Afferent effects on brain computer interfaces: an experimental analysis

DSpace Repository

Show simple item record

dc.contributor.advisor Birbaumer, Niels (Prof. Dr.) de_DE
dc.contributor.author Ramos-Murguialday, Ander de_DE
dc.date.accessioned 2012-02-10 de_DE
dc.date.accessioned 2014-03-18T09:45:12Z
dc.date.available 2012-02-10 de_DE
dc.date.available 2014-03-18T09:45:12Z
dc.date.issued 2011 de_DE
dc.identifier.other 358527589 de_DE
dc.identifier.uri http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-60208 de_DE
dc.identifier.uri http://hdl.handle.net/10900/45944
dc.description.abstract A brain-computer-interface (BCI) or brain-machine-interface (BMI) uses brain signals to drive external devices without participation of the spinal and peripheral motor system. In most BCIs the users brain activity is acquired via amplifiers and filters and decoded using an on-line classification algorithm. In turn, this output is fed back to users, which allows them to modulate their brain activity. The feedback usually consists of sensory stimuli, such as visual and auditory or vibrotactile, varying proportionally to the classified brain activity, a discrete reward for a particular brain response, a verbal response (such as yes or no), the movements of a prosthesis or wheel chair, or direct electrical stimulation of muscles or brain. Thus, feedback of the consequences of the brain activity carried out to control the device is likely an essential part of a successful BCI. In my thesis I focus on the influences that afferent sensory information could elicit on the BCI performance. In EEG based BCIs the activity used is very disperse due to the volume conduction effect, making afferent information converging in areas used for classification. Indeed, in my thesis I study the effects of sensory activity on the classifier performance and on the feedback modality chosen to accomplish the goal of each BCI system. In my case I focus on the potential use of BCI technology coupled On-line with robotics to perform neurorehabilitation in stroke and amyotrophic lateral sclerosis (ALS) patients. en
dc.description.abstract Eine Gehirn-Computer-Schnittstelle (BCI) oder Gehirn-Maschine-Schnittstelle (BMI) verwendet Gehirnsignale, um externe Gerte ohne Beteiligung des Rckenmarks und peripherer motorischer System zu steuern. In den meisten BCIs wird Gehirnaktivitt durch Verstrker aufgenommen und durch die Verwendung eines Online-Klassifizierungsalgorithmus dekodiert. Die Ausgabe davon wird dem Benutzer gezeigt und erlaubt ihm dadurch die Modulation der eigenen Gehirnaktivitt zu kontrollieren. Das Feedback besteht in der Regel aus sensorischen Reizen, z.B. visuellen, auditiven oder taktilen, die proportional zur klassifizierten Aktivitt des Gehirns variert: einer diskreten Belohnung fr eine bestimmte Reaktion des Gehirns, einer verbalen Reaktion (z. B."ja" oder "nein"), den Bewegungen einer Prothese oder eines Rollstuhls oder direkter elektrischer Stimulation von Muskeln oder Gehirn. Das auf einer Gehirnaktivitt basierende Feedback, welches ein Gert steuert, ist wahrscheinlich ein wesentlicher Bestandteil eines erfolgreichen BCIs. In meiner Arbeit konzentriere ich mich auf die Einflsse der afferenten "sensorischen" Informationen, die BCI-Leistung hervorbringen knnten. Bei auf EEG basierenden BCIs ist die verwendete Aktivitt wegen des Volumenleitungseffekts sehr verteilt, was dazu fhrt, dass afferente Information in Regionen verarbeitet wird, die fr die Klassifikation benutzt werden. Deshalb untersuche ich in meiner Doktorarbeit die Auswirkungen der sensorischen Aktivitt auf die Leistung der BCI-Klassification und auf die Feedbackmodalitt fr ein zielorientiertes BCI-System. In meinem Fall habe ich mich darauf konzentriert, BCI-Technologie mit Robotik online zu koppeln um Neurorehabilitation bei Patienten nach Schlaganfall oder mit amyotrophischer Lateralsklerose (ALS) durchzufhren . de_DE
dc.language.iso en de_DE
dc.publisher Universität Tübingen de_DE
dc.rights ubt-podok de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=de de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=en en
dc.subject.classification Schlaganfall , Gehirn-Computer-Schnittstelle , Orthese , Neurofeedback , Rehabilitation de_DE
dc.subject.ddc 610 de_DE
dc.subject.other Elektrokortikographie de_DE
dc.subject.other Electrocorticography en
dc.title Afferent effects on brain computer interfaces: an experimental analysis en
dc.title Afferenten Effekte auf Gehirn-Computer-Schnittstellen: eine experimentelle Analyse de_DE
dc.type Dissertation de_DE
dcterms.dateAccepted 2011-10-13 de_DE
utue.publikation.fachbereich Medizin de_DE
utue.publikation.fakultaet 4 Medizinische Fakultät de_DE
dcterms.DCMIType Text de_DE
utue.publikation.typ doctoralThesis de_DE
utue.opus.id 6020 de_DE
thesis.grantor 4 Medizinische Fakultät de_DE

Dateien:

This item appears in the following Collection(s)

Show simple item record