Processing

Please wait...

Settings

Settings

Goto Application

1. WO2007096269 - DEVICE AND METHOD FOR THE REAL-TIME CONTROL OF AN EFFECTOR

Note: Text based on automatic Optical Character Recognition processes. Please use the PDF version for legal matters

[ DE ]

12. Februar 2007 Albert-Ludwigs-Universität Freiburg U50875PC GS

Vorrichtung und Verfahren zur Echtzeit-Ansteuerung eines Effektors

Die Erfindung betrifft eine Vorrichtung und ein Verfahren zur Echtzeit-Ansteuerung eines Effektors.

Die Medizintechnik konnte in der Vergangenheit Patienten mit schweren Lähmungen nur sehr unzureichend helfen. Die in jüngster Zeit entstehende motorische Neuroprothetik zielt auf Patienten mit Lähmungen, bei denen eine organische Heilung nicht mehr möglich ist, obwohl der Kortex oder zumindest der Motorkortex als derjenige Bereich, der für die Kontrolle willkürlicher Bewegungen wesentlich ist, wenigstens noch teilweise intakt ist, die Nervenverbindungen zur Muskulatur aber unterbrochen sind - oder die Muskulatur/Gliedmaßen nicht mehr vorhanden sind. Die wichtigste und insgesamt sehr häufige Ursache für solche Lähmungen sind ischämische Hirninfarkte bzw. intrazerebrale Blutungen („Schlaganfall").

Ein besonders schwerwiegender Fall sind die so genannten locked-in-Patienten, denen durch eine vollständige Lähmung der Skelettmuskulatur (beispielsweise durch amyotrophe Lateralsklerose (ALS )/Muskelsch wund) oder einen Schlaganfall im Bereich des Hirnstamms jegliche willkürliche Bewegungsmöglichkeit genommen ist. Solche Patienten sind bei vollem Bewusstsein ihrer Lage zur reinen Passivität verurteilt. Genauso kann man aber auch an Patienten denken, die eine Extremität verloren haben oder die querschnitts gelähmt sind. Die Lähmung oder Behinderung hindert diese Patienten, intendierte Bewegungen auszuführen. Unter Bewegungen soll dabei hier und im folgenden nicht nur eine Bewegung im Sinne von Laufen verstanden sein, sondern jegliche Muskelbewegung wie eine Armbewegung, aber auch Mimik oder Sprache.

Daher wird versucht, die Bewegungsfähigkeit durch willentliche Ansteuerung einer Prothese mittels eigener Hirnsignale wiederherzustellen oder zu verbessern. Der Kern einer solchen Neuroprothese ist eine so genannte Hirn-Maschine-Schnittstelle (Brain Machine Interface, BMI). Deren Funktion ist, die neuronale Aktivität des Patienten in Befehle an die Prothese zu übersetzen.

Ein herkömmliches BMI-System basiert auf Elektroden, die auf den Kopf aufgesetzt werden und ein Elektroenzephalogramm (EEG) aufzeichnen. Dann wird dem Patienten beigebracht, durch willentliche Anstrengung bestimmte Aspekte der aufgezeichneten Hirnaktivität zu verstärken oder abzuschwächen.

Hier sind drei unterschiedliche Systeme bekannt, die jeweils bestimmte neuronale Aktivitäten ausnutzen:

A) Slow Cortical Potentials (SCPs)
SPCs sind langsame Spannungsänderungen über dem gesamten Kortex in Zeitintervallen von einer halben bis zehn Sekunden. Negative SCPs werden dabei typischerweise mit Bewegungen oder anderen Ursachen kortikaler Aktivierung, posi-tive SCPs dagegen mit verringerter kortikaler Aktivität assoziiert. Ein Patient kann in einem Training, das sich typischerweise über mehrere Wochen und Monate erstreckt, ein bewusstes Auf- und Absteuern der SCPs lernen. Diese auch von außen über das EEG diskriminierbare Information „auf oder „ab" kann dann nach Abschluss der Trainingsphase für eine einfache Cursorkontrolle verwendet werden. Die Nachteile sind ein langes und anstrengendes Training bei anschließend nur sehr geringer Übertragungsbandbreite: in der Dauer eines SPC in der Größenordnung mehrerer Sekunden lässt sich gerade ein Bit übertragen. Zudem ist diese Art der Kommunikation für den Patienten anstrengend und ermüdend.

B) P300 Mit gewöhnlichen Stimuli durchsetzte seltene oder besonders bedeutende Reize, die auditorisch, visuell oder somatosensorisch sein können, rufen (typischerweise im EEG über dem parietalen Kortex)einen Aktivitätspeak mit einer Zeitverzögerung von etwa 300ms gegenüber dem Stimulus hervor. Zeigt man dem Patienten eine Auswahl beispielsweise von Buchstaben und lässt diese einzeln nacheinander aufblinken, so ist die P300 am stärksten bei dem gewünschten Buchstaben. Ein wenig beschleunigen lässt sich das Verfahren, indem Buchstaben reihen- und spaltenweise gezeigt werden, wobei sich dann der Buchstabe aus der stärksten Spalte und der stärksten Zeile ergibt. Nachteil dieser Methode ist, dass sich nur von vorgegebenen Möglichkeiten auswählen lässt, und dass eine ganze Serie von Präsentationen bei hoher Aufmerksamkeit zur Auswahl nur eines Buchstaben verwendet wird.

C) Mu- und Beta- Rhythmus:
Die 8-12 Hz Mu- und 13-30 Hz Beta- Aktivität findet sich verstärkt über dem so-matosensorischen und motorischen Kortex. Bewegung oder Bewegungsvorbereitung gehen zumeist mit einer Verringerung von Mu- und Beta-Rhythmen einher, während nach einer Bewegung oder bei Entspannung meist eine Rhythmusverstärkung erfolgt. Es wurde gezeigt, das Probanden wiederum nach mehrwöchigem Training lernen können, die Stärke dieser Rhythmen zu steuern, zuletzt sogar unabhängig für Mu und Beta, so dass eine zweidimensionale Cursorkontrolle möglich war. Damit ist ein Fortschritt gegenüber den SPCs erreicht, der aber nur graduell ist und die Nachteile nicht ausräumt. Außerdem können Bewegungen die Mu-Rhythmen beeinflussen und damit die Genauigkeit der Steuerung vermindern. All diesen Methoden ist gemeinsam, dass ein willentliches Erreichen der entsprechenden Hirnaktivitäten in Training wie Anwendung eine hohe Konzentration erfordert und für den Patienten sehr ermüdend ist. Dabei ist zu berücksichtigen, dass der Patient ja häufig neben seiner Lähmung mit gravierenden anderen gesundheitlichen Problemen zu kämpfen hat.

Von einer Heilung im Sinne eines beiläufigen Beschäftigens mit anderen Dingen unter Nutzung einer Prothese, welche die verlorene Bewegungsfähigkeit ohne Mühe ersetzt, kann also keine Rede sein. Darüber hinaus benötigt die Erkennung der Hirnaktivität jeweils relativ viel Zeit und kann nur wenig Information übertra-gen (typischerweise zwischen 1-20 Bits pro Minute). Damit entsteht ein BMI mit einer sehr geringen Informationsübertragungsbandbreite. Komplexe und selbst noch einfache Bewegungen lassen sich auf diese Weise nicht steuern. Alltägliche Tätigkeiten wie das Schreiben eines einfachen Briefes kosten Stunden, wenn nicht Tage äußerster Konzentration.

Bekannt ist weiterhin, eine Prothese über die Aktivierung noch willkürlich kontrollierbarer Muskeln anzusteuern. Nachteilig hieran ist zum einen, dass der Patient sich nicht in der gewohnten Weise äußern kann, beispielsweise muss er sich daran gewöhnen, durch Augenblinzeln zu kommunizieren. Andererseits hat eine solche Lösung ein nur eingeschränktes Einsatzfeld und kann offensichtlich einem vollständig locked-in-Patienten nicht helfen.

Daher ist es Aufgabe der Erfindung, eine Möglichkeit der Kommunikation und Bewegungsfähigkeit zu schaffen, bei der ein Effektor mit hoher Informationsüber-tragungsrate in einer für den Patienten ungefährlichen und einfachen Weise aus dessen Hirnaktivität angesteuert wird.

Diese Aufgabe wird durch eine Vorrichtung gemäß Anspruch 1 bzw. ein Verfahren gemäß Anspruch 13 bzw. 21 gelöst. Vorteilhafte Weiterbildungen der Erfin-düng sind in den abhängigen Ansprüchen definiert.

Dabei geht die erfinderische Lösung zunächst von der Erkenntnis aus, dass herkömmliche BMI-Systeme ein beliebiges oder willkürlich trainiertes Signal verwenden, das mit dem originären bzw. eigentlichen biologischen Signal für die auszuführende Funktion nichts zu tun hat. Demzufolge dauert das Training oft lange und die Steuerung komplexer natürlicher Bewegungen wird verhindert oder ist zumindest stark erschwert. Deshalb geht die Erfindung von dem Prinzip aus, die natürlichen Aktivitätsmuster des Patienten auszunutzen, wie dieser sie bereits vor dem Verlust der eigenen Bewegungsfähigkeit erlernt hat. Für das Verständnis der erfinderischen Lösung ist zu ergänzen, dass unter „natürlichen neuronalen In-formationsverarbeitungsprozessen" solche zu verstehen sind, die eine direkte Repräsentation der zentralnervösen Verarbeitung bewegungsrelevanter Information beinhalten, wie sie auch bei gesunden Menschen stattfindet, und die also kein Training erfordern. Abzugrenzen sind dagegen „künstliche neuronale Prozesse", die eigens für die Steuerung des Effektors gelernt werden müssen oder die zwar einer natürlichen Aktivität des Gehirns entsprechen, wobei diese Aktivität aber ursprünglich vor dem Training keinerlei Bezug zu der zu erlernenden Bewegung hatte.

Ein Vorteil der Erfindung ist, die Übersetzung der natürlichen Signale einer Be-wegung in eine entsprechende Bewegung der Prothese mittels eines direkten, leicht trainierbaren Zugriffs auf die gewünschten Steuerungsmöglichkeiten in ihrer gesamten natürlichen Komplexität und Vielfalt zu ermöglichen. Das Training ist unmittelbar in der gewohnten Weise auf die Steuerung der Bewegung bezogen und daher motivierend, zielführend, nicht rasch ermüdend und insgesamt einfa-eher, da die von Kindheit an gelernten Aktivitätsmuster verwendet werden können. In der Anwendung wird der Patient deshalb auch nicht mit jeder zu übertragenden Information an das Künstliche und mühsam Erlernte erinnert.

Das erleichtert die Verwendung und die Akzeptanz einer Prothese in einem so ho-hen Maße, dass hier von einer wesentlich verbesserten Therapie im Sinne eines echten Schrittes zu einer Heilung gesprochen werden kann. Insgesamt verbessert der Patient, von den ganz persönlichen Vorteilen einer wiedergewonnenen Ausdrucksmöglichkeit abgesehen, auch in wirtschaftlicher Hinsicht seine Selbständigkeit, soziale Integration und sogar Erwerbsfähigkeit und verringert seine Ab-hängigkeit von Sozialleistungen und Pflege.

Vorteilhafterweise weist die Datenverarbeitungsanlage eine Empfangseinheit für die Eingangssignale sowie eine Ansteuerungseinheit zum Zuführen der Ansteue-rungssignale an den Effektor auf. Über diese zusätzlichen Einheiten kann die Datenverarbeitungsanlage dann mit den Komponenten für Informationsein- und -ausgäbe kommunizieren.

Vorteilhafterweise ist die Ableitelektrode für die Bestimmung der elektromagnetischen Eingangsignale aus neuronaler Populationsaktivität ausgebildet, insbesondere eine LFP (lokales Feldpotential)-, ECoG (Electrocorticographie)- oder EEG (Elektroenzephalographie)-Elektrode. Dies ermöglicht bei gutem Zugang zu den abzuleitenden Hirnarealen Messungen hoher Signalstabilität etwa gegen Erschütterungen oder sonstige Veränderungen bei Langzeitableitung sowie eine genaue Bewegungsvorhersage.

Bevorzugt ist die Ableitelektrode nichtinvasiv, wobei die Ableitelektrode im Betrieb außen auf der Kopfoberfläche, unter die Haut, unter die Schädeldecke auf das Hirngewebe aufgesetzt oder innerhalb eines Sulcus eingesetzt wird, ohne Hirngewebe zu verletzen. Invasive Verfahren können zwar einzelne Neuronen (SUA, single unit acitivity) oder Neuronengruppen (LFP) erreichen. Dies wird a-ber durch eine Verletzung erkauft, deren Folgen oft nicht absehbar sind. Deswegen und wegen der Infektions- und Operationsrisiken ist der Einsatz invasiver E-lektroden beschränkt.

Vorteilhafterweise bestimmt die Ableitelektrode im Betrieb bewegungsbezogene Eingangssignale aus für Bewegungen zuständigen Gehirnarealen, insbesondere von Informationsprozessen bei der Vorstellung, Planung, Ausführung oder Steuerung einer Bewegung im Motorcortex. Zwar können auch andere Eingangssignale sinnvoll einen Effektor steuern, etwa visuelle Signale. Dennoch liefern bewegungsbezogene Eingangssignale besonders der mit motorischer Steuerung befass-ten Gehirnareale die am besten geeigneten Eingangsdaten für eine Bewegungssteuerung.

Bevorzugt bildet in dem Training ein Durchlauf einer Standardbewegung einen

Trainingsschritt, und während jedes Trainingsschrittes werden die Eingangsignale als Trainingsdaten aufgezeichnet. Eine (vorgeführte, vorgestellte oder ausgeführ-te) Standardbewegung kann somit die Basis einer Bewegungsdatenbank bilden, für die jeweils die neuronale Aktivität gespeichert ist. Das kann nicht nur zu einer unmittelbaren Verbesserung der Bestimmung des Vorhersagemodells genutzt werden, sondern auch viel später für eine erneute Kalibrierung, etwa wenn neue, also zu Zeiten des Trainings noch unbekannte, Vorhersageverfahren entwickelt oder bestehende Verfahren weiterentwickelt werden.

Noch bevorzugter ist ein Trainingsschritt ein Vorführen, Sich- Vorstellen und/oder Ausführen der Standardbewegung. Diese drei Schritte, wie unten noch näher erläutert, ermöglichen ein genaues und zielgerichtetes Training. Dabei wird auch die Plastizität des Gehirns ausgenutzt, weil nicht nur die Auswerteeinheit ihre Vorhersagegenauigkeit, sondern auch der Patient seine Vorstellung der intendierten Bewegung mittels Feedbacks aus der ausgeführten Bewegung seiner Prothese verbessert. Dadurch konvergieren intendierte und tatsächliche Bewegung von beiden Seiten rasch aufeinander zu.

Vorteilhafterweise wird der Zustand des Patienten während jedes Trainingsschrittes kategorisiert und gespeichert, und dieser Zustand beeinflusst die Gewichtung der jeweiligen Trainingsdaten bei der Bestimmung des Vorhersagemodells, insbesondere Gesundheit, Aufmerksamkeit oder Müdigkeit. Die Erfinder konnten zei-gen, dass die relevante Aktivität von solchen Zustandsparametern abhängig ist. Wenn das Vorhersagemodell sie berücksichtigt, kann es daher genauer werden und von dem Zustand des Patienten abhängige systematische Abweichungen richtig einordnen.

Vorteilhafterweise werden äußere Umstände während jedes Trainingsschrittes kategorisiert und gespeichert, und dieser Zustand beeinflusst die Gewichtung der jeweiligen Trainingsdaten bei der Bestimmung des Vorhersagemodells, insbesondere die Lage des Patienten - liegend, sitzend, stehend-, die Lichtverhältnisse oder die Umgebung. Diese äußeren Umstände beeinflussen ebenfalls die relevante Aktivität, so dass das Vorhersagemodell genauer wird, wenn es sie berücksichtigt.

Bevorzugt bleibt ein Teil der Trainingsdaten auf ein Nichtkorrektsignal hin unbe-rücksichtig oder wird gelöscht, und dieses Nichtkorrektsignal ist insbesondere eine festgelegte Standardbewegung. Wenn der Patient sieht, dass seine Intention falsch ausgeführt wurde, muss er eine Möglichkeit haben, die entsprechenden Trainingsdaten zu korrigieren. Besonders einfach gelingt ihm dies, wenn es auf eine - sicher gelernte - Standardbewegung hin möglich ist, weil er dann während des Trainings nicht auf ein ablenkendes und somit störendes anderes Eingabeverfahren angewiesen ist, das ihm im Extremfall wegen seiner Lähmung auch gar nicht zur Verfügung stehen mag.

Vorteilhafterweise verwendet das Vorhersagemodell die Standardbewegungen als Interpolationspunkte bei der Zusammensetzung neuer Bewegungen. Es wird selten möglich sein, alle möglichen Bewegungen zu trainieren. Mittels einer Interpolation lässt sich der gesamte Bereich möglicher Bewegungen bei möglichst weni-gen zu trainierenden Standardbewegungen ausschöpfen.

Vorteilhafterweise wird die Standardbewegung in eine Repräsentation einer Frequenz- und Phasenmodulation der Zeit- Frequenz-aufgelösten Bänder der Eingangssignale umgerechnet. Diese Parameter haben sich für eine schnelle und si-chere Vorhersage bewährt.

Bevorzugt ist der Effektor eine Prothese, ein eigenes Körperteil des Patienten oder eine Datenverarbeitungsanlage. Jeder dieser Effektoren hat seine Anwendungsgebiete und Vorteile. So kommt ein eigenes Körperteil nur in Frage, wenn es an sich noch intakt ist, und ein Rechner ermöglicht komplexes Verhalten bei nur geringem Informationsbedarf, etwa das Auslösen eines Notfallsignals.

Vorteilhafterweise weisen die Ansteuerungssignale eine Zielvorgabe auf, welche von dem Effektor in eine Aktion oder Bewegung einschließlich nicht in den An-steuerungssignalen enthaltener Zwischenzielvorgaben umgerechnet werden. Der Patient muss dann bei einer intendierten Bewegung nicht alle Zwischenstationen ansteuern, wodurch auch die korrekte Vorhersage erschwert würde. Einfache physikalische Gesetze bestimmen häufig die genauere Bewegung, und diese Details können von der Auswertungseinheit oder einer Elektronik in dem Effektor unabhängig von der Vorhersage bestimmt werden.

Bevorzugt ist ein Verstärker zwischen der Ableitelektrode und der Empfangseinheit vorgesehen, der die Eingangssignale filtert und/oder verstärkt. Die neuronalen Signale, welche die Elektroden ableiten, bedürfen oftmals einer Aufbereitung, ehe mit ihrer Auswertung begonnen werden kann. Dadurch erhöht sich wiederum die Vorhersagegenauigkeit.

Das erfinderische Verfahren zeigt ähnliche und weitere Merkmale und Vorteile, wie sie beispielhaft, aber nicht abschließend, in den sich anschließenden Unteransprüchen beschrieben sind.

Die Erfindung wird nachstehend auch hinsichtlich weiterer Merkmale und Vorteile unter Bezugnahme auf die beigefügte Zeichnung detailliert beschrieben. Die Zeichnung zeigt in:

Fig. 1 eine schematische Übersichtsdarstellung der Erfindung; Fig. 2 eine Draufsicht auf die Trägeroberfläche mit einer Vielzahl
von Einzelelektroden einer bevorzugten Ausgestaltung der
Ableitelektrode;
Fig. 3 eine schematische Darstellung der Signalübertragungsschnittstelle für eine Ausführungsform der Erfindung;

Fig. 4 neuronale Aktivitätssignale für eine Bewegung bei drei verschiedenen Zuständen des Probanden;
Fig. 5 Decodierwahrscheinlichkeiten für drei verschiedene Varianten, den Zustand des Probanden im Vorhersagemodell zu be- rücksichtigen;
Fig. 6 eine beispielhafte Schemadarstellung für die Umrechnung
von neuronalen Signalen/Daten in Steuerungssignale für einen Effektor mit Hilfe eines Vorhersagemodells;
Fig. 7 eine Darstellung einer Armprothese als Beispiel eines Effek- tors, der von einer Ausführungsform der Erfindung angesteuert werden kann;
Fig. 8 ein Flussdiagramm des erfindungsgemäßen Verfahrens bei
der Anwendung;
Fig. 9 ein Flussdiagramm des erfindungsgemäßen Verfahrens zum
Aufbau der Datenbank; und
Fig. 10 einen Überblick über das erfindungsgemäße System und
Verfahren.

