Über die robuste räumliche Filterung von EEG in nichtstationären Umgebungen

Abstract

Die üblichen Kommunikationsformen wie Sprache, Gestik oder Mimik erfordern eine gezielte Aktivierung der Muskulatur und können Patienten mit stark beeinträchtigter Motorik nicht (oder nur sehr eingeschränkt) zur Verfügung stehen. Gehirn-Computer-Schnittstellen ermöglichen Kommunikation durch reine Bewegungsvorstellung und stellen für diesen Personenkreis eine vielversprechende Alternative dar. Trotz einer rasanten Weiterentwicklungen in den letzten Jahren, sind heutige Systeme nur sehr begrenzt für den Einsatz außerhalb einer kontrollierten Laborumgebung – also im Alltag eines Patienten – geeignet. Ein limitierender Faktor ist die mangelnde Robustheit gegenüber starkem Signalrauschen, unerwarteten Artefakten und Nichtstationarität in den Daten. Die diesem Artikel zugrunde liegende Doktorarbeit widmet sich diesem Forschungsfeld und stellt neue Entwicklungen bei der räumlichen Filterung von Hirnsignalen, einem zentralen Schritt bei der Informationsverarbeitung in Gehirn-Computer-Schnittstellen, vor. Die Beiträge der Arbeit reichen von der Entwicklung neuartiger Regularisierungsstrategien für die räumliche Filterung bei Nichtstationarität über die Herleitung speziell auf die Daten abgestimmter robuster Parameterschätzverfahren bis hin zur Formulierung einer allgemeinen informationsgeometrischen Sichtweise auf die räumliche Filterung. Die vorgestellten Konzepte und Methoden finden weit über das Feld der Gehirn-Computer-Schnittstellen hinaus Anwendung und können zur Lösung verschiedener Probleme in der Informatik und Mathematik herangezogen werden.