Ringpraktikum Neurosignale/ Practical course neural signals

Vortragende/r (Mitwirkende/r)
Nummer0000001242
ArtPraktikum
Umfang4 SWS
SemesterWintersemester 2017/18
UnterrichtsspracheDeutsch
Stellung in StudienplänenSiehe TUMonline
TermineSiehe TUMonline

Termine

Teilnahmekriterien & Anmeldung

Lernziele

"Nach dem Praktikum haben die Studierenden folgende Kenntnisse und Fertigkeiten erworben: -Verständnis der theoretischen Grundlagen muskulärer und neuronaler Biosignale, deren Messung, Analyse (Multikanalanalysen) und statistischer Bewertung - Aufbau von Experimenten zur Messung evozierter bioelektrischer Signale (z.B. auditorische Hinstammpotentiale, occulomotorische Signale, EEG Signale) - Anwendung von Methoden der Signalverarbeitung, robuste Informationsextraktion und Bewertung der Datenqualität von bioelektrischen Signalen mit Matlab - Verständnis, Implementation und Bewertung der „overcomplete blind source separation“ und von Klassifikationsalgorithmen für bioelectrische Signale - Statistische Analyse von fehlerbehafteten Messdaten "

Beschreibung

"In diesem praktischen Kurs lernen die Studenten grundlegende Methoden zur Messung und Auswertung neuroelektrischer Signale anhand von 5 exemplarischen Anwendungen: 1) Hemmert: Hands-on Versuch zur Messung auditorisch evozierter neuroelektrischer Hirnstammpotentiale (BAEPs) und Auswertung mit Matlab (Artefaktunterdrückung, Filterung, statistische Auswertung). Die Endauswertung bereiten die Studierenden in einem kurzen Abschlussbericht zuhause nach. 2) Seeber: Aufbau einer Gehirn-Computer Steuerung zur Steuerung eines akustischen Beamformers: Hör‘ dahin, wo Du hinsiehst! Der akustische Beamformer wird dazu in Realzeit mit den an den Augen gemessenen okkulomotorischen Signalen gesteuert. 3) Cheng: Einführung in EEG-basierte multikanal Gehirn-Computer Schnittstellen (Brain-Computer Interfaces). Die Endauswertung erfolgt in einem Abschlussbericht 4) Conradt: Steuerung eines kleinen mobile Roboters mit neuroelektrischen Signalen in Echtzeit. Für die Echtzeitanalse ist es erforderlich, die passende Komplexizität der Signalanalyse zu wählen, die neuronalen Aktivitätsmuster auszuwerten und evtl. auch visuellen Feedback mit head mounted displays zu integrieren. Die Gruppen werden gegeneinander antreten und Aufgaben wie z.B. (a) Hindernisse umgehen (b) einem vorgegebenen Parcours folgen (c) Jagd-Szenarios durchspielen (Neuro-Robotische Olympische Spiele)

Inhaltliche Voraussetzungen

Basic programming skills in Matlab, Basic knowledge in signal processing and pattern recognition is recommended

Lehr- und Lernmethoden

Selbststudium (Vorbereitung), Intensiv betreutes Praktikum, Zusammenstellung, Auswertung und Präsentation der Messdaten in Berichtsform in Heimarbeit

Studien-, Prüfungsleistung

"Die Studierenden weisen die Fähigkeit nach zur Implementation, Messung, Analyse und Bewertung von (a) akustisch evozierten neuronalen Antworten, (b) neuro-occulomotorischen Signalen zur Realzeitsteuerung eines akustischen Beamformers, (c) mehrkanaligen EEG Aufnahmen, (d) der Extraktion von Steuersignalen aus rauschbehafteten bioelektrischen Signalen zur Echtzeitsteuerung eines Roboters, (e) der Blind Source Separation und Klassifikation multidimensionaler bioelektrischer Signale. Die Laborleistung besteht aus Vorbereitung, Versuchsdurchführung und Datenauswertung. Abhängig vom Experiment wird eine schriftliche Zusammenfassung oder eine kurze schriftlichen Prüfung benotet. Die Note ergibt sich aus dem Durchschnitt der Bewertung der Laborleistungen für die 5 Versuche. "

Empfohlene Literatur

"Wolpaw and Wolpaw: Brain Computer Interfaces, Principles and Practice Steven Luck: An Introduction to the Event-Related Potential Technique"

Links