WikiDer > Gehirn-Computer-Schnittstelle

Brain-computer interface

EIN Gehirn-Computer-Schnittstelle oder BCIA ist eine Technologie, bei der bestimmte Gehirnsignale gemessen und digitalisiert, die dann durch a Computer klassifiziert und in Aktionen umgewandelt. So konnte beispielsweise anhand der Hirnaktivität bereits gezeigt werden, dass ein Pfeil auf die Computer-Bildschirm nach links oder rechts zeigend. BCI-Anträge werden bezeichnet als Neuronale Informationsverarbeitung (NIP) kategorisiert ^[Quelle?], obwohl die Technik auch in die medizinische Elektronik.

Allgemeines BCI-System.

Andere verwendete Namen sind Gehirn-Maschine-Schnittstelle oder direkte neuronale Schnittstelle.

Nicht-invasives BCI

Die gebräuchlichste Methode zur Messung der erforderlichen Gehirnsignale ist nicht-invasiv, bei der keine Geräte zum Eindringen in den Körper erforderlich sind. Beim nicht-invasiven BCI werden die Gehirnsignale am Schädel gemessen.

EEG-BCI - Dies misst die elektrische Aktivität des Gehirns mittels Mittelwert Elektroenzephalographie. Dies ist der einfachste Weg, mit BCI zu experimentieren, insbesondere in nicht-medizinischen Laborumgebungen.
MEG-BCI - Diese Technik misst es Magnetfeld die durch den Strom induziert wird von neuronal Aktivität. Das Feld wird gemessen mittels Magnetenzephalographie.

fMRI-BCI - Seit etwa dem Jahr 2002 ist es möglich, die sogenannte BOLD-Antwort als Eingabe für BCI zu verwenden. BOLD steht für "blutsauerstoffabhängig"; die Systemreaktion hängt somit von der im Blut vorhandenen Sauerstoffmenge ab. Die lokale Konzentration von sauerstoffarmen Hämoglobin im Hirngewebe zeigt neuronale Aktivität an. Dies kann gemessen werden mit funktionelle MRT (fMRT), auch funktionelle Kernspintomographie genannt. Die Abkürzung fMRI steht für „funktionelle Magnetresonanztomographie“, ein bildgebendes Verfahren, das eine 3D-Darstellung der Gehirnaktivität erzeugen kann. Im Vergleich zum EEG ermöglicht die fMRT eine räumliche Auflösung im Millimeterbereich sowie eine genauere Abbildung der neuronalen Aktivität.
NIRS-BCI - Dies ist eine Technik, die der fMRI-BCI ähnlich ist, aber weniger teuer und nicht laborgebunden ist. Nahinfrarotspektroskopie, wie die Technik in vollem Umfang genannt wird, bietet eine vergleichbare räumliche Auflösung wie fMRT. NIRS-BCI verwendet das sogenannte Dauerstrichtechnik.

Obwohl alle diese Techniken einigermaßen genaue Ergebnisse liefern, besteht häufig ein Bedarf an mehr Präzision. In diesem Fall wird invasives BCI verwendet.

Invasives BCI

Bei invasiven Techniken werden Gehirndaten aufgezeichnet, indem Geräte in den Körper eingeführt werden. Diese Methoden bieten zwar große Vorteile in Bezug auf Signalqualität und Dimensionalität, sieht man sich hier mit allen möglichen Problemen konfrontiert, vom Schutz vor Infektionen bis zur Stabilität des Implantate längerfristig. Daher wird invasives BCI deutlich seltener eingesetzt, obwohl in den USA erste klinische Studien laufen.

Beim invasiven BCI wird die neuronale Aktivität des Gehirns auf der kortikalen Oberfläche mittels Elektrokortikographie (ECoG) gemessen. Die Vorteile von ECoG sind die große Bandbreite (0 bis 200 Hz), mit der die Aktivität des γ-Bandes gemessen werden kann und die hohe Amplitude (50 bis 100 µV) des Signals.

Messung anderer invasiver Methoden in der Zerebraler Kortex selbst. Dies wird jedoch nur in sehr ausgewählten Fällen eingesetzt und es ist noch nicht bewiesen, dass das Gehirn Hirnimplantate auf Dauer akzeptiert.

Gehirnsignale

Gehirnsignale können in verschiedenen Formen auftreten. Im EEG werden diese als sehr schwache elektrische Signale gemessen, die von den Geräten verstärkt werden, bevor sie verwendet werden können.

Gehirnsignale lassen sich in zwei Kategorien einteilen: die sogenannten Spikes die die Aktivität einzelner Neuronen und die Feldpotentiale die die kombinierte synaptisch, neuronal und axonale Anzeige der Aktivität von Neuronengruppen.

