Individuelles Training der Handmotorik unter Berücksichtigung geeigneter Gehirnzustände zur Verbesserung der motorischen Leistungsfähigkeit und des motorischen Lernens nach Schlaganfall
Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
Biomedizinische Systemtechnik
Kognitive und systemische Humanneurowissenschaften
Zusammenfassung der Projektergebnisse
Das “SuitAble” Projekt hat untersucht, wie man Hirnsignale, die in Echtzeit gemessen werden, nutzen kann, um die Effizienz eines Rehabilitationstrainings für Schlaganfallpatienten zu verbessern, deren Handmotorik beeinträchtigt ist. Wir haben neue Datenanalysealgorithmen entwickelt, um mit den Herausforderungen in diesem Szenario zurecht zu kommen. Zusätzlich haben wir bereits vorhandene Algorithmen verbessert, welche in der Lage sind, relevante Hirnsignale zu identifizieren. Dadurch konnte ein neuartiges Rehabilitationstraining basierend auf Echtzeithirnaktivität möglich gemacht werden. Desweiteren haben wir Softwaremethoden entwickelt, die es Klinikern und Therapeuten ermöglicht, für jeden Patienten jene individuellen Hirnsignale zu identifizieren, die für das Training relevant sind. Mit unserem Ansatz konnte die handmotorische Leistung für 20 gesunde Probanden im Sekundenbereich prognostiziert werden, sowie für fünf von sieben chronischen Schlaganfallpatienten. Unser Ansatz erlaubte es zudem, die handmotorische Leistung im Rehabilitationstraining zu beeinflussen, indem unser Trainingsprogramm einige Sekunden auf die erwünschten Hirnaktivitäten gewartet hat, bevor der Patient den jeweils nächsten Durchgang der Trainingsaufgabe durchführen konnte. Im Verlaufe des Projekts konnten wir alle erforderlichen Algorithmen und Software-Tools entwickeln, um die randomisierte, kontrollierte Studie mit Schlaganfallpatienten durchzuführen. Durch COVID-19 konnten wir für die Hauptstudie nicht die ursprünglich geplante Anzahl an Patienten erreichen. Ein zukünftiges Projekt ist nötig, um auf einer größeren Zahl von Patienten festzustellen ob das neu entwickelte Training zu statistisch signifikant besseren Rehabilitationserfolgen führt. Die von uns entwickelten Datenanalysealgorithmen werden allerdings jetzt schon in anderen Anwendungen genutzt, in welchen die Hirnaktivität in Echtzeit ausgewertet werden muss. Im Rahmen des “SuitAble” Projekts wurden drei begutachtete Journalbeiträge veröffentlicht sowie zwei Konferenzartikel. Des Weiteren ergab das Projekt die wissenschaftlichen Fragestellungen für zwei Promotionen und drei Masterarbeiten.
Projektbezogene Publikationen (Auswahl)
-
Extremely Reduced Data Sets Indicate Optimal Stimulation Parameters for Classification in Brain-Computer Interfaces. 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2256-2260. IEEE.
Sosulski, Jan & Tangermann, Michael
-
Mining Within-Trial Oscillatory Brain Dynamics to Address the Variability of Optimized Spatial Filters. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 27(3), 378-388.
Meinel, Andreas; Kolkhorst, Henrich & Tangermann, Michael
-
Spatial Filters for Auditory Evoked Potentials Transfer Between Different Experimental Conditions. In Proceedings of the 8th Graz Brain-Computer Interface Conference 2019. Verlag der Technischen Universität Graz. (2019)
Sosulski, J. & Tangermann, M.
-
Improving Covariance Matrices Derived from Tiny Training Datasets for the Classification of Event-Related Potentials with Linear Discriminant Analysis. Neuroinformatics, 19(3), 461-476.
Sosulski, Jan; Kemmer, Jan-Philipp & Tangermann, Michael
-
Manipulating Single-Trial Motor Performance in Chronic Stroke Patients by Closed-Loop Brain State Interaction. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 29(2021), 1806-1816.
Meinel, Andreas; Sosulski, Jan; Schraivogel, Stephan; Reis, Janine & Tangermann, Michael
-
Optimization of Stimulation Speed in an Auditory Brain-Computer Interface under Time Constraints. (2021).
Sosulski, J., Hübner, D., Klein, A. & Tangermann, M.
