Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

Motor-Parietale kortikale Neuroprothese mit somatosensorischem Feedback zur Restauration von Hand- und Armfunktionen bei tetraplegischen Patienten.

Antragsteller Dr. Christian Klaes
Fachliche Zuordnung Klinische Neurologie; Neurochirurgie und Neuroradiologie
Medizinische Physik, Biomedizinische Technik
Förderung Förderung von 2016 bis 2022
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 289947155
 
Erstellungsjahr 2024

Zusammenfassung der Projektergebnisse

In diesem Projekt arbeitete ich an der Entwicklung einer Brain-Computer-Interface-Plattform (BCI) und am Aufbau eines BCI-Labors in Deutschland. Eine Gehirn-Computer- Schnittstelle wird eingesetzt, um schwer gelähmten Patienten dabei zu helfen, ihre Autonomie wiederzuerlangen, indem Gehirnsignale direkt zur Steuerung eines Robotergeräts verwendet werden. Da das Rückenmark dieser Patienten geschädigt ist, können die Informationen des Gehirns die eigenen Gliedmaßen des Patienten nicht erreichen. Das BCI wird eingesetzt, um die Bewegungsabsichten des Benutzers vom Gehirn aufzunehmen und sie an ein Gerät weiterzuleiten, z. B. eine Robotergliedmaße oder ein Exoskelett. Das Projekt war in zwei Phasen unterteilt. In der ersten Phase arbeitete ich mit Patienten, denen vorübergehend Elektrodengitter implantiert wurden, die vor einer Epilepsieoperation auf dem Gehirn platziert werden und deren Gehirnsignale aufzeichnen. Diese Patienten führten bestimmte Aufgaben in einer Virtual-Reality-Umgebung aus, während die neuronalen Signale mit spezieller Aufzeichnungshardware aufgezeichnet wurden. Anhand dieser neuronalen Daten konnte ein Dekodierungsalgorithmus zur Steuerung eines extrakorporalen Geräts trainiert werden. In der zweiten Phase war geplant, einem gelähmten Patienten ein chronisches Elektrodenimplantat zu implantieren, aber aufgrund von Verzögerungen bei der Zulassung wurde diese Phase nicht abgeschlossen. Mit den Daten aus der ersten Phase des Projekts und den zuvor gewonnenen Daten wurde ein neuer Spike-Sortieralgorithmus auf der Grundlage von Deep-Learning-Methoden entwickelt. Die Spike-Sortierung ist ein wichtiger Schritt in der BCI-Pipeline, um relevante neuronale Informationen zu identifizieren, die zukünftige Gehirn-Computer-Schnittstellen weiter verbessern könnten. Der Algorithmus mit dem Namen "Spikedeeptector" wurde in einer Fachzeitschrift mit Peer Review veröffentlicht. In einem weiteren Experiment haben wir die virtuelle Realität mit gesunden Freiwilligen genutzt, um bestimmte Aspekte der mit BCIs verbundenen Steuerungsprobleme zu simulieren. Anhand einer Virtual-Reality-Aufgabe entdeckten wir, dass eine bestimmte Art von Steuerungsfehlern bei Gehirn-Computer- Schnittstellen auf die Positionierung des gesteuerten Roboterarms zurückgeführt werden kann. Diese neuen Ergebnisse wurden ebenfalls in einer Fachzeitschrift veröffentlicht. Die Entdeckungen während der Projektphase führten zu mehreren neuen Projekten, für die Drittmittel eingeworben wurden. In einem der Projekte entwickeln wir ein Exoskelett, das von Patienten gesteuert werden soll. In einem anderen Projekt nutzen wir die virtuelle Realität für die Neurorehabilitation und in einem ganz aktuellen Projekt verwenden wir die Ergebnisse unseres Spike-Sorters, um ein Hardwaresystem zu bauen, das den Algorithmus implementiert.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

© 2026 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung