Project Laboratory Brain-Computer Interfaces

Worum geht's

Du bearbeitest ein aktuelles Forschungsprojekt aus dem Bereich Brain-Computer Interfaces (BCI). Am Ende kannst du ein definiertes BCI-Forschungsprojekt selbstständig planen, durchführen, auswerten und die Ergebnisse schriftlich sowie mündlich präsentieren.

Was du danach kannst

Literaturrecherche zu einer individuellen Fragestellung im BCI-Bereich
Versuchsplanung zur Prüfung von Hypothesen im BCI-Kontext
Durchführung von Experimenten mit EEG und/oder fNIRS
Analyse und Klassifikation von Zeitreihendaten (Signalverarbeitung, ML-Ansätze)
Präsentation der Ergebnisse in Berichten und Gruppensitzungen

Aus was das Modul besteht

Praktikum/Project LabDu führst eigenständig state-of-the-art BCI-Experimente durch und arbeitest im Forschungskontext
Gruppensitzungen/PräsentationenRegelmäßige kurze Fortschrittsvorträge und Diskussionen mit Tutor und Gruppe
AbschlussberichtSchriftliche Zusammenfassung von Hintergrund, Motivation, Experimenten und Ergebnissen

Lehrmethode

Projektlaborermöglicht praktische Arbeit an aktuellen Forschungsprojekten
Tutor betreute Diskussionensichern Fortschritt, Feedback und die Planung von Folgeexperimenten
Einbindung in Forschungsgruppe mit Mentorfördert Integration in die Gruppe und Teilnahme an laufenden Projekten

Solltest du schon können

Erfahrung in Signalverarbeitung und Machine Learningempfohlen

Prüfung

ProjektarbeitSchriftlicher BerichtPräsentationLaborleistung

Die Prüfungsleistung besteht zu 100% aus Laborleistung und Diskussion. Du erstellst einen schriftlichen Bericht (15–25 Seiten) mit wissenschaftlichem Hintergrund, Motivation, Experimenten und Ergebnissen. Zusätzlich finden 2–4 kurze Fortschrittspräsentationen und regelmäßige Diskussionen mit dem zugeteilten Tutor statt. Gewichtung: Laborleistung/Diskussion 100%. Dauer und Hilfsmittel sind nicht gesondert angegeben.

Literatur

Liu Y - Towards a Hybrid P300-Based BCI Using Simultaneous fNIR and EEG
Khan MJ & Hong KS - Hybrid EEG-fNIRS-based eight-command decoding for BCI: Application to quadrocopter control
Fazli S et al. - Enhanced performance by a hybrid NIRS-EEG brain computer interface
Trakoolwilaiwan T. et al. - Convolutional neural network for high-accuracy functional near-infrared spectroscopy in a brain-computer-interface
Lawhern VJ et al. - EEGNet: a compact convolutional neural network for EEG-based brain-computer interfaces
Schirrmeister RT et al. - Deep learning with convolutional neural networks for EEG decoding and visualization

Filter

Project Laboratory Brain-Computer Interfaces

Worum geht's

Was du danach kannst

Aus was das Modul besteht

Lehrmethode

Modulbewertungen

Modul bewerten