• Profile
• Contact us
• Methods
• Projects
• Publications
• Links

Bei dieser Zusammenarbeit mit dem Institut für Medizinische Psychologie und dem Max Planck Institut für Biologische Kybernetik und weiteren Instituten in Tübingen trägt das NeuroTeam seinen Teil an Wissen über maschinelles Lernen und Programmierung von Anwendungen für komplett Gel�hmte bei.

Ein Brain Computer Interface (BCI) gibt gel�hmten Menschen, die mit der Außenwelt entweder nur noch m�hevoll mit einem Anspannen der Augenbrauen, oder gar nicht mehr kommunizieren k�nnen, eine neue M�glichkeit der Verst�ndigung. Eine komplette L�hmung kann z.B. durch die Amyotrophe Lateralsklerose (ALS) verursacht werden. ALS ist in Deutschland etwa genauso h�ufig wie die Multiple Sklerose.

Ein BCI kann etwa folgendermaßen aufgebaut sein: Dem Patienten werden Elektroden auf dem Kopf befestigt. Die Hirnstr�me bzw. Potentialdifferenzen werden �ber einen Verst�rker in einen Rechner geleitet. Der Rechner kann - nach geeignetem Training der Algorithmen - mit hoher Genauigkeit zwei unterschiedliche Vorstellungen unterscheiden, an die der Patient denkt. Zum Beispiel k�nnte der Patient an eine Bewegung der linken Hand oder des linken Fu�es denken, je nachdem welche Auswahl er auf dem Computerbildschirm treffen m�chte. Somit wird f�r den Patienten Kommunikation m�glich.

• Merkmalsextraktion:
  Im Rahmen des von der Deutschen Forschungsgemeinschaft gef�rderten Projekts Maschinelles Lernen zur automatisierten Merkmalsextraktion und Klassifikation von EEG-Signalen f�r Gehirn-Computer-Kommunikationssysteme (AUMEX) wurden BCI-Systeme Systeme entwickelt, die aus der Vielzahl von Eingangssignalen (Elektroden) diejenigen ausw�hlen, die dem Algorithmus am dienlichsten sind, um die gedankliche Vorstellung des Patienten m�glichst genau zu erkennen.
  Relevante Ver�ffentlichungen:
  
  • Schr�der, M., Lal, T. N., Hinterberger, T., Bogdan, M., Hill, N. J., Birbaumer, N., Rosenstiel, W. and Sch�lkopf, B.:
    Robust EEG Channel Selection Across Subjects for Brain Computer Interfaces
    Journal on Applied Signal Processing, Special Issue: Trends in Brain Computer Interfaces.
  • Schr�der, M., Bogdan, M., Rosenstiel, W., Hinterberger, T., and Birbaumer, N. (2003):
    Automated EEG Feature Selection for Brain Computer Interfaces.
    In: Proceedings of the 1st International IEEE EMBS Conference on Neural Engineering. pp. 626-629. March 20-22, 2003. Download [ps.gz]
  (...mehr)
• Anwendungen
  Anwendungen f�r Gel�hmte sind wichtig, da erst in der Anwendung der tats�chliche Nutzen der entwickelten Algorithmen f�r den Patienten und das Pflegepersonal greifbar wird. Der Internet Browser Nessi soll Patienten zu mehr Selbstbestimmung verhelfen. Sie k�nnen selbst w�hlen, welche Nachrichten sie lesen m�chten oder wem sie eine E-Mail schreiben m�chten. N�heres zu Nessi erfahren Sie auf der Nessi homepage.
  Relevante Ver�ffentlichungen:
  
  • Mellinger, J. and Hinterberger, T. and Bensch, M. and Schröder M. and Birbaumer N. (2003): Surfing the Web with Electrical Brain Signals: The Brain Web Surfer (BWS) for the Completely Paralysed. Proceedings of 2nd World Congress of the International Society of Physical and Rehabilitation Medicine ISPRM Prague, Czech Republic, May 18-22, 2003. Edited by Haim Ring and Nachum Soroker. Download mellinger2003.pdf.gz.
  (...mehr)

  Making a choice in Nessi's navigation bar (in German). Here the user would like to choose the "back" button (framed black). In the first step, all 8 choices are divided into two groups, red and green. All the user has to do is choose the current colour of the "back" button, in this case RED:

  

  The user has correctly chosen RED. Now the red group of 4 icons is once again split into 2 choices. Once again, the user has to choose RED:

  

  The user has correctly chosen RED. The following step is a response verification step, i.e. had the user chosen red by mistake, but actually wanted to choose one of the other icons, he could now choose GREEN to get back to the other icons and correct his mistake. But in this case the user once again chooses RED:

  

  In the following last step the user chooses GREEN to select the "back" button:

  

  In this example, all buttons can be reached in 4 steps. It is however possible to configure Nessi in such a way that icons selected frequently can be reached in less steps, thereby speeding up the browsing experience.

  Virtual keyboard (VK) (in English). The method for selecting a letter is exactly the same as for the example above.

  -->

• Neurowissenschaften in Tübingen
• Internet Browser Nessi