NEARBY
Rausch- und variabilitätsfreie Brain-Computer-Interface Systeme für einen Einsatz auch außerhalb des Labors
Dr. Maurice Rekrut (COS)
Dr. Maurice Rekrut (COS)
Auch wenn Brain-Computer-Interfaces (BCI) vielversprechend für unterschiedlichste Anwendungen, wie z. B. Assistenzsysteme, Mensch-Maschine-Interaktion (MRI) oder Motor-Rehabilitation sind, werden sie auf Grund ihrer noch nicht so großen Zuverlässigkeit selten außerhalb von Laborumgebungen eingesetzt. Das liegt daran, dass die zugrundeliegenden EEG-Daten eine sehr hohe Variabilität und großes Rauschen aufweisen. Dies gilt für Daten, die von derselben Person gemessen werden, aber noch viel mehr, wenn man Modelle von einer Person auf eine andere übertragen möchte. Um eine Lösung für dieses Problem zu finden, haben sich das DFKI und Inria in Bordeaux zusammengetan, um gemeinsam eine große EEG-Datenbank unter der Nutzung unterschiedlicher BCI-Paradigmen zu erstellen. Es werden neben den EEG-Daten viele Metainformationen mit aufgenommen, um die Variabilität und das Rauschen messen bzw. modellieren zu können. Es werden Daten in die Bewegungs- und Sprachdomäne der BCIs aufgenommen. Basierend auf diesen Daten werden neu KI-Algorithmen entwickeln, die unter anderem auf Deep-Learning-Methoden aufsetzten, um Rauschen aus den Daten zu filtern und BCIs zu entwickeln, die robust gegen Variabilität in den Daten sind. Die Algorithmen werden in Software und auf FPGAs umgesetzt und dann in zwei Anwendungsszenarien aus den Bereichen MRI und Exoskelette getestet.
Projektdetails
Brain-Computer-Interfaces oder kurz BCIs bieten eine vielversprechende Möglichkeit der Mensch-Maschine-Interaktion, basierend auf Gehirnsignalen, speziell als Schnittstelle für die Bedienung von Assistenzsystemen für körperlich Beeinträchtigte, aber auch generell zur Kontrolle von technischen Systemen ohne die Zuhilfenahme der Hände. Trotz des vielversprechenden Nutzens dieser Technologie kommt sie außerhalb kontrollierter Laborbedingungen nur selten zum Einsatz. Dieser Umstand liegt vor allem an der mangelnden Zuverlässigkeit der Systeme. Die gemessene Gehirnaktivität unterscheidet sich nicht nur zwischen Menschen stark, sondern variiert auch innerhalb derselben Person, je nach mentalem oder körperlichem Zustand bei Anwendung. Diese Variabilität zwischen und innerhalb der Gehirnaktivität von Nutzern eines BCIs stellt eine der größten Herausforderungen in der Anwendung in alltäglichen Szenarien dar.
Im Projekt NEARBY sollen variabilitätsfreie BCI-Systeme für den Einsatz außerhalb des Labors entwickelt werden. Zu diesem Zweck wird eine umfangreiche Datenbank erhoben, in die EEG-Daten verschiedener Probanden über längere Zeiträume unter unterschiedlichen Bedingungen und in verschiedenen Umgebungen aufgenommen werden. Ziel ist es, die Variabilität der Daten unter verschiedenen Bedingungen besser zu verstehen und neue Algorithmen zu entwickeln, die diese reduzieren oder sogar gänzlich unterdrücken können. So sollen etwa Verfahren des maschinellen Lernens zur Rauschunterdrückung eingesetzt und die Robustheit gegenüber sich ändernden Bedingungen durch Deep- und Meta-Learning-Algorithmen auf der gemeinsamen Datenstruktur verbessert werden.
Variabilität in Gehirnaktivität ist eine der größten Barrieren auf dem Weg von BCIs aus den Laboren in die alltägliche Anwendung. Das Projekt NEARBY legt mit der Erhebung einer umfangreichen Datenbank von EEG-Daten mit standardisierten Aufnahmeprotokollen unter unterschiedlichsten Bedingungen den Grundstein zum Verständnis dieser Variabilität und soll basierend darauf erste neue Ansätze zur Entwicklung von Verfahren zur Variabilitätsverminderung liefern.
Dies soll es ermöglichen, neue robustere BCI-Systeme zu entwerfen, die auch für nichtmedizinische Zwecke, z. B. zur handfreien Interaktion in Industrieszenarien oder Videospielen, geeignet sind. Existierende BCI-Ansätze können zudem erweitert werden, indem Variabilitätsverminderung zur Gestaltung robusterer Interaktionsprinzipien genutzt wird. Dies werden wir in zwei Anwendungsszenarien aus dem Bereich Mensch-Roboter-Interaktion und Therapie mit Exoskeletten testen.