Mit Neuroimaging kann das Nervensystem des Menschen dargestellt werden. So können zum Beispiel die Anatomie oder dynamische Vorgänge wie Durchblutung und Liquorfluss bildhaft dargestellt werden.

Projekte

• fMRT bei 3T und 7T
• Diffusionsgewichtete MRT bei 3T und 7T
• Magnetresonanzelastographie
• Echtzeit-fMRT
• Mensch-Maschine-Interaktion in der virtuellen Realität
• Neuro- und Bio-Feedback
• Ausstattung
• Kooperationen

fMRT bei 3T und 7T

Die funktionelle Magnetresonanztomographie (fMRT) ist ein nicht-invasives bildgebendes Verfahren, mit dem die Aktivität von Nervenzellen im Gehirn sichtbar gemacht werden kann. Sie findet breite Anwendung in der neurowissenschaftlichen Forschung, aber auch in der Klinik, um mehr über die Funktionsweise des Gehirns zu erfahren. Dafür wird der sogenannte BOLD-Kontrast (blood oxygenation level dependent) genutzt. Ein neuer Anwendungsbereich der funktionellen MRT ist das sogenannte Neurofeedback. Dabei handelt es sich um eine Methode, bei der die Probanden oder Patienten in Echtzeit Informationen über ihre Gehirnaktivität erhalten und so gezielt daran arbeiten können, diese zu verändern.

Pharmako-fMRT

Ansprechpartner:

Publikationen:

Artikel über Gadolinium-enhanced magnetic resonance angiography in brain death

Artikel über Decreased effective connectivity in the visuomotor system after alcohol consumption

Artikel über Changes in gray matter volume after microsurgical lumbar discectomy

Artikel über Ethanol modulates the neurovascular coupling

fMRT zur Tiefenwahrnehmung

Ansprechpartner:

Publikationen:

In dieser Studie wurde die Hirnaktivierung, die durch Tiefenwahrnehmung hervorgerufen wurde, untersucht. Da einige Studien eine rechtshemisphärische Lateralisierung der Tiefenwahrnehmung festgestellt hatten, wurde die Stichprobengröße auf 26 Probanden erhöht, um eine höhere statistische Signifikanz zu erreichen. Alle Personen berichteten über eine stabile Tiefenwahrnehmung. In der Random-Effects-Gruppenauswertung war die maximale Aktivierung unter der Bedingung mit Disparität im Vergleich zur Bedingung ohne Disparität hochsignifikant und im extrastriaten Kortex, vermutlich in V3A, lokalisiert. Die Aktivierung war in der rechten Hemisphäre stärker ausgeprägt. In der Einzelauswertungen wurde jedoch nur bei 65 % der Probanden eine tiefenbezogene rechtshemisphärische Lateralisierung beobachtet. Die Lateralisierung der Tiefe durch Disparität kann daher in kleineren Gruppen verdeckt sein.

nach oben

Diffusionsgewichtete MRT bei 3T und 7T

Ansprechpartner: Dipl.-Ing. Ralf Lützkendorf

Grundlagen

Mit Hilfe von DWI (Diffusions Weighted Imaging) wird die Bewegung von Wassermolekülen im Gewebe abgebildet. In stark anisotropen Geweben wie der Weißen Substanz im Gehirn können durch weitere Berechnungen (DTI - Diffusion Tensor Imaging, HARDI - High Angular Diffusion Imaging) Nervenfaserverläufe dargestellt werden. Um auch Nervenbahnenkreuzungen und Berührungen berechnen zu können kommen HARDI Daten zum Einsatz, die mit Modellen wie Fibre Orientation Distribution Function (fODF) oder auch das Track-density Imaging (TDI), solche Probleme lösen.  An 1.5 T Magnetresonanztomographen (MRT) ist dieses sogenannte Fibertracking bereits etabliert. Durch die Erhöhung des SNR bei höheren Magnetfeldern von 7 oder mehr Tesla MRT in Kombination mit stärkeren Gradientenfeldern von 70, 80 und mT/m² könnte prinzipiell die Ortsauflösung und dadurch sowohl die Genauigkeit der Faserverläufe als auch die Auflösung der funktionellen Messungen verbessert werden. Dieses lässt potentiell neue Erkenntnisse für funktionelle und anatomisch gekoppelte Gebiete erwarten.

