Neuroprothetik und neuroinspirierte Signalverarbeitung

Prothesensteuerung. Die Entwicklung von Neuroprothesen für das zentrales Nervensystem (ZNS) ist ein interdisziplinäres Forschungsfeld, das von Bereichen der molekularen und elektrochemischen Biophysik bis hin zu psychologischen und kognitiven Aspekten reicht. Das heutige Implementierungsniveau enthält viele offene Forschungspunkte, wie zum Beispiel die Neurologie, die physikalische Abmessung implantierbarer Elektroden sowie deren Spannungsversorgung. Im Rahmen unserer Forschung werden die theoretische Basis für die Entwicklung einer neuralen Prothese entwickelt und die zugrundeliegenden phänomenologischen Modelle erforscht.

Brain-Computer-Interfaces bzw. Brain-Machine-Interfaces. In vielen Fällen neurologischer Erkrankungen kommen Brain-Computer-Interfaces bzw. Brain-Machine-Interfaces zum Einsatz. So ist es bei Patienten mit ALS oder anderen vollständig Gelähmten ist es nicht mehr möglich, auf unmittelbarem Weg mit den Patienten zu kommunizieren. Eine weitere Anwendung ist in der Rehabiltation von Schlaganfallpatienten gegeben, wobei hierbei der Wille des Patienten detektiert werden soll, um eine therapeutische Bewegung durchzuführen. Durch den Einsatz von EEG, ECoG, fMRT oder MEG können in diesen Fällen Signale gemessen, ausgewertet und zur Steuerung von Computeranwendungen wie etwa virtuellen Schreibmaschinen, Webbrowsern, (therapeutischen) Roboter oder weiteren Endgeräten verwendet werden. Durch den Einsatz von Methoden aus dem Bereich des maschinellen Lernens lassen sich Trainingszeit und -aufwand des Patienten verringern. Darüber hinaus lässt sich mithilfe stimulierender Elektroden sogar eine bidirektionale Kommunikation erreichen (Bidirectional Cortical Communication Interface, BCCI).

Synaptische Synchronisierung. Ein zentrales Ziel der Neurowissenschaften ist es, Mechanismen kortikaler Informationsübermittlung und Informationsspeicherung zu erklären. Dies umfasst etwa Aktivitätsmuster in neuronalen Netzwerken sind Schwingungen, Wellen und Synchronisierung. Mit der bisherigen Arbeit konnte gezeigt werden, dass die synaptische Plastizität ein Schlüsselkonzept zur Nachahmung der menschlichen Informationsverarbeitung darstellt. Mit dem Modified Stochastic Synaptic Model (MSSM) wurde dieser Ansatz formalisiert und evaluiert. Durch eine parallelisierte Umsetzung mittels OpenCL und FPGAs konnte gezeigt werden, dass praktische Anwendungen trotz eines für Desktoprechner sehr hohen Rechenaufwands durchaus machbar sind. Auch in industrienahe Anwendungen konnte das Konzept bereits erfolgreich eingesetzt werden.