392175 Brain Machine Interfaces (V+Ü) (WiSe 2019/2020)

Bei Bedarf wird die Vorlesung auf Englisch gehalten.

Upon request, the lecture will be given in English.
======= English version below =======

Die Vorlesung besteht aus 4 grundlegenden Teilen.
(1) Neurophysiologie: Zunächst wird eine Einführung in die Grundlagen der Informationsverarbeitung im (u.a.) menschlichen Gehirn gegeben. Dabei werden sowohl der Aufbau, als auch die Eigenschaften der elektro-magnetischen und metabolischen Prozesse behandelt.
(2) Messtechniken und Signale: Im Folgenden werden unterschiedliche, invasive und nicht-invasive Messverfahren, welche bei Brain-Computer Interfaces zum Einsatz kommen, vorgestellt. Anhand dieser werden die Eigenschaften der unterschiedlichen Signalarten (Elektrophysiologie: Local-Field-Potentials, EEG, MEG. Bildgebende Verfahren: fMRI, fNIRS) erarbeitet und ihre jeweiligen Vor- und Nachteile beim Einsatz in Echtzeitsystemen gezeigt.
(3) Methoden und Algorithmen: In diesem Teil lernen die Studierenden den technischen Aufbau und die Spezifikationen eines Brain-Computer Interfaces kennen. Besondere Aufmerksamkeit wird dabei den Algorithmen (Signalverarbeitung, Merkmalsextraktion, Klassifikation) geschenkt, wobei das Verständnis der praktischen Anwendung der Verfahren im Mittelpunkt steht.
(4) System Design und Anwendungen: Zum Abschluss werden ausgewählte Studien bzw. Anwendungsbeispiele betrachtet, die die heutigen und zukünftigen Einsatzgebiete solcher Systeme verdeutlichen (z.B. Rollstuhl- und Prothesensteuerung, Rehabilitation, Computerspiele).

Die Übungen zu dieser Vorlesung werden am Ende des Semesters als 2-tägiger Praxisblock durchgeführt. Der genaue Termin für diesen Block wird im Laufe des Semesters in Abstimmung mit den Teilnehmern festgelegt. In dieser Übung können die in der Vorlesung behandelten Methoden in der Praxis erprobt werden.

The lecture covers 4 fundamental parts.
(1) Neurophysiology: We will start with an introduction to the foundations of information processing in the human brain. Structure, architecture as well as the properties of electro-magnetic and metabolic processes will be covered.
(2) Measurement and signals: This part will deal with various invasive and non-invasive methods to measure the activity of the brain, in particular those that are relevant to brain-machine interfaces. The properties of various signal types related to the measuring techniques will be presented and their advantages and disadvantages for application in real-time systems discussed (Electrophysiology: Spiking neurons, Local-Field Potentials, EEG/ MEG. Brain imaging: fMRI, fNIRS).
(3) Methods und algorithms: This part will cover the technical implementation and specification of a brain-machine interface. We will largely focus on algorithms (signal processing, feature extraction, classification), while emphasizing the understanding of their practical application.