Eine einkanalige und nicht-invasive tragbare Gehirn-Computer-Schnittstelle für Industrie und Gesundheitswesen

Eine Gehirn-Computer-Schnittstelle (BCI) ist ein System, das die Kommunikation mit und/oder die Steuerung von Geräten ohne natürliche neuronale Bahnen ermöglicht¹. Die BCI-Technologie ist das, was der Menschheit am nächsten kommt, um Objekte mit der Kraft des Geistes zu kontrollieren. Aus technischer Sicht funktioniert die Systembedienung durch die Messung der induzierten oder evozierten Gehirnaktivität, die entweder unwillkürlich oder willentlich vom Subjekt^{erzeugt werden kann 2}. In der Vergangenheit konzentrierte sich die Forschung auf die Unterstützung von Menschen mit motorischen Behinderungen durch BCI³, aber eine wachsende Zahl von Unternehmen bietet heute BCI-basierte Instrumente für Spiele⁴, Robotik⁵, Industrie⁶ und andere Anwendungen mit Mensch-Maschine-Interaktion an. Insbesondere in der vierten industriellen Revolution, der Industrie 4.0⁷, in der cyber-physische Produktionssysteme die Interaktion zwischen Mensch und Umwelt verändern⁸, könnten BCIs eine Rolle spielen. Im Großen und Ganzen identifizierte das europäische Projekt BNCI Horizon 2020 Anwendungsszenarien wie den Ersatz, die Wiederherstellung, die Verbesserung, die Verbesserung oder die Ergänzung verlorener natürlicher Funktionen des zentralen Nervensystems sowie den Einsatz von BCI bei der Untersuchung des Gehirns⁹.

In diesem Rahmen bedeuten die jüngsten technologischen Fortschritte, dass Gehirn-Computer-Schnittstellen für den Einsatz im täglichen Leben anwendbar sein können^10,11. Um dieses Ziel zu erreichen, ist die erste Voraussetzung die Nicht-Invasivität, die wichtig ist, um die Risiken eines chirurgischen Eingriffs zu vermeiden und die Nutzerakzeptanz zu erhöhen. Es ist jedoch erwähnenswert, dass die Wahl der nicht-invasiven Neurobildgebung die Qualität der gemessenen Hirnsignale beeinflusst, und das BCI-Design muss sich dann mit den damit verbundenen Fallstricken auseinandersetzen¹². Darüber hinaus sind Tragbarkeit und Tragbarkeit erforderlich. Diese Anforderungen stehen im Einklang mit dem Bedürfnis nach einem benutzerfreundlichen System, bringen aber auch einige Einschränkungen mit sich. Insgesamt werden die genannten Hardware-Einschränkungen durch die Verwendung eines elektroenzephalographischen (EEG) Systems mit gelfreien Elektroden⁶ adressiert. Ein solches EEG-basiertes BCI wäre auch kostengünstig. Währenddessen wäre in Bezug auf die Software eine minimale Benutzerschulung (oder idealerweise keine Schulung) wünschenswert; Es wäre nämlich am besten, lange Zeiträume für die Abstimmung des Verarbeitungsalgorithmus zu vermeiden, bevor der Benutzer das System verwenden kann. Dieser Aspekt ist in BCIs aufgrund der Nichtstationarität zwischen und innerhalb der Subjekte von entscheidender Bedeutung^13,14.

Bisherige Literatur hat gezeigt, dass die Detektion evozierter Hirnpotentiale robust in Bezug auf Nichtstationarität und Rauschen bei der Signalerfassung ist. Mit anderen Worten, BCIs, die auf der Erkennung des evozierten Potenzials beruhen, werden als reaktiv bezeichnet und sind die leistungsstärksten BCIs in Bezug auf die Erkennung von Gehirnmustern¹⁵. Nichtsdestotrotz benötigen sie sensorische Stimulation, was wahrscheinlich der Hauptnachteil solcher Schnittstellen ist. Das Ziel der vorgeschlagenen Methode ist es daher, ein hochgradig tragbares und tragbares BCI zu bauen, das sich auf tragbare, handelsübliche Instrumente stützt. Die Sinnesreize bestehen hier aus flackernden Lichtern, die von Datenbrillen erzeugt werden und in der Lage sind, stationäre visuell evozierte Potentiale (SSVEPs) hervorzurufen. In früheren Arbeiten wurde bereits die Integration von BCI mit Virtual Reality entweder allein oder in Verbindung mit Augmented Reality in Betracht gezogen¹⁶. So wurde beispielsweise ein BCI-AR-System zur Steuerung eines Quadrocopters mit SSVEP¹⁷ vorgeschlagen. Virtual Reality, Augmented Reality und andere Paradigmen werden mit dem Begriff Extended Reality bezeichnet. In einem solchen Szenario entspricht die Wahl der Datenbrille den Anforderungen an Tragbarkeit und Tragbarkeit, und Datenbrillen können mit einem minimalen EEG-Erfassungssetup integriert werden. Dieses Dokument zeigt, dass SSVEP-basiertes BCI auch nur minimales Training erfordert und gleichzeitig eine akzeptable Klassifizierungsleistung für Kommunikations- und Steuerungsanwendungen mit niedriger bis mittlerer Geschwindigkeit erreicht. Daher wird die Technik auf BCI für Anwendungen im täglichen Leben angewendet und scheint besonders für die Industrie und das Gesundheitswesen geeignet zu sein.