Volumendarstellung der motorischen Bahn (hellblau) IBMI 2006:

Track Density Imaging (TDI) einer sagittalen Schicht berechnet mit MRTrix 3.0 IBMI 2015:

Fibre Orientation Distribution Function (fODF) berechnet mit MRTrix 0.2 (links: axiale Schicht; rechts: coronale Schicht)

Referenzen (Auszug):

Lützkendorf, Ralf;  Heidemann, Robin;  Feiweier, Thorsten;  Luchtmann, Michael;  Baecke, Sebastian;  Kaufmann, Jörn;  Stadler, Jörg;  Budinger, Eike;  Bernarding, Johannes 

Mapping fine-scale anatomy of gray matter, white matter, and trigeminal-root region applying spherical deconvolution to high-resolution 7-T diffusion MRI
In: Magnetic resonance materials in physics, biology and medicine - Heidelberg: Springer, Bd. 31.2018, 6, S. 701-713

Whole Paper Download:

Luetzkendorf_MAGMA_2018.pdf

Eichner, Cornelius;  Setsompop, Kawin;  Koopmans, Peter J.;  Lützkendorf, Ralf;  Norris, David G.;  Turner, Robert;  Wald, Lawrence L.;  Heidemann, Robin 

Slice accelerated diffusion-weighted imaging at ultra-high field strength
In: Magnetic resonance in medicine - New York, NY [u.a.]: Wiley-Liss, 1984, Bd. 71.2014, 4, S. 1518-1525

Eichner, Cornelius;  Setsompop, Kawin;  Koopmans, Peter J.;  Anwander, Alfred;  Lützkendorf, Ralf;  Cauley, Steven;  Bhat, Himanshu;  Norris, David G.;  Turner, Robert;  Wald, Lawrence L.;  Heidemann, Robin 

Combining ZOOPPA and blipped CAIPIRINHA for highly accelerated diffusion weighted imaging at 7T and 3T
In: Discovery, innovation & application - advancing mr for improved health : ISMRM 21st Annual Meeting & Exhibition ; SMRT 22nd Annual Meeting Salt Lake City, Utah, USA 20-26 April 2013 ; programm, 2013, 2013, S. 0053

Lützkendorf, Ralf;  Hertel, Frank;  Heidemann, Robin;  Thiel, Andreas;  Luchtmann, Michael;  Plaumann, Markus;  Stadler, Jörg;  Baecke, Sebastian;  Bernarding, Johannes 

Non-invasive high-resolution tracking of human neuronal pathways: diffusion tensor imaging at 7T with 1.2 mm isotropic voxel size
In: Medical imaging 2013: physics of medical imaging ; 11 - 14 February 2013, Lake Buena Vista, Florida, United States ; [part of SPIE medical engineering] / sponsored by SPIE. Robert M. Nishikawa ..., ed.: physics of medical imaging ; 11 - 14 February 2013, Lake Buena Vista, Florida, United States ; [part of SPIE medical engineering] - Bellingham, Wash.: SPIE, 2013; Nishikawa, Robert M., 2013, 866846, insges. 7 S. - (Proceedings of SPIE; 8668) ; Kongress: Physics of medical imaging (Lake Buena Vista, Florida : 2013.02.11-14)

Publikationen:

E-Pub

Weitere wissenschaftliche Beiträge der Forschungsgruppe:

R. M. Heidemann, A. Anwander, C. Eichner, R. Lützkendorf, T. Feiweier, T. R. Knösche, J. Bernarding, R. Turner: Isotropic sub-millimeter diffusion MRI in humans at 7T, 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011.

R. Lützkendorf, R.M. Heidemann, A. Anwander, J. Stadler, T. Feiweier, O. Speck, J. Bernarding: In vivo DWI at 7T with a 70 mT/m gradient coil: 24- vs 32-channel head coil , 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011.