Fig. 1 zeigt eine Übersicht des Aufbaus einer erfindungsgemäßen Neuroprothese. Die jeweiligen Einzelheiten der Komponenten werden dann weiter unten näher beschrieben. Eine Ableitelektrode 1 zur Ableitung der neuronalen Aktivität der Großhirnrinde (Cortex cerebri) 2 eines menschlichen Gehirns ist unter dem Schädel eines Patienten eingesetzt oder, in alternativen Ausführungsformen, unter die Kopfhaut oder auf der Kopfoberfläche aufgesetzt.

Die Ableitelektrode 1 misst die neuronale Aktivität und leitet sie über eine Si 1Sg1nal-schnittsteile 3 als elektromagnetische Eingangssignale an einen Verstärker 4 weiter, der vorzugsweise als Mehrkanalverstärker ausgebildet ist. Der Verstärker verstärkt und filtert die elektromagnetischen Eingangssignale der Ableitelektrode 1 mit hoher zeitlicher Auflösung und leitet die derart vorverarbeiteten Signale in Echtzeit an einen Auswertechip, einen Computer oder dergleichen System 5 zur Signalverarbeitung weiter. Dort werden die Signale in Echtzeit mit Hilfe eines Vorhersagemodells klassifiziert und entsprechende Steuersignale erzeugt. Auf funktioneller Beschreibungsebene wird hier für bestimmte, trainierte Willkürbewegungen des Patienten, die dieser nicht mehr selbst ausführen kann, die Hand-lungsintention aus den Aktivitätssignalen bestimmt.

Mit Hilfe der Steuersignale wird ein Effektor 6 angesteuert. Dabei kann es sich um eine klassische Prothese, also eine mechanische Nachbildung eines Körperteils, aber auch um eigene Körperteile handeln. Denkbar ist darüber hinaus ein virtueller Befehl wie der an einen Computercursor oder eine Menüauswahl. Umgekehrt kann der Effektor 6 Effektorzustandssignale an das System 5 zurückgeben, um ein Feedback der Effektorsteuerung zu ermöglichen.

Es gibt eine ganze Reihe von Ableitverfahren, mit denen die Aktivität von Neuro-nen durch eine Ableitelektrode 1 elektromagnetisch gemessen wird. Dabei ist die Ableitelektrode 1 in der praktischen Anwendung als Multielektrode ausgebildet.

Für gewöhnlich wird dabei die elektrische Spannung aufgezeichnet. Zu unterscheiden sind dabei invasive und nichtinvasive Verfahren abhängig davon, ob die Ableitelektrode 1 in den Körper oder gar in das Hirngewebe eindringt und es dabei notwendigerweise verletzt. Zu den invasiven Verfahren zählt die Einzelzellableitung (SUA, single unit activity), bei der die Ableitelektrode 1 in die Nähe eines einzelnen Neurons gebracht wird oder sogar dort eindringt, sowie die Bestimmung lokaler Feldpotentiale (LFP, local field potential), bei der die Ableitelektro-de 1 das maßgeblich von den benachbarten Neuronen bestimmte elektrische Potentialfeld aus ihrer Umgebung misst. Die invasiven Verfahren erlauben, tiefere Schichten des Gehirns zu erreichen und (räumlich aufgelöst) genauere Messdaten zu erhalten. Dies wird aber durch eine teilweise Zerstörung des Hirngewebes mit oft unvorhersagbaren Folgen für den Patienten erkauft. Darüber hinaus bereitet es Schwierigkeiten, die Ableitelektrode 1 stabil in ihrer Position zu halten, um konstant Daten derselben Neuronen zu erhalten.

Unter die nichtinvasiven Verfahren fällt die Elektroenzephalographie (EEG), die bei Anbringung der Ableitelektrode 1 außerhalb des Schädels eine besonders einfache Anwendung ermöglicht, aber dafür nur (räumlich) gering aufgelöste Daten liefern kann. Obwohl alle angesprochenen Verfahren für die Erfindung eingesetzt werden können, werden in einer bevorzugten Ausführungsform epikortikale Feldpotentiale gemessen (mittels ECoG, Electrocorticographie). Dabei ist die Ableitelektrode 1 eine dünne Folienelektrode, wie in Fig. 2 dargestellt, welche subdural oder epidural über einem oder mehreren ausgewählten Gebieten der Großhirnrin-de 2 implantiert wird. Es ist alternativ denkbar, die Ableitelektrode 1 außerhalb des Schädels unterzubringen. Beim Einsatz über mehreren Gebieten wird eine entsprechende Vielzahl von wie hier beschrieben gestalteten Ableitelektroden 1 verwendet.

Versuchsergebnisse der Erfinder zeigen, dass solche dünnen Folien gegenüber standardmäßig in der klinischen Diagnose verwendeten Elektroden höherer Dichte vorteilhaft für den BMI-Einsatz wären. In einer speziellen Ausführungsform ist die Ableitelektrode 1 in einer Furche (Sulcus) des Gehirns eingesetzt. Damit können auch Bereiche des Gehirns erreicht werden, die nicht an dessen äußerer Ober-fläche liegen, ohne Hirngewebe zu verletzen. Diese Anordnung wird in der einleitend genannten Schwesteranmeldung genau erläutert.

