Psychologische Prädiktoren der Brain-Computer Interface Steuerung

DSpace Repositorium (Manakin basiert)

Zur Kurzanzeige

dc.contributor.advisor Kübler, Andrea (Prof. Dr.)
dc.contributor.author Hammer, Eva Maria
dc.date.accessioned 2018-11-13T06:32:28Z
dc.date.available 2018-11-13T06:32:28Z
dc.date.issued 2018-11-13
dc.identifier.other 513671153 de_DE
dc.identifier.uri http://hdl.handle.net/10900/84764
dc.identifier.uri http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-847646 de_DE
dc.identifier.uri http://dx.doi.org/10.15496/publikation-26154
dc.description.abstract Theorie: Brain-Computer Interfaces (BCIs) stellen eine direkte Verbindung zwischen dem Gehirn und einem Computer dar. Mit Hilfe von BCIs ist es daher möglich, die elektrischen Signale des Gehirns in Steuersignale umzuwandeln, um damit ein Anwendungsprogramm (z.B. Kommunikationsprogramm oder Navigation eines Rollstuhls) zu steuern. Für schwerbeeinträchtigte Personen, z.B. im sog. Locked-in Zustand, stellt ein BCI eine der letzten Möglichkeiten dar, mit der Umwelt in Kontakt zu treten. Jedoch ist es einer bedeutenden Anzahl von BCI Anwendern (Gesunden wie Kranken) nicht möglich, eine hinreichend hohe Trefferquote bei der BCI Steuerung zu erzielen. Die Überwindung dieses sog. „BCI Ineffizienz Phänomens“ stellt auch nach über 40 Jahren BCI Forschung immer noch eine große Herausforderung dar. Das Ziel der dieser Zusammenfassung zugrundeliegenden Forschungsarbeiten war es, psychologische Variablen zu identifizieren, die als Prädiktoren die Leistung in einem BCI vorhersagen können. Methode: Für alle drei Forschungsarbeiten wurden gesunde Studienteilnehmer, überwiegend Studenten mit keinerlei Vorerfahrung in der BCI Steuerung, rekrutiert. Die psychologischen Tests wurden drei Untergruppen (Leistungstests, Persönlichkeitstests und klinische Tests) zugeteilt und alle in elektronischer Form präsentiert und bearbeitet. In den ersten beiden Studien wurden BCIs eingesetzt, die sensomotorische Rhythmen als Steuerungssignale nutzen. In der dritten Studie wurde ein BCI, das auf dem ereigniskorrelierten Potential P300 basiert, eingesetzt. Die Prädiktoranalyse erfolgte mit Hilfe linearer Regressionsanalysen. Ergebnisse: In der ersten Studie wurde das Berliner Brain-Computer Interface (BBCI) eingesetzt, das auf den Techniken des maschinellen Lernens basiert. Die visuomotorische Koordinationsfähigkeit (Variable „mittlere Fehlerdauer gesamt“, gemessen mit dem Zwei-Hand-Test) wurde mit 11,4% Varianzaufklärung als signifikanter Prädiktor identifiziert. Die Variable „Leistungsniveau“ (Maß für Konzentrationsfähigkeit) aus dem Test Arbeitshaltungen zeigte ebenfalls eine signifikante Korrelation mit der Leistung im BCI, verfehlte das Signifikanzniveau im Regressionsmodell jedoch knapp. Ziel der zweiten Studie war es, die Ergebnisse der ersten zu replizieren und auf Basis des ersten Regressionsmodells, die BCI Leistungen in der zweiten Studie, in der ein klassisches Neurofeedback SMR-BCI eingesetzt wurde, vorherzusagen. Die Variablen visuomotorische Koordinationsfähigkeit und „aufmerksamkeitsbasierte Impulsivität“ klärten hierbei fast 20% der Gesamtvarianz auf. Auf Basis des ersten Regressionsmodells war es möglich, die BCI Leistung mit einem durchschnittlichen Vorhersagefehler von M = 12.07% vorherzusagen. In der dritten Studie korrelierte der Persönlichkeitsfaktor „Emotionale Stabilität“ negativ und eine Leistungsvariable des Nonverbalen Lerntests, die die Lernfähigkeit eines Probanden erfasst, positiv mit der Trefferquote im visuellen P300-BCI. Beide Variablen klärten 24% an der Gesamtvarianz auf, wobei die Lernvariable mit 19% Varianzaufklärung als signifikanter Prädiktor identifiziert wurde. Die Variable „Emotionale Stabilität“ korrelierte ebenfalls negativ mit der Trefferquote im auditorischen P300-BCI, wurde jedoch nicht als signifikanter Prädiktor identifiziert. Schlussfolgerung: Die drei Forschungsarbeiten bestätigen einen moderaten Einfluss psychologischer Variablen auf die BCI Steuerung in unterschiedlichen BCI Paradigmen. Die Ergebnisse zeigen große Überschneidungen mit anderen Studienergebnissen. Basierend auf diesen Ergebnissen können weitere Studien entwickelt werden, mit dem Ziel, bestehende BCI Systeme zu adaptieren und Trainingsprogramme (z.B. für das Training visuomotorischer Koordinationsfähigkeit) für BCI Anwender zu entwickeln. de_DE
dc.language.iso de de_DE
dc.publisher Universität Tübingen de_DE
dc.rights ubt-podok de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=de de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=en en
dc.subject.classification Regressionsanalyse de_DE
dc.subject.ddc 150 de_DE
dc.subject.other Brain-Computer Interface (BCI) de_DE
dc.subject.other Psychologische Prädiktoren de_DE
dc.subject.other BCI Ineffizienz Phänomen de_DE
dc.title Psychologische Prädiktoren der Brain-Computer Interface Steuerung de_DE
dc.type PhDThesis de_DE
dcterms.dateAccepted 2018-07-25
utue.publikation.fachbereich Psychologie de_DE
utue.publikation.fakultaet 7 Mathematisch-Naturwissenschaftliche Fakultät de_DE

Dateien:

Das Dokument erscheint in:

Zur Kurzanzeige