Startseite » Medizin » News »

Vorher wissen, ob es klappt

Gehirnforschung: Verfahren sagt vorher, wie präzise Bewegungen werden
Vorher wissen, ob es klappt

Klappt es, das Schlüsselloch zu treffen – oder nicht? Forscher können dies nun mit Hilfe eines Modells anhand der Gehirnströme vorhersagen (Bild: David Hübner / Brain State Decoding Lab)
Anzeige
Ein neu entwickeltes Verfahren ermöglicht anhand von Gehirnsignalen eine Prognose, ob Menschen eine Bewegung präzise ausführen werden. Es könnte zukünftig dazu dienen, die Rehabilitation von Patienten nach einem Schlaganfall zu verbessern.

Ob eine Türe aufschließen oder nach einem Gegenstand greifen: Selbst einfache, oft ausgeübte Bewegungsaufgaben lösen Menschen nicht immer gleich gut – mal sind sie schneller, mal langsamer, mal genauer, mal weniger präzise. Ein Teil dieser von Forschern als Leistungsvariabilität bezeichneten Schwankungen ist auf Unterschiede in der Gehirnaktivität zurückzuführen. Eine fächerübergreifende Nachwuchsforschungsgruppe des Exzellenzclusters Brain-Links-Brain-Tools der Universität Freiburg um den Informatiker Dr. Michael Tangermann hat einen selbstlernenden Algorithmus entwickelt, der es erlaubt, kurz vor der Ausführung einer motorischen Aufgabe deren Präzision vorherzusagen. Das Verfahren könnte zukünftig eingesetzt werden, um sportwissenschaftliche Trainingsmethoden sowie die Rehabilitation von Patienten nach einem Schlaganfall zu verbessern.

Mithilfe der Elektroenzephalographie (EEG) wurden im Gehirn bereits vor Jahrzehnten Aktivitätsmuster entdeckt, die einer motorischen Handlung vorausgehen. Die Studie aus Freiburg basiert ebenfalls auf der Auswertung von EEG-Signalen. Die Forschenden untersuchten dazu 20 gesunde Probanden im Durchschnittsalter von 53 Jahren. Diese versuchten, durch wiederholtes Drücken eines Kraftsensors einem vorgegebenen Pfad auf dem Computerbildschirm zu folgen. Vor und während der Übungen wurde ihre Gehirnaktivität aufgezeichnet.
Ein Algorithmus lernte, innerhalb der komplexen Gehirnsignale wichtige Merkmale zu erkennen, mit deren Hilfe vorhersagbar ist, wie gut der Proband die motorische Übung bewältigen wird. Solche Verfahren des maschinellen Lernens werden oft im Zusammenhang mit hochdimensionalen Daten und großen Datenmengen verwendet, etwa zur Verbesserung von Suchmaschinen. Basierend auf vielen Einzelbeispielen lernt der Algorithmus eine Vorschrift, die es ihm erlaubt, auch zukünftige, unbekannte Datensätze zu entschlüsseln.
Im nächsten Schritt wollen die Forscher beleuchten, inwieweit sich derartige Vorhersagemodelle praktisch nutzen lassen. Für die motorische Rehabilitation von Schlaganfallpatienten könnte es etwa hilfreich sein, den Start einer Bewegungsaufgabe kurzzeitig zu verzögern, bis ein geeigneter Hirnzustand vorliegt. Diesen Trainingseffekt will das Team gemeinsam mit Forschern des Universitätsklinikums Freiburg in einer Studie untersuchen.
Weitere Informationen: Publikation in „Frontiers in Human Neuroscience“
Anzeige
Aktuelle Ausgabe
Titelbild medizin technik 3
Ausgabe
3.2021
LESEN
ABO
Titelthema: Ultrakurzpulslaser

Ultrakurzpulslaser: Wie die Medizintechnik das hochpräzise Werkzeug nutzen kann

Newsletter

Jetzt unseren Newsletter abonnieren

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Aktuelles Webinar

Multiphysik-Simulation

Medizintechnik: Multiphysik-Simulation

Whitepaper

Whitepaper aller unserer Industrieseiten

Anzeige
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de