Hertel, Frank; Krefting, Dagmar; Lützkendorf, Ralf; Viezens, Fred; Thiel, Andreas; Peter, Kathrin; Bernarding, Johannes
Diffusion-Tensor-Imaging als Gridanwendung - Performanzsteigerung und standortunabhängiger Zugang zu leistungsfähigen Ressourcen
In: Informatik 2009. - Bonn : Ges. für Informatik, S. 116 - (GI-Edition) Kongress: Jahrestagung der Gesellschaft für Informatik e. V.; 39 (Lübeck) : 2009.09.28-10.02

Lützkendorf, Ralf; Bernarding, Johannes; Hertel, Frank; Viezens, Fred; Thiel, Andreas; Krefting, Dagmar
Enabling of Grid based diffusion tensor imaging using a workflow implementation of FSL
In: Healthgrid research, innovation and business case . - Amsterdam [u.a.] : IOS Press, ISBN 978-1-607-50027-8, S. 72-81, 2009

nach oben

Magnetresonanz-Elastographie

Ansprechpartner:

Die Magnetresonanzelastographie (MRE) ist ein bildgebendes Verfahren mit dem es möglich ist, die Eigenschaften des lebenden Gewebes quantitativ zu messen. Das ist ein bedeutender Unterschied zu den üblichen Verfahren wie fMRT, Diffusion oder Protonendichte. Die MRE erweitert damit grundlegend die diagnostischen Möglichkeiten der Magnetresonanztomographie (MRT).

Echtzeit-fMRT

Ansprechpartner: Dipl.-Ing. Sebastian Baecke

Publikationen und E-Pub

Projekte

E-Pub

Hyperscanning

Echtzeit-fMRT basiert auf dem Nachweis von Hirnaktivität mit Hilfe der funktionellen MRT. Hierbei versucht man die funktionellen Daten schon während einer fMRT-Messung auszuwerten, und die Ergebnisse für die sofortige Verwendung aufzubereiten. Multivariate Verfahren wie z.B. musterbasierte Klassifikationsverfahren erhöhen den Einsatzbereich dieser Methode um die Analyse komplexer Hirnmuster in Echtzeit.

Die Abbildung zeigt den technischen Aufbau der Implementierung an den 3- und 7-Tesla MRT-Geräten der medizinischen Fakultät der Universität Magdeburg.

Monitoring der Hirnaktivierung in fMRT-Experimenten

Mit Hilfe der Echtzeit-fMRT kann man den Aktivierungsverlauf schon während eines fMRT-Experimentes überwachen und somit Fehlerquellen aufdecken, welche normalerweise erst bei der post-experimentellen Auswertung auffallen würden.

Neurofeedback

Probanden versuchen aufgrund der Rückmeldung über ihre Hirnaktivierung diese Aktivierung zu beeinflussen und somit eine Wirkung auf die Verhaltensmechanismen zu erzielen, welche den Aktivierungzustand auslösten.

Steuerung externer Systeme

Man steuert einen Computer allein mit Hilfe der eigenen Hirnaktivierung. So können z.B. Aktivierungsmuster bei vorgestellten Bewegungen von Gliedmaßen dekodiert und in Steuerungsbefehle übersetzt werden. Diese Technik ermöglicht z.B. die Navigation in einem virtuellen Labyrinth.

Entscheidungsprozesse (Ultimatum Game)

Ansprechpartner:

Publikationen:

Mit Echtzeit-MRT und Echtzeit-Patternanalyse der Hirnaktivität können Entscheidungsprozesse direkt beobachtet und ausgewertet werden. Näheres können Sie in der Publikationen A new concept of a unified parameter management, experiment control, and data analysis in fMRI: Application to real-time fMRI at 3 T and 7 T und Predicting Decisions in Human Social Interactions Using Real-Time fMRI and Pattern Classification lesen, an denen Mitglieder der Forschungsgruppe Neuro Science am IBMI mitgearbeitet haben.

BCI zur Navigation in der virtuellen Realität

Ansprechpartner:

Publikationen:

Diese Seite befindet sich im Aufbau.

BrainPong

Ansprechpartner:

Publikationen:

Diese Seite befindet sich im Aufbau.

nach oben

Mensch-Maschine-Interaktion in virtuellen Realitäten

Ansprechpartner: 

Publikationen:

E-Pub 

Weitere wissenschaftliche Beiträge der Forschungsgruppe:

M. Lührs, C. Müller, J. Bernarding: A real-time fMRI communication interface for Turbo-BrainVoyager 3.0 using the TBV 3.0 Plugin Interface, 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011.

