„Aus Fehlern lernen“ – eine Meta-Analyse der Falschklassifikationen von Fingerbewegungen durch EEG-basierte nicht-invasive Brain-Computer-Interfaces

Einleitung: Brain-Computer-Interfaces (BCI) können motorische Intentionen eines Probanden oder Patienten in technische Steuerbefehle übersetzen. Dabei übernimmt im nicht-invasiven Berliner BCI-Ansatz ein programmierter, selbstlernender “classifier“ die Aufgabe, in Phasen willentlich initiierter Fingerbewegungen je nach experimentellem Paradigma Unterschiede z.B. der begleitenden Bereitschaftspotentiale zu erkennen. In einer Meta-Analyse von Ergebnissen eines Experimentes mit selbst-initiierten Fingerbewegungen analysierten wir gezielt diejenigen Durchgänge der Probanden, die vom “classifier“ falsch interpretiert…