Die Gestalt der bevorzugten Folienelektrode als Ableitelektrode 1 soll nun anhand von Fig. 2 näher erläutert werden. Die Ableitelektrode 1 weist einen Träger Ia aus flexiblem oder elastischem Material auf. Als Material bieten sich Polyimid oder Silikon wegen ihrer Verträglichkeit bzw. Biokompatibilität, leichten Verarbeit-barkeit und Unempfindlichkeit an. Genauso ist aber auch jedes andere Material geeignet, das die erforderliche Flexibilität und Biokompatibilität besitzt, d.h. welches das Hirngewebe auch noch bei Langzeiteinsatz nicht beeinträchtigt. Das Ma-terial sollte darüber hinaus natürlich nicht leitend sein. Es sollte in einfacher Weise ermöglichen, dem Träger seine individuelle Form zu geben, also beispielsweise leicht zurechtzuschneiden zu sein. Schließlich muss der Träger elastisch und dünn genüg sein, meist bei einer Dicke «lern. Um kein Gewebe zu verletzen, hat der Träger abgerundete Kanten.

Auf dem Träger befinden sich eine Reihe von Elektroden Ic, welche jeweils einzeln mit einem Kabel Ib verbunden sind, über das Signale nach außen geleitet werden können. Der Träger Ia ist in grober Näherung rechteckig dargestellt. In der Anwendung wird es oft vorteilhaft sein, ihn an das abzuleitende Gebiet anzupassen.

Die Elektroden Ic sind als Kontaktpunkte matrixförmig angeordnet. Leiterbahnen Ie im Inneren des Trägers Ib verbinden jede Elektrode Ic einzeln und ohne Überlappung ihrer jeweiligen Leiterbahnen Ie mit dem Kabel Ib für den Signalaustausch. Die Herstellungsmöglichkeiten solcher Leiterbahnen Ie und Möglichkei-ten ihrer Anordnung kennt der Fachmann.

Auch Elektroden können aus verschiedenem Material hergestellt werden, insbesondere Gold, Platin, einer metallischen Legierung oder auch aus leitenden Kunststoffen sowie Halbleitermaterialien. Der Träger Ia kann eine Größe von weniger als einem bis zu mehr als zehn Zentimetern annehmen. Die Elektrodenkontakte sind mit einer typischen Dichte von 1 bis zu etwa 1000 Elektrodenkontakten pro cm2 ausgelegt. Eine höhere Dichte an Elektrodenkontakten verbessert die Signalauflösung, erhöht aber natürlich den Aufwand nicht nur der Herstellung der Elektroden Ic, sondern auch den der Verstärkung und den Rechenaufwand der Ansteu-erung. Zu beachten ist hierbei auch der erhöhte Energiebedarf bei drahtloser Übertragung vieler Kanäle einer großen Elektrodenzahl. Die Energieversorgung kann durchaus zum limitierenden Faktor werden.

Selbstverständlich kann die Anordnung je nach Bedarf von der hier dargestellten mit gegeneinander versetzten Reihen abweichen. Hier ist praktisch jede Anordnung einer Punkteschar auf einer (Ober)fläche möglich.

Vorteilhafterweise verletzt dieser Träger das Hirngewebe im Gegensatz zu eindringenden Elektroden nicht. Damit wird auch eine bessere Langzeitstabilität der Signalerfassung erreicht, weil die in das Hirngewebe eindringenden Elektroden zu einer lokalen Gewebezerstörung und damit dem Erlöschen lokaler neuronaler Aktivität führen können. Je nach Anwendung kann der Träger Ia mit den Elektroden Ic auch sehr klein sein («lern). In diesem Fall ist die Operation, mit der der Träger Ia dem Patienten eingesetzt wird, mit geringem Aufwand und sehr geringer Beeinträchtigung des Patienten möglich.

Diese Operation, mit welcher die Ableitelektrode 1 eingesetzt wird, bedarf einer spezifischen prächirurgischen Diagnostik und OP-Planung. Einer der wichtigsten Aspekte ist, das exakte Zielgebiet für eine Implantation zu bestimmen, welches aufgrund der starken inter-individuellen neuroanatomischen Variabilität des menschlichen Gehirns nicht a priori festgelegt werden kann. Nur in Ausnahmefällen wäre ein Einsetzen an einer Stelle erwünscht, die nicht zuvor individuell bestimmt wurde. Zwar kennt man allgemeine Kartierungen des Gehirns und weiß daher, wo bestimmte funktionelle Areale grob zu finden sind. Im spezielleren Beispiel des Motor- und des somatosensorischen Kortex ist sogar die Anatomie des Menschen örtlich nachgebildet, und einzelne Körperteile sind räumlich distinkten Gebieten des Kortex zugeordnet. Für den einzelnen Patienten ist dieses Vorwissen zumeist dennoch nicht genau genug.