C. Hänel, C. Müller, J. Bernarding: Visualization and Modular Plug-In based Data- Analysis of Real-Time fMRI Data., 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011.

C. Müller, M. Lührs, S. Baecke, J. Bernarding: Stimulus application presenting virtual environments for real-time fMRI experiments, Joint annual meeting ESMRMB 2011, Leipzig, 6.-8. Oktober 2011.

C. Müller, M. Lührs, A. Thoms, S. Baecke, J. Bernarding: A Qt-based virtual environment stimulus application for rfMRI using an improved TCP/IP framework, 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011.

A. Thoms, C. Müller, J. Bernarding: A brain-computer interface for navigation through a virtual environment in real-time fMRI studies, 17th Annual Meeting of the Organization for Human Brain Mapping, Quebec City 2011, QC, Canada, 26.-30.Mai 2011

C. Müller : A Human Brain Interface using a Virtual Environment System for real-time fMRI , German-Chinese Workshop on High Field MRI, Hands-on-Workshop am 7T, Magdeburg, 26.-27. April 2010.

C. Müller, M. Hollmann, N. Henniger, J . Bernarding : A virtual environment system for real time fMRI (3T; 7T) using direct communication via TCP/IP , 16th Annual Meeting of the Organization for Human Brain Mapping, Barcelona, 6.-10. Juni 2010.

M. Hollmann, C. Müller, D. Adolf, J. Bernarding: Neural Correlates of social Decision-Making: Pattern-Classification of Bold-Responses during social, 16th Annual Meeting of the Organization for Human Brain Mapping, Barcelona, 6.-10. Juni 2010.

Hirn-Computer-Schnittstellen

Ansprechpartner: Dipl.-Ing. Sebastian Baecke

Das Ziel dieses Projektes ist der Entwurf und die Implementierung einer VR (Virtuelle Realität) Stimulusumgebung für Echtzeit-fMRT Studien. Virtuelle Realität meint dabei eine computersimulierte Umgebung, welche synthetische Erfahrungen an ihre Nutzer vermittelt.

So sollen, durch diese tiefergehende Visualisierung, alltägliche Prozesse realitätsnäher abgebildet und die Aufmerksamkeit des Probanden durch mehr Interaktion mit dem Paradigma gesteigert werden.

So wurden in einer fMRT-Messung die Hirnaktivierungen des Probanden innerhalb des motorischen Kortex gemessen und klassifiziert. Anhand dieser aufgezeichneten Hirnaktivierungsmuster und eines implementierten Entscheidungsalgorithmus war es dem Probanden möglich, einen Avatar durch ein virtuelles Labyrinth zu bewegen.

Anwendungsbeispiel: Realtime-fMRI Virtual Reality Experiment

Mensch-Maschine-Emotion

 Hier geht's zur Seite Mensch-Maschine-Emotion.

Virtuelle Realitäten

Die VR-Gruppe ist spezialisiert auf das Erstellen von virtuellen Realitäten (VR) auf unterschiedlichsten Plattformen und Betriebssystemen. Die virtuellen Umgebungen finden Verwendung bei der funktionellen Magnetresonanztomographie (fMRT), beim Echtzeit-fMRT (rtfMRT) oder bei der Elektroenzephalografie (EEG). 

Ansprechpartner: Dipl.-Ing. Ralf Lützkendorf

 Abgeschlossene Projekte:

EmoAdapt (2015 - 2018)

 

Hard- und Software:

Oculus Rift DK2
Oculus Rift Release
Microsoft Kinect 2
Unity3D
Unreal Engine 
3D Studio Max
Blender
Poser 3D

 

Beispiel Downloads:

BoldEffect_oculusRift_v01 (A walkthrough "Bold Effect" made with Unity3D for Oculus Rift DK2)

Der Bold Effekt (Video):

Ehemalige Mitarbeiter:

B.Sc. Hannes Seibt 

B.Sc. Julian Alpers 

Marina Knaus 

Alexander Roewer 

Gerd Schmidt 

Svenja Völler

 Adaptive Hirn-Computer-Schnittstelle bei Stress-Paradigmen

Ansprechpartner: 

Publikationen:

Automatische Anpassung des Stimulus an Stress-Level (Emoadapt)

Im Rahmen des EMOADAPT-Projektes sollte sich die Umwelt oder Aufgabe für den Probanden adaptiv an dessen Emotion bzw. Belastung anpassen. Zum Testen wurde dazu ein Programm mit einer Geschicklichkeitsaufgabe entwickelt, die der Proband während der fMRT-Messung kontinuierlich ausführen konnte. (Blocky).

