English Intern
    Lehrstuhl für Psychologie I - Interventionspsychologie

    Psychologische Prädiktoren der BCI Steuerung

    Psychologische Prädiktoren der BCI Steuerung

    Brain-Computer Interfaces (BCI) erlauben Intentionen, die in Hirnsignalen kodiert sind in Steuersignale umzusetzen, und können z.B. zur Kommunikation eines Patienten mit der Außenwelt eingesetzt oder als unabhängiger Kanal der Interaktion von Mensch und Maschine verstanden werden (Kübler et al., 2001; Pfurtscheller et al., 2003; Nijboer et al., 2008).
    Zur BCI Steuerung haben sich verschiedene EEG-Signale (EEG = Elektroenzephalogramm) bewährt – dies gilt sowohl für die Anwendung bei Gesunden wie auch bei schwer beeinträchtigten Patienten. Zu diesen Signalen gehören u.a. die langsamen kortikalen Potentiale (Slow cortical potentials, SCP), ereigniskorrelierte Potentiale (z.B. P300) und sensomotorische Rhythmen (SMR; Hinterberger et al., 2004; Kübler et al., 2005; Sellers et al., 2006).

    Bisher gibt es kaum Forschung darüber wie die Regulation physiologischer Parameter erlernt wird und welche Einflussfaktoren bedeutend sind. Daum und Kollegen (1993) fanden, dass Gedächtnisspanne (z.B. Zahlenreihen merken) und Aufmerksamkeit mit der Fähigkeit, die Regulation langsamer kortikaler Potentiale zu erlernen, bei einer Gruppe von Epilepsiepatienten korrelierten. Diese Ergebnisse konnten in einer Folgestudie von Holzapfel (1998) mit einer größeren Patientengruppe aber nur teilweise repliziert werden: Gedächtnisspanne (Wortliste), Persönlichkeitsfaktoren sowie der Umgang mit stressreichen Situationen sagten die BCI Lernleistung am besten voraus.
    Neumann und Birbaumer (2003) konnten zeigen, dass die Leistung zu Beginn des Trainings die zukünftige BCI Performanz, basierend auf SCP, am besten vorhersagte.
    Eine signifikante Korrelation von r = .59 zwischen der Leistung in einem SMR BCI und der Variable "locus of control" im Umgang mit Technik berichten Burde und Blankertz (2006). Probanden, die angaben, sich im Umgang mit technischen Geräten sicher zu fühlen, erreichten höhere Trefferquoten.

    Bei gesunden wie kranken BCI-Nutzern kann übereinstimmend beobachtet werden, dass nicht alle Probanden in der Lage sind, signifikante BCI Kontrolle zu erlernen. Auch nach über 30 Jahren BCI Forschung gibt es noch keine befriedigenden Erklärungen für das sog. "BCI-Analphabetismus Phänomen". Die Rate, der Probanden, von denen wir kein klassifizierbares EEG Signal aufzeichnen können, schwankt zwischen 10 und 30 Prozent, abhängig vom Input Signal und dem Gesundheitszustand des Teilnehmers.

    Mit dem Ziel etwas Licht ins Dunkel des BCI Analphabetismus zu bringen, untersuchen wir, ob physiologische und oder psychologische Parameter (u.a. Herzratenvariabilität, Aufmerksamkeit, Intelligenz, verbale und nonverbale Lernleistungen, Persönlichkeitsfaktoren, Motivation und Stimmung) die Leistung in einem SMR basierten BCI vorhersagen können.

    Dieses Projekt wird von der DFG gefördert (KU1453/3-1).

    Literatur

    • Nijboer F, Birbaumer N and Kübler A (2010) The influence of psychological state and motivation on brain–computer interface performance in patients with amyotrophic lateral sclerosis – a longitudinal study. Front. Neurosci. 4:55. doi: 10.3389/fnins.2010.00055
    • Millán JdR, Rupp R, Müller-Putz GR, Murray-Smith R, Giugliemma C, Tangermann M, Vidaurre C, Cincotti F, Kübler A, Leeb R, Neuper C, Müller K-R and Mattia D (2010) Combining brain–computer interfaces and assistive technologies: state-of-the-art and challenges. Front. Neurosci. 4:161. doi:10.3389/fnins.2010.00161
    • Burde, W., Blankertz, B., 2006. Is the locus of reinforcement a predictor of brain-computer interface performance? in Proceedings of the 3rd International Brain-Computer Interface Workshop and Training Course 2006. Verlag der Technischen Universität Graz, 76-77.
    • Daum, I., Rockstroh, B., Birbaumer, N., Elbert, T., Lutzenberger, W., 1993. Behavioural treatment of slow cortical potentials in intractable epilepsy: neuropsychological predictors of outcome. J Neurol Neurosurg Psychiatry, 94-97.
    • Hinterberger, T., Schmidt, S., Neumann, N., Mellinger, J., Blankertz, B., Curio, G., Birbaumer, N., 2004. Brain-computer communication and slow cortical potentials. IEEE Trans Biomed Eng 51, 1011-1018.
    • Holzapfel, S., 1998. Prädiktoren der Selbstregulation der langsamen Hirnpotentiale bei Epilepsie. Eberhard-Karls-Universität Tübingen.
    • Kübler, A., Neumann, N., Kaiser, J., Kotchoubey, B., Hinterberger, T., Birbaumer, N.P., 2001. Brain-computer communication: self-regulation of slow cortical potentials for verbal communication. Arch Phys Med Rehabil 82, 1533-1539.
    • Kübler, A., Nijboer, F., Mellinger, J., Vaughan, T. M., Pawelzik, H., Schalk, G., McFarland, D.J., Birbaumer, N., Wolpaw, J.R., 2005. Patients with ALS can use sensorimotor rhythms to operate a brain-computer interface. Neurology 64, 1775-1777.
    • Neumann, N., Birbaumer, N., 2003. Predictors of successful self control during brain-computer communication. J Neurol Neurosurg Psychiatry 74, 1117-1121.
    • Nijboer, F., Sellers, E. W., Mellinger, J., Jordan, M.A., Matuz, T., Furdea, A., Halder, S., Mochty, U., Krusienski, D.J., Vaughan, T.M., Wolpaw, J.R., Birbaumer, N., Kübler, A., 2008. A P300-based brain-computer interface for people with amyotrophic lateral sclerosis. Clin Neurophysiol 119, 1909-1916.
    • Pfurtscheller, G., Muller, G. R., Pfurtscheller, J., Gerner, H. J., Rupp, R., 2003. 'Thought'-control of functional electrical stimulation to restore hand grasp in a patient with tetraplegia. Neuroscience letters 351, 33-36.
    • Sellers, E. W., Kübler, A., Donchin, E., 2006. Brain-computer interface research at the University of South Florida Cognitive Psychophysiology Laboratory: the P300 Speller. IEEE Trans Neural Syst Rehabil Eng 14, 221-224.

    Nach oben