Was eine Gehirn-Computer-Schnittstelle wirklich ist: vom EEG-Signal zur Entscheidung

Von Yasin TANIŞ

Eine Gehirn-Computer-Schnittstelle (englisch: brain-computer interface, BCI) ist ein System, das die Aktivität des Nervensystems misst und ohne den Umweg über die Muskeln in eine Ausgabe übersetzt, also in einen Befehl, eine Auswahl oder ein Steuersignal. Diese Definition ist weniger aufregend als die meisten Schlagzeilen, aber weitaus nützlicher. Denn sie sagt auch, was eine BCI nicht ist: Sie liest keine Gedanken Wort für Wort und versteht keinen Geist. Sie erkennt vorab definierte, bestimmte und messbare Muster und verknüpft sie mit ebenfalls vorab festgelegten Aktionen.

In diesem Beitrag verfolgen wir einen einzigen Weg durch ein solches System: den Weg über die Elektroenzephalografie (EEG), die verbreitetste nicht-invasive Methode. Von einer Spannung auf der Kopfhaut bis zu einer Entscheidung, die eine Maschine ausführen kann.

Woher das Signal kommt

Nervenzellen kommunizieren über elektrische und chemische Signale. Die Aktivität einer einzelnen Nervenzelle ist zu klein, um von außerhalb des Schädels gemessen zu werden. Was das EEG erfasst, ist die summierte Aktivität sehr großer Neuronenpopulationen in der Großhirnrinde, vor allem die langsamen postsynaptischen Ströme von Pyramidenzellen, die parallel zueinander ausgerichtet und gleichzeitig aktiv sind. Arbeiten genügend Neuronen synchron, durchdringt das entstehende Feld Hirngewebe, Flüssigkeit, Schädel und Haut und kommt an der Oberfläche als Spannung von einigen wenigen bis etwa hundert Mikrovolt an.

Daraus ergeben sich zwei Folgen. Erstens ist das zeitliche Auflösungsvermögen des EEG ausgezeichnet: Es kann Veränderungen im Millisekundenbereich verfolgen. Zweitens ist seine räumliche Auflösung schwach. Der Schädel verschmiert das Signal, und jede Elektrode sieht eine Mischung von Quellen aus einem großen Bereich. Wer eine BCI entwirft, arbeitet innerhalb dieser beiden Gegebenheiten.

Aufzeichnung: Elektroden, Verstärker, Zahlen

Die Elektroden werden meist nach dem internationalen 10-20-System auf der Kopfhaut platziert. Dieses Standardschema benennt Positionen wie Cz auf dem Scheitel oder O1 und O2 über dem visuellen Kortex. Nasselektroden senken die Impedanz zwischen Haut und Sensor mit einem leitfähigen Gel; Trockenelektroden lassen sich schneller anlegen, reagieren aber empfindlicher auf Bewegung und Kontaktqualität.

Weil das Signal so klein ist, ist der Verstärker mindestens so wichtig wie die Elektrode. Er misst jeden Kanal gegen eine Referenz, unterdrückt Störungen, die auf allen Kanälen zugleich auftreten, und gibt das Ergebnis an einen Analog-Digital-Wandler weiter. Typische Forschungssysteme tasten jeden Kanal 250- bis 1000-mal pro Sekunde ab. Von hier an ist das Hirnsignal ein Strom von Zahlen.

Bereinigung: Rauschen liegt in der Natur der Sache

Das rohe EEG stammt größtenteils nicht vom Gehirn. Lidschläge und Augenbewegungen erzeugen große, langsame Ausschläge im vorderen Kopfbereich. Kiefer- und Nackenmuskeln fügen schnelle, breitbandige Aktivität hinzu. Das Stromnetz hinterlässt ein gleichmäßiges Brummen bei 50 oder 60 Hertz. Lose Elektroden verursachen Drift und Sprünge.

Die Verarbeitung beginnt deshalb mit der Bereinigung: Bandpassfilterung, um den interessierenden Frequenzbereich zu erhalten, Notch-Filterung gegen Netzstörungen, Neureferenzierung sowie das Entfernen oder Korrigieren von Artefakten. Verfahren wie die Unabhängigkeitsanalyse (ICA) können manche Artefaktquellen, etwa Lidschläge, von der Hirnaktivität trennen. Manche Daten werden schlicht verworfen. Information, die an dieser Stelle verloren geht oder verfälscht wird, kann kein Algorithmus weiter hinten in der Kette zurückholen.

Ein nutzbares Muster finden

Eine BCI sucht nicht nach beliebigen Gedanken. Sie stützt sich auf Hirnantworten, die sich bekanntermaßen zuverlässig von der Kopfhaut aus messen lassen. Drei grundlegende Ansätze werden seit Jahrzehnten erforscht.