Der Schwierigkeitsgrad der Geschicklichkeitsaufgabe kann dabei kontinuierlich angepasst werden, während gleichzeitig die Belastungsintensität des Probanden quasi-kontinuierlich aus den laufend aktualisierten BOLD-Signal-Bildern der fMRT-Messung ermittelt wurde (BCI, Gehirn-Computer-Schnittstelle).

Für die praktische Umsetzung dieser Idee ergibt sich die Fragen, wie stark eine Differenz zwischen Soll- und Ist-Wert der Probandenbelastung den Schwierigkeitsgrad der Geschicklichkeitsaufgabe erhöhen oder vermindern soll. Beantworten lässt sich diese Frage mit den Methoden der klassischen Regelungstheorie.

Regelschleife für die Anpassung der Schwierigkeit der Geschicklichkeitsaufgabe

Eine Stufenänderung der Aufgabenschwierigkeit führt dabei zu einer Stufenantwort der resultierenden Gehirnfunktionen. Für das gemessene BOLD-Signal ergibt sich allerdings eine Verzerrung und Verzögerung, die üblicherweise durch die Faltung mit der hämodynamischen Antwortfunktion (HRF) beschrieben wird. Im Rahmen der regelungstechnischen Beschreibung wird dies als PT2-Glied modelliert. Einen Vergleich des HRF-Faltungskernes und des PT2-Faltungskernes zeigt die folgende Abbildung:

Aus dem Modell lassen sich dann die Parameter berechnen, die dazu führen, dass die Korrektur des Schwierigkeitsgrads der Geschicklichkeitsaufgabe so erfolgt, dass es weder zu einer Übersteuerung mit vielen weiteren Überschwingungen noch zu einer unnötig langsamen Annäherung an den optimalen Wert kommt.

nach oben

Multivariate Echtzeit-fMRT-Dekodierung

Ansprechpartner: Dirk Schomburg

Publikationen:

D. Schomburg 2018, Ansätze für die funktionelle Magnetresonanztomographie-Dekodierung in Echtzeit mit multivariaten Methoden: Masterarbeit
D. Schomburg, M . Plaumann, J. Bernarding 2020, Approaches for real-time fMRI decoding using multivariate methods; GMDS2020

Durch die multivariate Behandlung der Echtzeit-fMRT-Dekodierung kann die Genauigkeit der Dekodierung der Hirnfunktionen aus den aktuellen BOLD-Signal-Volumenbildern verbessert werden. Zum Einstieg in das Thema ist es notwendig, zunächst die Idee der fMRT und der Echtzeit-fMRT-Dekodierung verstanden zu haben. Diese werden in den nächsten beiden Absätze kurz erklärt.

Einleitung

Die funktionelle Magnetresonanztomographie (fMRT) ermöglicht es, verschiedene durch Stimuli oder Aufgaben stärker aktivierte Hirnareale zu detektieren. Die fMRT basiert auf unterschiedlichen magnetischen Eigenschaften des Blutes vor und nach Sauerstoffverbrauch durch Neuronenaktivität. Das gemessene Signal wird als blood-oxygen-level-dependent (BOLD) Signal bezeichnet.

Mit der Echtzeit-fMRT-Dekodierung soll aus dem Wissen über die bedingt erwartet stärker aktivierten Hirnareale und dem ortsaufgelöst gemessenen BOLD-Signal auf die aktuelle Hirnfunktion geschlossen werden. Eine fMRT-Vormessung dient in der Regel als Trainingsphase für die Parameter, mit denen die Prädiktions-Funktionen für die fMRT-Dekodierung angepasst werden. Eine einfache Möglichkeit dazu ist die Verwendung der Masken signifikanter Voxel aus der fMRT-Vormessung. Wird der Mittelwert des BOLD-Signals in den Masken im aktuellen Volumenbild berechnet,ergibt sich damit bereits eine grobe Dekodierung der aktuellen Hirnfunktion.

