Schreiben mit dem Brain-Computer-Interface

Abstract

Brain-Computer-Interfaces (BCIs) ermöglichen die Steuerung von Computern und anderen elektronischen Geräten allein mit der Kraft der Gedanken, ohne Aufwendung von Muskelkraft. Sie schaffen eine neue Schnittstelle zwischen dem menschlichen Gehirn und einem Computer und sind manchmal die einzig verbleibende Kommunikationsmöglichkeit eines vollständig gelähmten Patienten mit seiner Umwelt. In dieser Arbeit wird zunächst ein Überblick über verschiedene Ansätze gegeben, mit denen eine solche Kommunikation stattfinden kann. Im Hauptteil wird dann der EEG-basierte P300-Ansatz detailliert beleuchtet. Im Zuge dieser Diplomarbeit wurde eine P300-Speller-Applikation entwickelt, mit der ein Benutzer Zeichen, Wörter und ganze Sätze am Computer schreiben kann. Die gängigen Methoden und Verfahren für den P300-Ansatz werden beschrieben und miteinander verglichen. Ein Ansatz für die automatische Erkennung der Aktivität bzw. Inaktivität des Benutzers und Bestimmung der notwendigen Durchgänge (Trials) zur Auswahl eines Zeichens wird ebenfalls vorgestellt. Der damit erweiterte Speller wurde mit gesunden Versuchskandidaten im Hinblick auf Geschwindigkeit und Genauigkeit untersucht. Es wurde eine durchschnittliche Informati-onstransferrate von 5,84 Zeichen/Minute bei 81,8% Genauigkeit erreicht.<br />

A Brain-Computer Interface (BCI) enables a user to control a computer and other electronic devices solely with the power of her thoughts, without any muscle activity. It provides a new interface between the human brain and a computer and is sometimes the only communica-tion channel left of a completely paralyzed patient to its environment. We give an overview of several approaches that enable such a communication. Then the EEG-based P300 approach is discussed in detail. A P300 speller application was developed that enables a user to write symbols, words, and complete sentences on a computer without motor activity. We discuss the employed methods and processing techniques as well as an approach for automatic de-termination of the number of trials to use for each target item. This approach also allows de-tection of the user's activity and inactivity, respectively. We tested the developed speller with seven healthy test persons. An averaged information transfer rate of 5.84 symbols/min with an accuracy of 81.8% was achieved.