Eine exakte Lokalisation der Zielgebiete für einen individuellen Patienten wird daher präoperativ durch Anwendung funktioneller Magnetresonanztomographie (fMRT) vorgenommen. Hierbei wird ortspezifische Aktivierung des Gehirns gemessen, während der Patient die Steuerung des Effektors versucht, sich vorstellt oder beobachtet, und so der Implantationsort mit hoher räumlicher Genauigkeit bestimmt werden kann. Ergänzend kann, zur Verbesserung der Lokalisation, eine EEG-Messung mit anschließender Quellenrekonstruktion während derselben mo- torischen Paradigmen (Versuchen, Vorstellen oder Beobachten der Effektorsteuerung) durchgeführt werden.

Figur 3 zeigt eine bevorzugte Ausführungsform der Signalschnittstelle 3. Alterna-tiv kann als Lösung eine Datenübertragung durch Kabel stattfinden, wie sie bisher in der neurochirurgischen Diagnostik standardmäßig angewendet wird. Eine dauerhafte Kabelverbindung durch die Körperoberfläche birgt allerdings ein erhöhtes Infektionsrisiko und ist auch unter kosmetischen und praktischen Gesichtspunkten wenig attraktiv. Bei der hier beschriebenen bevorzugten Ausfüh-rungsform erfolgt die Signalübertragung zwischen Elektrode und Verstärker durch induktive Energieübertragung ohne transkutane Kabel Verbindung.

Das drahtlose Signalübertragungssystem 3 ist zweigeteilt in je einen Anteil oberhalb und unterhalb der Hautoberfläche 3a. Von der äußeren Sen-de/Empfangseinheit außerhalb des Körpers, also hier oberhalb der Hautoberfläche 3a dargestellt, ist nur stellvertretend eine Spule 3b gezeigt. Diese äußere Sende/Empfangseinheit kann in einer Ausführungsform lediglich Daten an den Verstärker 4 oder das Rechnersystem 5 drahtlos oder per direkter Kabelverbindung vermitteln. Denkbar ist auch eine alternative Ausführungsform, bei der Verstärker 4 und/oder Rechnersystem 5 teilweise oder vollständig in einem Chip enthalten ist, der auf der Schädeloberfläche oder einem anderen geeigneten Ort am Körper untergebracht ist. Welche Ausführungsform jeweils bevorzugt wird oder überhaupt umsetzbar ist, hängt von der Komplexität der Anwendung ab. Derzeit ist zumindest eine kompakte Sende/Empfangseinheit an einen externen Verstärker 4 bzw. ein Rechnersystem 5 über nahezu beliebige Entfernungen (Mobilfunk, Bluetooth, WLAN) technisch ohne weiteres möglich.

Einer der genannten Übertragungswege kann auch für den Datenaustausch mit dem Effektor 6 genutzt werden. Im Falle einer Ansteuerung eines gelähmten na-türlichen Körperteils kann eine weitere zweiteilige Signalübertragungsschnittstelle ähnlich der hier beschriebenen in dem jeweiligen Körperteil eingesetzt werden.

Da die äußere Sende/Empfangseinheit leicht zugänglich ist, kann sie auch der fortschreitenden Technik angepasst bzw. ausgetauscht werden, ohne dass ein erneuter operativer Eingriff erforderlich wird.

Unterhalb der Hauptoberfläche 3a ist als Gegenstück zu der äußeren Sende/Empfangseinheit ein Multifunktionschip 3c als innere Sende/Empfangseinheit eingesetzt. Dieser Multifunktionschip 3c weist eine Empfängereinheit 3c 1, eine Sendereinheit 3c2 und optional eine Batterieeinheit 3c3 auf. Über das Kabel Ib werden die Signale von den Elektroden Ic des Trägers Ia der Sendereinheit 3c2 bzw. der Empfangseinheit 3c 1 zugeführt.

Im Betrieb überträgt die Spule 3b der äußeren Sende/Empfangseinheit Energie und eventuelle Steuersignale für die Ableitelektrode 1 induktiv über Hochfrequenzsignale an die Empfangseinheit 3c 1. Solche Steuersignale können An- und Abschaltbefehle oder etwa eine Abfrage nach dem Energiezustand der Batterie 3c3 sein. Die Schnittstelle eignet sich grundsätzlich auch für die Übertragung von Stimulationssignalen an die Ableitelektrode 1.

Der Multifunktionschip 3c bestimmt die aufmodulierten Steuer- oder die genann-ten Stimulationssignale in aus der Nachrichtentechnik bekannter Weise. Die E-nergie für die erforderlichen Rechenoperationen von Steuerungseinheiten in dem Multifunktionschip 3c werden aus den Hochfrequenzsignalen bezogen. Alternativ kann Batterie 3c3 bzw. ein Akkumulator induktiv über die Hochfrequenzsignale aufgeladen werden, so dass die Energieversorgung zeitlich von der Übertragung an der Schnittstelle entkoppelt ist. Dabei ist natürlich zwischen Auflade- und Stimulationssignalen zu trennen, etwa durch Zeitfenster oder durch getrennte Frequenzbänder.

Umgekehrt werden Signale der Messelektroden Ic über das Kabel Ib an die Sen-dereinheit 3c2 übertragen und dort, bevorzugt im Signalband von 402-405 MHz des MICS (Medical Implantable Service Band), auf die Spule 3b oder ein für den Empfang ausgelegtes Gegenstück der nur stellvertretend dargestellten Spule 3b übertragen.