Mit multivariaten Methoden soll die Dekodierung verbessert werden, um auch bei schwachen neuronalen Aktivitäten dekodieren zu können. Einige der Herausforderungen sind dabei die folgenden:

• Wegen der großen Anzahl an Voxeln (>150.000) und der kleinen Stichprobengröße (100 - 500) kann aus den unveränderten klassischen Regressionsverfahren kein Prädiktor gewonnen werden.
• Moderne regularisierte Regressionsmethoden benutzen ein inverses Modell, dessen zufällige Fehler nicht zu interpretieren sind. Außerdem führt die dabei nötige Bestimmung der Hyperparameter zu stark erhöhtem Trainingsrechenaufwand.
• Zusätzlich sind die Messwerte oft von einem zufälligen Trend überlagert, für den eine lineare Modellierung nicht ausreicht. Übliche Trendbereinigungsmethoden verwenden die gesamte Messzeitreihe; dies ist hier nur in der Trainingsphase möglich, während für die Echtzeitdekodierung eine Trendberücksichtigung erforderlich ist, die nur die bis zum Zeitpunkt der Messung akquirierten Messwerte benötigt.

Methoden
In Simulationsrechnungen wurden für die ad-hoc-Methode, für ein stabilisiertes klassisches Verfahren, für ein regularisiertes modernes Verfahren und für die Hauptkomponentenregression jeweils die Rechenzeit und das Prädiktionsrisiko für verschiedene Szenarien berechnet und verglichen.

Zur Trendberücksichtigung wurde das Modell additiv mit einem Gaußschem Random-Walk ergänzt. Restricted-Maximum-Likelihood-Schätzer ergeben die Varianzkomponenten. Damit führt ein Pre-Whitening der Daten zu Daten mit homoskedastischen Fehlern, für die die Regressionsmethoden anwendbar sind. Die Prädiktoren mit den so erhaltenen Modell-Parametern ergeben trendbehaftete Zeitreihen, deren Trendbereinigung mit weiterem Vorwissen über die Stimulationszeitreihen möglich wurde.

 
Ergebnisse

Als bester Kompromiss zwischen Trainingsrechenzeit und Prädiktionsrisiko hat sich hier die Hauptkomponentenregression gezeigt. Trendberücksichtigungsmethoden für Training und Dekodierung konnten gefunden werden. Simulierte und gemessene Daten zeigten ein gutes Ergebnis für den entwickelten Ansatz zur fMRT-Dekodierung.

Dekodierte Zeitreihe mit der einfachen Mittelwertsmethode

Dekodierte Zeitreihe aus den gleichen Daten, aber mit der multivariaten Methode, die auf der Hauptkomponentenregression basiert

Erweiterung

Durch eine Verbesserung der Algorithmen konnte es erreicht werden, dass die oben beschriebene Methode nicht nur für Klassifizierungsaufgaben, sondern auch für Blockparadigmen mit unterschiedlichen Intensitäten in den Blöcken anwendbar ist.

Dekodierte Zeitreihe mit der einfachen Mittelwertsmethode für unterschiedliche Intensitäten in den Blöcken:

Dekodierte Zeitreihe aus den gleichen Daten, aber mit der multivariaten Methode, die auf der Hauptkomponentenregression basiert und für unterschiedliche Intensitäten in den Blöcken angepasst wurde:

nach oben

 Echtzeitpipeline zwischen BCI und VR oder Feedback

Ansprechpartner: 

Von der Gehirn-Computer-Schnittstelle (BCI) werden in kurzen Abständen aktuelle einzelne Messwerte oder Messwertvektoren ausgegeben. Diese sollen dann verwendet werden um eine virtuelle Realität (VR), andere Feedback-Darstellungen oder sonstige Systeme zu steuern. Für die Datenübertragung zwischen den Komponenten wurde am Institut eine TCP/IP-Schnittstelle entwickelt, die auch die Datenübertragung an entfernte Computer erlaubt.

