, auf ihre Eignung als Merkmale für ein BCI untersucht werden. Dazu wird eine Offline-Studie mit bereits vorhandenen Daten durchgeführt, welche die Leistungsfähigkeit dieser Merkmale mit der von herkömmlichen univariaten Merkmalen vergleicht. Außerdem werden beide Merkmalstypen kombiniert, um festzustellen, ob die Klassifikationsgenauigkeit dadurch erhöht werden kann. Abschließend werden aufbauend auf den Erkenntnissen dieser Offline-Studie Experimente mit Feedback (online) mit mehreren Versuchspersonen durchgeführt und diese dann evaluiert. Der zweite Teil befasst sich mit asynchronen BCIs (englisch "self-paced" oder "asynchronous"), bei welchen der Benutzer frei entscheiden kann, wann er Kontrolle über das System ausüben möchte. Die zusätzliche Schwierigkeit besteht also darin, den Zustand zu erkennen, wann die Versuchsperson gerade nichts steuern möchte (englisch "no control state"). Die verschiedenen Kopplungsmaße sollen auf die Eignung untersucht werden, diesen Zustand vom Zustand der willentlichen Kontrolle zu unterscheiden. Als erster Schritt wird auch hier eine Offline-Analyse durchgeführt, diesmal mit den Daten, welche in der bereits abgeschlossenen Online-Studie aus dem ersten Teil aufgezeichnet wurden. Wieder werden Kopplungsmaße mit univariaten Merkmalen und die Kombination beider Typen verglichen und analysiert. Die Erkenntnisse werden erneut anhand einer Online-Studie mit Feedback mit mehreren Versuchspersonen überprüft.
Dieses Projekt ist in zwei Abschnitte aufgeteilt. Der erste Teil beschäftigt sich mit synchronen BCIs, bei denen die möglichen Zeitpunkte der Steuerung per Gedanken vom Computer vorgegeben werden (englisch "synchronized" oder manchmal "cue-based"). Es sollen verschiedenste Kopplungsmaße, die alle von einem multivariaten autoregressiven Modell abgeleitet werden können, auf ihre Eignung als Merkmale für ein BCI untersucht werden. Dazu wird eine Offline-Studie mit bereits vorhandenen Daten durchgeführt, welche die Leistungsfähigkeit dieser Merkmale mit der von herkömmlichen univariaten Merkmalen vergleicht. Außerdem werden beide Merkmalstypen kombiniert, um festzustellen, ob die Klassifikationsgenauigkeit dadurch erhöht werden kann. Abschließend werden aufbauend auf den Erkenntnissen dieser Offline-Studie Experimente mit Feedback (online) mit mehreren Versuchspersonen durchgeführt und diese dann evaluiert. Der zweite Teil befasst sich mit asynchronen BCIs (englisch "self-paced" oder "asynchronous"), bei welchen der Benutzer frei entscheiden kann, wann er Kontrolle über das System ausüben möchte. Die zusätzliche Schwierigkeit besteht also darin, den Zustand zu erkennen, wann die Versuchsperson gerade nichts steuern möchte (englisch "no control state"). Die verschiedenen Kopplungsmaße sollen auf die Eignung untersucht werden, diesen Zustand vom Zustand der willentlichen Kontrolle zu unterscheiden. Als erster Schritt wird auch hier eine Offline-Analyse durchgeführt, diesmal mit den Daten, welche in der bereits abgeschlossenen Online-Studie aus dem ersten Teil aufgezeichnet wurden. Wieder werden Kopplungsmaße mit univariaten Merkmalen und die Kombination beider Typen verglichen und analysiert. Die Erkenntnisse werden erneut anhand einer Online-Studie mit Feedback mit mehreren Versuchspersonen überprüft.
- Technische Universität Graz - 100%
Research Output
- 186 Zitationen
- 5 Publikationen
-
2010
Titel Analysis of sensorimotor rhythms for the implementation of a brain switch for healthy subjects DOI 10.1016/j.bspc.2009.09.002 Typ Journal Article Autor Solis-Escalante T Journal Biomedical Signal Processing and Control Seiten 15-20 -
2014
Titel SCoT: a Python toolbox for EEG source connectivity DOI 10.3389/fninf.2014.00022 Typ Journal Article Autor Billinger M Journal Frontiers in Neuroinformatics Seiten 22 Link Publikation -
2015
Titel Online visualization of brain connectivity DOI 10.1016/j.jneumeth.2015.08.031 Typ Journal Article Autor Billinger M Journal Journal of Neuroscience Methods Seiten 106-116 -
2011
Titel A comparison of univariate, vector, bilinear autoregressive, and band power features for brain–computer interfaces DOI 10.1007/s11517-011-0828-x Typ Journal Article Autor Brunner C Journal Medical & Biological Engineering & Computing Seiten 1337-1346 Link Publikation -
2013
Titel Single-trial connectivity estimation for classification of motor imagery data DOI 10.1088/1741-2560/10/4/046006 Typ Journal Article Autor Billinger M Journal Journal of Neural Engineering Seiten 046006 Link Publikation