Nova Acta Leopoldina Band 110 Nummer 377

2.3 Variabilität physiologischer Signale Hirnsignale sind hoch variabel: man findet z. T. deutliche Unterschiede zwischen den Hirn- signalen zweier experimentellen Sitzungen des gleichen Benutzers vor (z. B. für linke und rechte Motorimagination der Hände, siehe auchAbb. 3). Somit sollten sich die algorithmischen Dekodierungstechniken Tag für Tag flexibel an die individuelle Hirnphysiologie des Benutzers anpassen (vgl. BLANKERTZ et al. 2003, 2007, DORNHEGE et al. 2007). Ein weiterer Aspekt ist eine ausgeprägte Variabilität innerhalb einer Sitzung, wobei hier die größte Nichtstationarität zwischen der Kalibrationsmessung und der Feedbackphase auftritt (SHENOY et al. 2006). Eine weitere Quelle signifikanter Variabilität tritt zwischen unterschiedlichen Individuen auf. Dies war die treibende Motivation, die Dekodierung durch eine Lernmaschine zu individualisie- ren. Neuere Arbeiten von KRAULEDAT et al. 2008 und FAZLI et al. 2009 konnten jedoch bereits erste Ansätze zu einem universellen, nicht auf ein spezielles Individuum angepassten Dekodierer aufzeigen. Zusammenfassend lässt sich sagen, dass nicht allein der starke Rauschcharakter, son- dern vor allem auch die starke intrinsische Variabilität und Nichtstationarität des EEG-Signals den Einsatz von Methoden des maschinellen Lernens notwendig macht (siehe auch DORNHEGE et al. 2007, SHENOY et al. 2006, VON BÜNAU et al. 2009, VIDAURRE und BLANKERTZ 2010). 3. Maschinelles Lernen und Echtzeit-EEG-Datenanalyse Der Einzug des maschinellen Lernens (ML) in das BCI-Feld hat zu großen Fortschritten in der Echtzeit-EEG-Analyse geführt (BLANKERTZ et al. 2003, DORNHEGE et al. 2007). Während frühe EEG-BCIs langwieriges mehrtägiges Neurofeedback-Training für den BCI-Nutzer erforderten, benötigen ML-basierte Systeme nur eine wenige Minuten dauernde Kalibrationsmessung, wäh- rend derer der Nutzer auf Aufforderung hin wiederholt bestimmte Handlungen oder Intentionen ausführt und die damit verbundenen Hirnzustände einnimmt (z. B. Imagination von Bewegun- Forschen an einer neuen Schnittstelle zum Gehirn: Das Berliner Brain-Computer-Interface Nova Acta Leopoldina NF 110, Nr. 377, 235–257 (2011) 241 A B Abb. 4 Bewegungsimaginationen der linken (A) und rechten Hand (B) derselben Person an verschiedenen Tagen (von links nach rechts). Die Karten zeigen die spektrale Bandenergie im alpha-Frequenzband. Obwohl die Karten Mittelungen über 140 Trials zeigen, sind starke Unterschiede zwischen den Aktivierungsmustern in verschiedenen Sitzungen offensichtlich.