Die Messung der Spikes erfolgt in der Nähe des Neurons, das sie produziert, und erfordert daher die Implantation kleiner Elektroden in das Hirngewebe. Die Feldpotentiale können jedoch mit EEG am Schädel gemessen werden.

Im EEG können verschiedene Arten von Signalen gefunden werden, darunter: langsame kortikale Potenziale, sensomotorische Kortexrhythmen und P300-Potenziale.

Signalverarbeitung

Nachdem die gewünschten Signale gemessen, verstärkt und digitalisiert müssen verarbeitet werden, damit das System entsprechende Maßnahmen ergreifen kann. Jedes BCI-System unterscheidet sich in der Anwendung der SignalverarbeitungAlgorithmen. Generell lässt sich jedoch sagen, dass drei wichtige Schritte unternommen werden:

Merkmalsextraktion - Merkmalsextraktion besteht darin, die richtigen Elemente aus dem digitalen Signal zu extrahieren. Da das gesamte Signal nicht brauchbar ist, muss man die Teile ausschneiden, die vom System verwendet werden können. Dazu werden eine oder mehrere Techniken angewendet, wie z. B. Filterung im Ortsbereich, Ermittlung von Spannungsamplituden, Spektralanalysen oder Isolierung einzelner Neuronen.
Klassifizierung - Die Klassifizierung beinhaltet die Bestimmung des Vorhandenseins bestimmter Komponenten im Signal. Beispielsweise wird in einem EEG-Signal nach einem P300-Potential gesucht.
Übersetzung - Letztendlich wird ein Algorithmus angewendet, der den Inhalt des Signals in Systembefehle übersetzen muss, die die Gedanken des Benutzers ausführen. Der durchschnittliche Benutzer denkt in Bezug auf das zu erreichende Ziel und nicht in den Handlungen, die erforderlich sind, um dieses Ziel zu erreichen. Wenn beispielsweise jemand ein Buch in die Hand nehmen möchte, werden ihm die Gedanken „Ich möchte das Buch in die Hand nehmen“ lauten. anstatt "Ich möchte meine Muskeln bei diesen besonderen Stärken und in dieser bestimmten Reihenfolge aktivieren, damit meine Hand das Buch aufnimmt.". Folglich muss dies bei der Steuerung eines elektronischen Arms in eine Reihe von nützlichen Befehlen übersetzt werden.

Hardware

Je nach Art der zu messenden Signale sind angepasste Messgeräte erforderlich. Die meisten Forschungslabors verwenden nicht-invasive Techniken. Um diese Signale zu messen, müssen Messgeräte mit Trennverstärker benutzt. Diese gewährleisten die Sicherheit der Testperson.

Einige häufig verwendete Geräte:

g.MOBIlab von g.tec
Anhänger EEG von Pocket Neurobics

Sensoren dass drahtlos (zum Beispiel über W-lan oder Bluetooth), die an den Computer angeschlossen sind, bieten zusätzliche Sicherheit und Flexibilität.

Software

Für die Verarbeitung der Informationen gibt es natürlich Brauch Software erforderlich, die alle Schritte im BCI-Prozess bereitstellt. Darüber hinaus muss die Software auch eine Vielzahl von Gehirnsignalen unterstützen. Da dies jedoch selten der Fall ist, entwickeln viele Forscher ihre BCI-Software selbst, oft mit Matlab und/oder Simulink von The MathWorks.

Hardwarehersteller liefern meist auch passende Software. Dies muss in der Regel separat erworben werden und das ist ziemlich teuer. Allerdings gibt es schon mehrere Open Source-BCI-Software, zum Beispiel BCI2000, Openvibe von inria und tobi project. Diese Softwareprogramme unterstützen eine Vielzahl von Hardware und die gängigsten Gehirnsignale.

Anwendungen

BCI kann für viele Anwendungen verwendet werden. Anwendungen finden sich in einer enormen Anzahl von Bereichen, von der medizinischen Welt über alle Arten von Steuerungssystemen und sogar Textverarbeitung und virtuelle Realität und Spiele.

Ein praktisches Anwendungsbeispiel ist die von Farwell und Donchin entwickelte Buchstabenmatrix auf P300-Basis. Dieses System kann erkennen, auf welchen Buchstaben in einer Buchstabenmatrix der Benutzer aufmerksam geworden ist.

