< Terug naar vorige pagina

Project

Visuele brein-computer Interface voor communicatie zonder oogbewegingen gebaseerd op EEG

Een Brein-Computer Interface (BCI) decodeert de hersenactiviteit met als doel een communicatiekanaal op te richten dat spraak en andere vormen van spieractiviteit omzeilt. Dit heeft geleid tot alternatieve oplossingen voor patiënten zonder deze vaardigheden, zoals in het geval van laattijdige amyotrofe laterale sclerose, ernstige hersenverlamming, hoofdtrauma en ruggenmergletsel. In de afgelopen jaren hebben BCI's niet alleen de belangstelling gewekt van de onderzoeksgemeenschap en de industrie voor ondersteunende technologie, maar ook van trendwatchers en captains of industry. De zoektocht naar performante en betaalbare oplossingen is het duidelijkst in visuele BCI's gebaseerd op EEG, maar 2 kwesties die to nu toe slechts schaars onderzocht zijn belemmeren de verdere vooruitgang. Ten eerste hebben visuele BCI's moeite om efficiënt te werken wanneer de gebruiker zich focust op een selecteerbaar doelwit in de visuele periferie (verdekte aandacht) in plaats van direct naar het gewenste doel te staren (openlijke aandacht). Visuele BCI's die geen oogbeweging vereisen zouden grote voordelen bieden aan patiënten met beperkte oogcontrolecapaciteiten, wanneer oplossingen op basis van eye-tracking tekortschieten. Een tweede kwestie ligt in het decoderen van snelle afbuigingen in EEG activiteit, synchroon met externe stimuli, genaamd event-related potentials (ERP's). BCI's die op deze potentialen vertrouwen richten zich traditioneel op het detecteren van de aanwezigheid van een enkele component, meestal de grootste, terwijl een stimulus in feite meerdere componenten oproept. Onze hypothese is dat de snelheid, nauwkeurigheid en bruikbaarheid van visuele BCI's aanzienlijk kan worden verbeterd door het in rekening brengen van meerdere ERP-componenten en hun afhankelijkheid van verdekte en openlijke aandacht. We stellen een nieuwe multicomponentdecoder en visuele interface voor die in staat zijn om openlijke en verdekte aandachtsscenario's te verwerken.

Datum:12 nov 2020 →  Heden
Trefwoorden:human-computer interaction, brain-computer interfaces, biomedical signal processing, EEG, eye tracking, communication-impaired patients, attention control
Disciplines:Machine learning en besluitvorming, Neurale, evolutionaire en fuzzy computation, Biomedische signaalverwerking
Project type:PhD project