254

FÖRDERUNG DES WISSENSCHAFTLICHEN NACHWUCHSES

Neuronale Kodierung von Bewegung bei Affe und Mensch:
Von Einzelzellen und Zellensembles zum Brain-Computer-Intefface
Sprecher: Tonio Ball.
Kollegialen:
Tonio Ball1, Carsten Mehring2, Martin Nawrot3.
Mitarbeiter: Evarist Demandt, Yiwen Li Hegner, Isabella Mutschler, Tobias Pistol,
Jörn Rickert.
1 Epilepsiezentrum der Universitätskliniken Freiburg
2 Neurobiologie & Tierphysiologie, Institut für Biologie I, Universität Freiburg
3 Institut für Biologie, AG Neurobiologie, Freie Universität Berlin
http://www.biologie.uni-freiburg.de/win
Innerhalb der letzten Jahre haben sich Brain-Computer Interfaces (BCIs) für moto-
rische Neuroprothesen von einem experimentellen Modell zu einem neuen Thera-
pieansatz für schwerstgelähmte Patienten entwickelt [Donoghue 2002; Nicolelis
2001; Wolpaw et al. 2002], Die Grundidee ist, neuronale Aktivität des Gehirns
während intendierter Bewegungen zu messen und diese in Kontrollsignale umzuset-
zen. Diese Kontrollsignale können für die Steuerung künstlicher Effektoren (Com-
puter-Cursor, Roboterarm) genutzt werde. Denkbar ist auch, eine Ansteuerung der
Muskulatur der gelähmten Körperteile über Muskelstimulatoren zu realisieren.
In unserem WIN-Projekt „Neuronale Kodierung von Bewegung bei Affe und
Mensch: Von Einzelzellen und Zellensembles zum Brain-Computer Interface“
untersuchen wir Ansätze für BCIs basierend auf den Signalen von Gruppen von
Neuronen, wie sie im lokalen Feldpotential (LFP), im Electrocorticogramm (ECoG)
und im Electroencephalogramm (EEG) gemessen werden können. Darüber hinaus
gilt unser Interesse dem besseren Verständnis der Steuerung willkürlicher Motorik
durch das menschliche Gehirn. In diesem Jahresbericht soll dementsprechend zu
folgenden, in unserem Projekt im vergangenen Jahr untersuchten bzw. bearbeiteten
Themen ein kurzer Überblick gegeben werden: (1) Zur Bedeutung von Echtzeit-
Feedback-Versuchen für die BCI-Forschung; (2) zur Richtungsabhängigkeit und (3)
Dekodierung von Bewegungsinformation aus Leistungsspektren lokaler Feldpoten-
tiale sowie aus dem EEG (4); sowie zu einer Untersuchung zu motorischen Funk-
tionen mittels funktioneller Magnetresonanztomographie (fMRT) (5).
(i) Bedeutung von Echtzeit-Feedback-Versuchen für die BCI-Forschung
Ein wichtiger Arbeitsbereich im letzten Jahr war die Etablierung von Echtzeit-Feed-
back-Versuchen in unserem Projekt. Ein Beispiel für ein BCI-Tiermodell, in dem
ein solcher Echtzeit-Feedback-Versuch (vgl. Abb. 1) durchgeführt wurde, ist die
Arbeit von Serruya et al. [Serruya et al. 2002], Hier konnte gezeigt werden, dass Affen
lernen können, durch neuronale Aktivität des Motorcortex einen Computer-Cursor