On the interaction of motor imagery and steady-state visual evoked potentials in the context of a hybrid brain-computer interface

Brain-Computer Interfaces (BCIs) öffnen einen neuen, nicht-muskulären, Kommunikationskanal für Personen mit schweren motorischen Fehlfunktionen. Hybrid BCIs beschreiben einen neuartigen Ansatz, in dem mehrere Signale in einem System kombiniert werden, um dieses für größere Teile der Bevölkerung nutzbar zu machen. Diese Studie befasst sich mit der Interaktion und möglichen Interferenzen zwischen Änderungen (ERD) im Spontan-Elektroenzephalogramm (EEG), welche durch Bewegungsvorstellung (MI) hervorgerufen wurden, und dem eingeschwungenen visuell evoziertem potential (SSVEP). Sechzehn Probanden wurden im Zuge dieser Studie untersucht und dabei wurden vierundsechzig EEG-Kanäle aufgenommen. Zusätzlich wurden das Elektrookulogramm (EOG), das Elektromyogramm (EMG) und die Herzrate gemessen. Es wurde eine Common Spatial Pattern (CSP) Filterung für die Bewegungsvorstellung verwendet und eine einfache Bandpassfilterung für das SSVEP Signal. Die Klassifikation erfolgte durch Fischer´s Lineare Diskriminanzanalyse. Es wurden keine negativen Interferenzen für beide Signale gefunden, obwohl die Leistung zwischen den Probanden variierte. Zusätzliche Analysen zeigten, dass es einen Vorteil bringt, wenn man den Klassifikator der Bewegungsvorstellung auf den hybriden Daten trainiert. Man kam zu dem Schluss, dass eine Verwendung dieser beiden Signale in einem hybriden BCI grundsätzlich funktioniert, obwohl man die optimalen Signalkombinationen auf einer individuellen Basis selektieren soll. Brain-computer interfaces (BCIs) open a new, non-muscular, communication channel for people with severe motor dysfunction. Hybrid BCIs describe a novel approach that combines different signals into one system, to make it usable for a broader population. This study investigates the interaction and possible interference between motor imagery (MI) related changes (ERD) of the spontaneous electroencephalogram (EEG) and the steady-state visual evoked potentials (SSVEP). Sixteen subjects were measured for this study, with sixty-four channels of EEG. Additional the electrooculogram (EOG), the electromyogram (EMG) and heart-rate were measured. Common spatial pattern (CSP) filtering was used for the motor imagery signal and simple bandpass filtering for the SSVEP signal. Classification was done via Fisher?s linear discriminant analysis. There was no negative interference found for both signals, although the performance varied across subjects. Additional analysis showed a gain by choosing the hybrid