= Topics in Brain-Computer Interfacing =

=== Termine und Informationen ===

Es handelt sich um ein Blockseminar im Umfang von 2 SWS. Beantragt ist die Anerkennung als Modul mit 3 ECTS.

||'''Erster Termin für Themenvergabe'''|| Dienstag, 12.4.2011, 10h-12h, Franklinstr. 28/29, Raum FR 6046 ||
||'''Weitere Termine und Raum'''|| Nach Absprache ||
||'''Dozent'''||[[http://www.user.tu-berlin.de/michael.tangermann/| Dr. Michael Tangermann]]||
||'''Sprechzeiten'''||nach Vereinbarung||

=== Themen ===

Ein Brain-Computer Interface (''BCI'') soll gelähmten Menschen die Steuerung einer einfachen Computeranwendung oder eines Geräts ermöglichen, auch wenn sie keine willkürliche Muskelkontrolle mehr besitzen.
Dazu werden die Hirnsignale des BCI-Benutzers (z.B. Signale des Elektroenzephalogramms, ''EEG'') abgelesen und in Echtzeit durch Methoden des Maschinellen Lernens als Steuersignale für verschiedene Anwendungen interpretiert. Die Forschung im BCI-Bereich ist noch sehr jung und expandiert stark. Wir möchten in diesem Seminar Gelegenheit geben, sich mit den Grundprinzipien eines BCI Systems vertraut zu machen. Zudem werden BCI-Systeme, die auf sogenannten auditorischen ''ERP''s (event related potentials) des EEG-Signals basieren, genauer analysiert, und die Grundlagenforschung zu auditorischen ERP-Signalen aufgearbeitet.

Die Seminarteilnehmer wählen aus den folgenden Themen, die individuell vorbereitet und an Sammelterminen präsentiert werden:
 1. Grundlagen EEG: Signalentstehung, Signaleigenschaften, Messmethoden.
 1. Physiologische Grundlagen von auditorischen ERPs (1): beteiligte Areale und ERP Abfolge für ein einfaches Oddball-Paradigma.
 1. Physiologische Grundlagen von auditorischen ERPs (2): beteiligte Areale und ERP Abfolgen für komplexere auditorische ERP-Paradigmen.
 1. Grundlagen BCI: Vorstellung existierender BCI Anwendungen, die auditorische ERP Signale nutzen.
 1. Praktische Nutzung von ERP Signalen: Signalvorverarbeitung durch Frequenzfilterung
 1. Praktische Nutzung von ERP Signalen: Signalvorverarbeitung durch räumliche Filterung
 1. Praktische Nutzung von ERP Signalen: Klassifikation mit Methoden des Maschinellen Lernens
 1. Einfluss der zentral wirkenden Stoffe Nikotin, Koffein und Alkohol auf ERP Signale.
 1. Einfluss des Alkoholismusrisikos auf ERP-Signale.

=== Literatur und Links ===

In der Vorbesprechung wird Literatur für die einzelnen Themen ausgegeben.

Zudem können folgende Überblicksarbeiten einen ersten Einblick in das Thema geben:

 * Michael Tangermann. Feature Selection for Brain-Computer Interfaces. Dissertation, Universität Tübingen, 2007. [[http://tobias-lib.uni-tuebingen.de/volltexte/2007/3020/pdf/dissertation.pdf|pdf]]
 * Benjamin Blankertz, Steven Lemm, Matthias Sebastian Treder, Stefan Haufe, and Klaus-Robert Müller. Single-trial analysis and classification of ERP components -- a tutorial. Neuroimage, 2010. [[http://ml.cs.tu-berlin.de/publications/BlaLemTreHauMue10.pdf|pdf]]
 * John Polich and Albert Kok. Cognitive and biological determinants of P300: an integrative review. Biological Psychology 41, p.103-146. 1995.
 * Salil H. Patel1 and Pierre N. Azzam. Characterization of N200 and P300: Selected Studies of the Event-Related Potential. Int J Med Sci. 2005; 2(4): 147–154. 2005. [[http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1252727/pdf/ijmsv02p0147.pdf|pdf]]