Forschung

In den Niederlanden wird derzeit viel BCI-Forschung innerhalb des großen Forschungskonsortiums BrainGain betrieben, das durch das SmartMix-Programm gefördert wird. Innerhalb Europas arbeiten viele BCI-Forscher in anderen Konsortien wie zukünftigen BNCI, TOBI, Brainable, BETTER, DECODER, Mindwalker und Mundus zusammen. Außerhalb Europas wird viel in den USA und Asien geforscht.

Kommerzielle Aktivitäten

Das österreichische Unternehmen Guger Technologies ist ein Pionier in der Forschung und Entwicklung von BCIs für assistive Technologien. In den USA führt BrainGate die ersten klinischen Studien zu invasiven BCIs durch. Aber auch Unternehmen wie Emotiv, Neurosky und BitBrain Technologies haben Produkte auf den Markt gebracht, die der Allgemeinheit Spaß machen können. Bei vielen aktuellen EEG-basierten Produkten auf dem Markt muss man sich jedoch fragen, inwieweit die Gehirn- oder Muskelaktivität gemessen wird.

Ethik im Zusammenhang mit Gehirn-Computer-Schnittstellen

Die Forschung und Entwicklung von Brain-Computer Interfaces wirft viele ethische Fragen auf. Wichtige Themen in der neuroethischen Debatte sind:^[1]^[2]^[3]^[4]

Einholung der Einwilligung nach Aufklärung von Personen mit Kommunikationsproblemen,
Risiko-Nutzen-Analyse,
gemeinsame Verantwortung der BCI-Teams,
die Auswirkungen der BCI-Technologie auf die Lebensqualität der Nutzer,
Nebenwirkungen,
persönliche Verantwortung,
Fragen rund um die Persönlichkeit und mögliche Veränderungen,
therapeutische Anwendungen,
Gedankenlesen und Privatsphäre,
Bewusstseinskontrolle,
menschliche Verbesserung,
der Einsatz dieser Technologie in der Rechtsprechung,
soziale Schichtung, und
Kommunikation mit den Medien.

In letzter Zeit haben Wissenschaftler ethischen Fragen im Zusammenhang mit der BCI-Forschung, -Verbreitung und -Entwicklung mehr Aufmerksamkeit geschenkt.^[4]

Quellen, Anmerkungen und/oder Verweise

Dornhege G., Millán JdR., Hinterberger T., McFarland D.J., Müller K-R., "Toward Brain-Computer Interfacing", MIT Press, 2007.
Wolpaw J.R., "Brain-Computer Interfaces: Signals, Methods, And Goals", Proceedings of the 1st International IEEE EMBS Conference on Neural Engineering, 2003.
Wolpaw J.R., Birbaumer N., McFarland D.J., Pfurtscheller G., Vaughan T.M., „Brain-Computer Interfaces for communication and control“, Clinical Neurophysiology, Elsevier, 2002.
Krusienski D.J., Sellers E.W., Cabestaing F., Bayoudh S., McFarland D.J., Vaughan T.M., Wolpaw J.R., „Ein Vergleich der Klassifizierungstechniken für den P300 Speller“, Journal of Neural Engineering, 2006.

↑ (2009). Mensch, Maschine und dazwischen. Natur 457 (7233). DOI: 10.1038/4571080a.
↑ (2009). Ein Hinweis zu ethischen Aspekten von BCI. Neuronale Netze 22 (9). DOI: 10.1016/j.neunet.2009.06.046.
↑ (2009). Gehirn-Computer-Kommunikation: Ethische Perspektiven auf Interaktionsmodelle. Neuroethik 2 (3). DOI: 10.1007/s12152-009-9040-1.
↑ ^ein ^b (2011). Meinungen von Interessengruppen zu ethischen Fragen im Zusammenhang mit der Gehirn-Computer-Schnittstelle. Neuroethik. DOI: 10.1007/s12152-011-9132-6.

Siehe die Kategorie Gehirn-Computer-Schnittstellen von Wikimedia Commons für Mediendateien zu diesem Thema.

[nature.com-1] (2009). Mensch, Maschine und dazwischen. Natur 457 (7233). DOI: 10.1038/4571080a.

[sciencedirect.com-2] (2009). Ein Hinweis zu ethischen Aspekten von BCI. Neuronale Netze 22 (9). DOI: 10.1016/j.neunet.2009.06.046.

[3] (2009). Gehirn-Computer-Kommunikation: Ethische Perspektiven auf Interaktionsmodelle. Neuroethik 2 (3). DOI: 10.1007/s12152-009-9040-1.

[Neuroethics-4] (2011). Meinungen von Interessengruppen zu ethischen Fragen im Zusammenhang mit der Gehirn-Computer-Schnittstelle. Neuroethik. DOI: 10.1007/s12152-011-9132-6.

[1]

[2]

[3]

[4]

Navigation