Oft sind bei dieser Signalübertragung weitere Anpassungen und Berechnungen notwendig. Im einfachsten Fall wäre dies eine Pegelanpassung und Skalierung um etwa von Werten zwischen 1200 und 1300 auf ein Signal zwischen 0 und 1 umzurechnen. Komplizierte Aufgaben sind Signalglättungsfunktionen, das Mischen mehrerer Kanäle oder Elemente aus der Regelungstechnik (PID-Regler).

Für die Fehlersuche und Parameteranpassung ist eine Protokollfunktion notwendig und für die TCP/IP-Schnittstellen sollten Zustandsdarstellungen und Kontrollfunktionen leicht zugänglich sein. Um dies während der Echtzeit-fMRT-Experimente schnell bedienen zu können, wurden diese Funktionen in einer Software mit grafischer Oberfläche implementiert.

Konfigurierbare Funktionsblöcke der Signalstrecke:

Grafische Oberfläche

Neuro- und Bio-Feedback

Diese Arbeit hat ein Brain-Computer-Interface zur Verbesserung der Mensch-Maschine-
Interaktion implementiert. Das Ziel war dabei eine Anpassung einer virtuellen Umgebung
in Form eines Spieles an die, mittels EEG- und biophysikalischen Daten, erfassbaren
Zustände eines Bedieners zu ermöglichen und adaptiv eine Schwierigkeit zu regeln. Zur
Realisierung dieser Aufgabe wurde eine Vorstudie evaluiert, darauf basierend eine Studie
geplant und durchgeführt, die siebzehn Probanden mehrfach vermessen hat. Dabei
wurden sowohl psychologische Standardparadigma, als auch ein VR-Spielszenario aufgezeichnet.
Diese Studie fand in einer realen, nicht abgeschirmten Arbeitsumgebung statt,
um den realen Bedarf von Anwendungsfällen abzudecken. Die Daten wurden ausgewertet
und in einen geeigneten Featurevektor transformiert. Basierend auf diesem Vektor werden
zwei künstliche neuronale Netze erstellt, hinsichtlich ihrer Struktur verglichen und verschiedene
Parameter in einer Offlineanalyse evaluiert. Dabei wurde nachgewiesen, dass der
entwickelte Featurevektor zur Klassifizierung sowohl der Standardparadigmen, als auch der
unterschiedlichen Schwierigkeitslevel des eingesetzten Spieles eingesetzt werden kann. Die
trainierten neuronalen Netze können dann in eine für dieses Projekt erstellte netzwerkbasierte
Datenverarbeitungspipeline eingeladen werden, sodass diese in Echtzeit EEG- und
biophysikalische Daten klassifizieren kann. Innerhalb dieser Pipeline wurden verschiedene
wichtige Module zur Echtzeitdatenerfassung und -verarbeitung sowie der Kommunikation
via Netzwerk entworfen und implementiert.

 Ausstattung

Labor zur Entwicklung von Echtzeit-Virtual-Reality und Mustererkennung (EEG, biopsychologische Parameter)

Die Ausstattung umfasst 2 portable EEG-Geräte zum Einsatz für Bio- und Neurofeedback (4 Kanäle), 2 MRI-kompatible EEG Geräte (64 Kanäle), eine Transkranielle Stimulationseinheit (TCD), 2 VR-Brillen (Oculus-Rift), eine AR-Einheit (Holo-Lens 2) sowie die entsprechende Software (kommerziell und Eigenentwicklung).

Nutzbare Ganzkörper MRT-Systeme

• Unity3D
• Unreal Engine
• Oculus Rift DK2
• Kinect Microsoft
• 3-Tesla-Magnetresonanz-Tomograph (Siemens MAGNETOM Prisma (2015)) (Betreiber: Universiätsklinik für Neurologie)
• 7-Tesla-Magnetresonanz-Tomograph (Siemens MAGNETOM) (Betreiber: LIN)

 nach oben

 Kooperationen

Kooperationspartner

• Prof. Dr. Ingolf Sack, PD Dr. Jürgen Braun (AG Elastographie, Charité Berlin)
• Prof. Dr. Felix Blankenburg (FB Psychologie, FU Berlin)
• Leibniz-Institut für Neurobiologie (LIN) Magdeburg
• Prof. Dr. Oliver Speck (Fakultät für Physik, Lehrstuhl Biomedizinische Magnetresonanz, OvGU)

nach oben