Mehr lesen
Bei Anwendungen von Gehirn-Computer-Schnittstellen (BCI) wie der Rehabilitation von Schlaganfall- oder Rückenmarkspatienten ist die Erkennung von Muskelbewegungen aus dem Elektroenzephalogramm (EEG) eines der wichtigsten Forschungsthemen. Für den Einsatz von Prothesen muss eine enge Beziehung zwischen vorbestimmten Bewegungen und dem BCI-Feedback hergestellt werden, weshalb eine robuste Technik zur Erkennung motorischer Absichten erforderlich ist. Die Leistung und Effizienz der Prothesenmuskeln hängt entscheidend von den Techniken ab, die zur Erkennung der beabsichtigten Bewegung aus dem EEG verwendet werden. Maximale Effizienz für BCI-Anwendungen kann durch Erkennungstechniken mit begrenzter Latenzzeit und hoher Genauigkeit erreicht werden. In dieser Studie wird eine robuste Technik zur Bewegungserkennung unter Verwendung von bewegungsbezogenen kortikalen Potenzialen (MRCPs) mit verbesserter Genauigkeit vorgeschlagen. MRCP wird aus dem mehrkanaligen Kopfhaut-EEG extrahiert und ist ein träges negatives Hirnpotenzial, das im EEG etwa 2 Sekunden vor der Ausführung und Vorstellung von signalisierten und selbstgesteuerten beabsichtigten Handlungen vorhanden ist. Muskelbewegungen können durch das frühere negative Segment des MRCPs erkannt werden.
Über den Autor / die Autorin
Kamran A. Bhatti erwarb 2000 bzw. 2004 die Abschlüsse M.Sc. und MPhil der Quaid-e-Azam University, Islamabad, Pakistan.
