Online-MEG-Quellenlokalisation unter Verwendung von grafikprozessorbasierten parallelisierten Hochleistungsrechnungen

• Antragsteller: Professor Dr.-Ing. Daniel Baumgarten
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2013 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 231694635

Die Online-Lokalisation neuronaler Quellen des menschlichen Gehirns aus ungemittelten Rohdaten magnetoenzephalographischer Messungen (MEG) ist in letzter Zeit in den Fokus der Neurowissenschaften gerückt. Sie bietet neue Möglichkeiten Hirnfunktionen zu entschlüsseln, Hirnzustände zu identifizieren und Echtzeit-Anwendungen wie Brain-Computer-Interface Systeme zu verbessern. Durch die Verwendung des Grafikprozessors und NVIDIAs Compute Unified Device Architecture (CUDA) zielen wir darauf ab, leistungsfähige Algorithmen zu entwickeln, die eine Online-Quellenlokalisation aus verrauschten MEG-Rohdaten auf einer Lead-Field-Matrix mit typischen Dimensionen ermöglichen. Zunächst werden wir die Lokalisations-Algorithmen RAP-MUSIC, MNE sowie Beamformer optimieren und anschließend parallelisieren. Basierend auf den zuvor optimierten Algorithmen werden wir einen neuen mehrschichtigen inversen Algorithmus entwickeln, welcher die Anzahl der benötigten Berechnungsschritte stark reduziert und gleichzeitig den ungenügenden Signal-Rausch-Abstand toleriert. Um die Genauigkeit und Geschwindigkeit der Online-Quellenlokalisation zu erhöhen, werden dynamische a-priori Informationen eingebunden. Als Ergebnis dieses Projekts wird der wissenschaftlichen Gemeinschaft sowohl ein intuitiv zu verwendendes Software Framework als auch eine Bibliothek, die die entwickelten Algorithmen enthält, quelloffen zur Verfügung gestellt. Das Framework ist eine notwendige Voraussetzung für die Gehirnzustands-Klassifikation in unserem Partnerprojekt ("State Guided Perception", SGP). Patienten werden von der neuen Technologie durch verbesserte Anpassung der Parameter von Neuroimplantaten, verbesserte Rehabilitationserfolge durch Online-Feedback in zustandsgesteuertem Lernen und durch höhere Klassifikationsraten von Brain-Computer-Interfaces direkt profitieren.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Professor Dr.-Ing. Jens Haueisen