Kurzprofil:
Neben den offensichtlichen Themen des Lehrstuhls für Mechatronik und Elektrische Antriebssysteme an der Universität Kaiserslautern-Landau befasst sich die Arbeitsgruppe Biomedical & Neuroengineering mit verschiedenen Methoden der Neurostimulation, deren Verbesserung (sowohl simulationsbasiert als auch in Laborexperimenten), der Messung und Verarbeitung hochvariabler EEG-Daten sowie der Entwicklung neuer Closed-Loop-Methoden für die Neurostimulation. Die damit verbundenen Themen wie das Tracking von Bewegungen in allen 6 Freiheitsgraden oder die Entwicklung dedizierter elektronischer Hardware fallen selbstverständlich ebenfalls in den Arbeitsbereich der Gruppe.
Schwerpunktfelder:
Transkranielle Magnetstimulation (TMS):
Transkranielle Magnetstimulation, oder kurz TMS, ist eine nicht-invasive Hirnstimulationstechnik, bei der Signale direkt in das Gehirn über eine elektromagnetische Spule geschrieben werden, die in unmittelbarer Nähe des Kopfes der Versuchsperson platziert wird. Sie wird in verschiedenen medizinischen Behandlungen oder Verfahren eingesetzt und besitzt trotz ihrer klinischen Einführung in den 80er Jahren noch viel Verbesserungspotenzial, dem wir uns vollständig widmen. Bezüglich der Verbesserung der erforderlichen elektronischen Hardware konzentrieren wir uns auch auf die Optimierung der Spule selbst. Dies geschieht durch verschiedene mathematische Methoden in Kombination mit FEM-Simulationen unter Verwendung sowohl kommerzieller als auch anwendungsspezifischer Software.
Elektroenzephalographie (EEG):
Elektroenzephalographie (EEG) ist eine weit verbreitete Methode zur Messung der elektrischen Aktivität des Gehirns für klinische und wissenschaftliche Zwecke. Sie ist die gängigste nicht-invasive Methode zur Überwachung der Gehirnfunktion, da sie sicher, kostengünstig und tragbar ist, was sie für alles von der Diagnose neurologischer Erkrankungen bis zur Erforschung von Kognition und Emotionen nützlich macht. EEG funktioniert, indem es die winzigen elektrischen Signale erfasst, die von Neuronen während ihrer Kommunikation erzeugt werden. Die Elektroden sind in Stoffkappen integriert, was eine konsistente Platzierung basierend auf standardisierten Systemen wie dem Internationalen 10-20-System gewährleistet. Diese Kappen erleichtern den EEG-Aufbau und machen ihn schneller und bequemer, während sie Gehirnwellen von langsamen Delta-Wellen bis hin zu schnellen Gamma-Oszillationen erfassen.
Brain-Computer Interface (BCI):
Brain-Computer Interface (BCI) ist eine Technologie, die eine direkte Kommunikation zwischen dem Gehirn und externen Geräten ermöglicht, ohne auf traditionelle motorische Wege oder Sprache angewiesen zu sein. Dies wird durch die Aufzeichnung und Interpretation neuronaler Aktivität mithilfe verschiedener Arten von Elektroden erreicht. Invasive BCIs verwenden Mikroelektroden, die direkt ins Gehirn implantiert werden, um hochauflösende neuronale Signale zu erfassen, während nicht-invasive BCIs, wie diejenigen, die auf Elektroenzephalographie (EEG) basieren, die kortikale Aktivität über Oberflächenelektroden auf der Kopfhaut detektieren.
BCI-Anwendungen lassen sich grob in klinische und nicht-klinische Bereiche unterteilen. Klinische Anwendungen umfassen Assistenztechnologien (z. B. Steuerung von Prothesen, Kommunikationsgeräte für Menschen mit Lähmungen) sowie Neurorehabilitation (z. B. Schlaganfall-Rehabilitation durch motorisches Vorstellungstraining). Nicht-klinische Anwendungen umfassen unter anderem gehirngesteuertes Gaming, Robotik, kognitive Zustandsüberwachung, Neurofeedback und Emotionserkennung.
Unsere aktuellen EEG-basierten BCI-Projekte konzentrieren sich auf Überraschungserkennung und Schläfrigkeitserkennung. Während des Fahrens kann ein Fahrer durch verschiedene Faktoren überrascht werden, wie plötzliche Änderungen im Verhalten anderer Verkehrsteilnehmer oder unerwartete Hindernisse, was zu einem Verlust der Konzentration führen kann. Unser Ziel ist es, Überraschungen nahezu in Echtzeit durch die Analyse von EEG-Signalen zu erkennen. Dasselbe gilt für Schläfrigkeit. Wenn das System erkennt, dass der Fahrer schläfrig wird, kann es Alarme auslösen, bis der Fahrer wieder vollständig wach ist. Diese Systeme haben das Potenzial, die Verkehrssicherheit zu verbessern und Unfälle zu verhindern.