  • Das ereigniskorrelierte Potenzial P300. Erscheint zwischen häufigen, unwichtigen Reizen ein seltener, wichtiger Reiz, erzeugt das Gehirn etwa 300 Millisekunden später einen positiven Ausschlag. Ein Buchstabiersystem (Speller) lässt Zeilen und Spalten von Buchstaben aufleuchten; der Buchstabe, der eine P300 auslöst, ist der, auf den die Person achtet.
  • Steady-State visuell evozierte Potenziale (SSVEP). Der Blick auf ein Licht, das mit fester Frequenz flackert, erzeugt über dem visuellen Kortex Aktivität bei dieser Frequenz und ihren Vielfachen. Mehrere Ziele, die mit unterschiedlichen Frequenzen flackern, bedeuten mehrere mögliche Befehle.
  • Motorische Vorstellung. Sich eine Bewegung der linken oder rechten Hand vorzustellen, verändert über der gegenüberliegenden Seite des motorischen Kortex die Leistung der Rhythmen im Mu-Band (etwa 8–12 Hertz) und im Beta-Band (etwa 13–30 Hertz). Diese Veränderung lässt sich auch ohne jede tatsächliche Bewegung erkennen.

Hier hilft auch das allgemeine Vokabular des EEG: Delta unter 4 Hertz, Theta von 4 bis 8, Alpha von etwa 8 bis 13, Beta von 13 bis 30 und Gamma darüber. Diese Bänder sind Konventionen zur Beschreibung von Rhythmen, keine Schubladen, in denen jeweils eine einzige Funktion steckt.

Vom Muster zur Entscheidung

Sind die Daten bereinigt, wird das Signal in Epochen zerlegt, also in kurze Zeitfenster, die an einem Reiz oder einem Hinweisreiz ausgerichtet sind. Aus jeder Epoche extrahiert das System Merkmale: bei der P300 die Amplitude zu bestimmten Zeitpunkten, bei SSVEP die Leistung bei den Flackerfrequenzen, bei der motorischen Vorstellung die Bandleistung nach räumlicher Filterung. Für den letzten Fall ist das Verfahren der Common Spatial Patterns (CSP) ein Klassiker.

Die Merkmale gehen an einen Klassifikator. Die lineare Diskriminanzanalyse (LDA) ist nach wie vor ein verbreiteter und robuster Ausgangspunkt; daneben kommen Support Vector Machines, Verfahren auf Basis der riemannschen Geometrie und neuronale Netze zum Einsatz. Trainiert wird der Klassifikator in einer Kalibrierungssitzung, in der die Person bekannte Aufgaben ausführt; so lernt das System, wie das Signal dieser Person aussieht. Hirnsignale unterscheiden sich von Mensch zu Mensch und verschieben sich auch bei derselben Person von Tag zu Tag. Deshalb ist die Kalibrierung keine einmalige lästige Pflicht.

Die Ausgabe ist eine Entscheidung: dieser Buchstabe, jenes Ziel, links statt rechts. Die Leistung wird meist über die Genauigkeit und die Informationstransferrate in Bit pro Minute zusammengefasst. Bei nicht-invasiven BCIs sind diese Raten im Vergleich zu einer Tastatur bescheiden. Das ist kein Scheitern, sondern eine ehrliche Einschränkung.

Die Schleife schließen

Nützlich wird eine BCI, wenn ihre Ausgabe als Rückmeldung zur Person zurückkehrt: Ein Cursor bewegt sich, ein Buchstabe erscheint, ein Gerät reagiert. Menschen lernen, klarere Muster zu erzeugen, wenn sie das Ergebnis sehen können, und adaptive Systeme können ihre Modelle im laufenden Betrieb aktualisieren. Die Schnittstelle ist dann kein Sensor mehr, der an einem passiven Nutzer angebracht ist, sondern eine Schleife, in der sich Mensch und Maschine aneinander anpassen.

Was eine BCI nicht ist

  • Sie ist kein Gedankenlesen. Eine nicht-invasive BCI unterscheidet unter kontrollierten Bedingungen eine kleine Zahl trainierter Muster voneinander.
  • BCI ist nicht gleich BCI. Invasive Systeme mit Elektroden auf der Hirnoberfläche (ECoG) oder in der Großhirnrinde zeichnen weit reichhaltigere Signale auf, erfordern aber eine Operation. Das nicht-invasive EEG opfert Signalqualität zugunsten von Sicherheit und Zugänglichkeit.
  • Sie ist keine fertige Technologie. Tragekomfort, Einrichtungszeit, Robustheit außerhalb des Labors und Kalibrierungsaufwand sind nach wie vor offene technische Probleme.

Genau diese offenen Probleme sind der Grund, warum wir gleichzeitig an Elektronik, eingebetteten Systemen und Software arbeiten. Jede hier beschriebene Stufe, von der Elektrode bis zur Entscheidung, ist eine Stelle, an der ein besseres Design die ganze Schleife zuverlässiger machen kann.