Entschlüsselung von Fingerflexion aus band-spezifischen ECoG-Signalen beim Menschen

Dieser Artikel präsentiert die Methode, die beim Brain-Computer-Interface-(BCI-)Wettbewerb IV zur Vorhersage der Fingerbeugung aus Elektrokortikogramm-(ECoG-)Signalen den Sieg errang. ECoG-basierte BCIs haben in jüngster Zeit erhebliche Aufmerksamkeit in der Forschungsgemeinschaft erfahren. Tatsächlich ermöglicht ECoG eine höhere räumliche Auflösung und eine bessere Signalqualität im Vergleich zu klassischen EEG-Aufnahmen und eignet sich zudem besser für den Langzeiteinsatz. Diese Eigenschaften erlauben die präzise Decodierung von Hirnaktivitäten und die Realisierung effizienter, ECoG-basierter Neuroprothesen. Die Signalverarbeitung ist eine entscheidende Aufgabe in der BCI-Forschung, um Hirnsignale in Steuerbefehle zu übersetzen. Hier wird eine lineare Regressionsmethode vorgestellt, die auf der Amplitudenmodulation bandspezifischer ECoG-Signale basiert und über ein kurzfristiges Gedächtnis verfügt, um die Vorhersage individueller Fingerbeugungen zu ermöglichen. Die Wirksamkeit der Methode wurde durch die Erzielung des höchsten Korrelationskoeffizienten zwischen vorhergesagten und aufgezeichneten Fingerbeugungswerten im Datensatz 4 während des BCI-Wettbewerbs IV nachgewiesen.