Bisher wurde die Übertragungsschnittstelle so beschrieben, dass die Sendeleistung der Sendeeinheit 3c2 nur bis zu der Spule 3b der äußere Sende/Empfangseinheit reicht. Alternativ könnte die Sendeeinheit 3c2 auch direkt an den Verstärker 4 senden, der möglicherweise sogar nicht auf der Schädeloberfläche aufsitzt. In diesem Fall ist die Energieversorgung des Multifunktionschips 3c entweder durch langlebige Batterien (derzeit technisch nicht zufrieden stellend) oder eine Aufla-demöglichkeit etwa in der beschriebenen Weise durch Induktion oder durch Ausnutzung köpereigener Energiequellen sicherzustellen.

Die Eingangssignale der Ableitelektrode 1 sind für den Verstärker 4 nunmehr außerhalb des Schädels zugänglich. Der Verstärker 4 arbeitet die Eingangsignale in bekannter Weise auf. Dabei können zusätzlich zu einer Verstärkung Hoch-, Tief-, oder Bandpassfilter zum Einsatz kommen (beispielsweise Savitzky-Golay- , But-terworth- oder Chebychevfilter). Vorteilhaft ist eine hohe zeitliche Auflösung für Echtzeit-Übertragung, idealerweise liegt die Abtastrate bei mehr als 200 Hz, geringere Werte sind jedoch nicht ausgeschlossen. Die derart vorverarbeiteten Ein-gangssignale werden dann zur Auswertung an das System 5 weitergeleitet.

Die Funktion des Systems 5 ist, aus den Eingangssignalen Steuerungssignale für den Effektor 6 zu berechnen. Dabei können zwei Phasen unterschieden werden, nämlich eine Trainings- und eine Anwendungsphase. Dabei kann die Anwendung immer wieder von erneutem Training zur Verbesserung oder zum Erlernen weiterer Ansteuerungen unterbrochen werden. Das Training dient der Bestimmung eines Vorhersagemodells, mit dessen Hilfe das System 5 dann während der Anwendung die Bewegungsabsicht des Patienten erkennt und entsprechende Steuerungssignale errechnet.

Ziel des Trainings ist es, dem System 5 die erforderlichen Daten zur Klassifikation von Standardbewegungen einzugeben, um das Vorhersagemodell zu bestimmen. Dazu wird für den einzelnen Trainingsschritt eine Standardbewegung ausgewählt, die der Patient dann in einem von drei Szenarien vorgeführt bekommt, sich vorstellt oder versucht, den Effektor 6 anzusteuern. Erwiesenermaßen ruft dies ähnliche Eingangssignale wie bei einer natürlichen, selbst ausgeführten Steuerung hervor. Sofern die Lähmung noch eine (Rest-)bewegung zulässt, kann natürlich auch die tatsächliche Bewegung verwendet werden. Dies ist unter anderem vorbereitend bei nicht plötzlich eingetretenen Lähmungsursachen wie vor operati-ven Amputationen oder langsam fortschreitenden Erkrankungen wie Muskelschwund denkbar.

In dem Trainingsparadigma liegt ein wichtiger Aspekt der Erfindung. Der Patient muss nicht unter ermüdender Aufbietung höchster Konzentration einen von dem Auswertungsverfahren vorgegebenen Zustand neuronaler Aktivität hervorrufen, der unter natürlichen Bedingungen nicht zur Steuerung der zu kontrollierenden Funktion dient, wie herkömmlich und in der Einleitung beschrieben. Stattdessen greift er ganz natürlich auf seine längst im Laufe seines Lebens erlernten Aktivitätsmuster zurück. Subjektiv tut der Patient damit sowohl während des Trainings als auch während der Anwendung nichts anderes, als wolle er ganz wie vor der Erkrankung die gesunden Muskeln ansprechen.

Während jedes mehrfach zu wiederholenden Trainingsschritts speichert das System 5 die eingehenden Hirnsignale und kann so später Hirnsignale bestimmten Bewegungen zuordnen.

Dies soll anhand einer Arm-/Handprothese näher erläutert werden. Eine zu trainierende Standardbewegung wird vom Patienten festgelegt, entweder durch Auswahl aus einem Computermenü oder durch Kommunikation mit einer Hilfskraft. Bei-spiele für Standardbewegungen mit der genannten Arm-Handprothese können sein: Hand öffnen - Hand schließen, Arm in verschiedene Richtungen bewegen und zurückführen, oder die Hand mit verschieden starker Kraft schließen.

Jetzt werden die drei verschiedenen Trainingsdatensets erzeugt. Zuerst wird dem Probanden wiederholt die gewählte natürliche Standardbewegung gezeigt. Die abgeleiteten Hirnsignale in einem Zeitintervall ab etwa einer Sekunde vor bis nach Abschluss der Standardbewegung ergibt einen Datensatz für das erste Trainingsdatenset der Matrix. Durch wiederholtes Aufzeichnen bei Vorführung der gewählten und der übrigen zu erlernenden Standardbewegungen entstehen die weiteren Datensätze, die gemeinsam das vollständige erste Trainingsdatenset bilden.

Danach gibt ein Computerprogramm dem Probanden wiederholt vor, sich nacheinander die Standardbewegungen vorzustellen, und die währenddessen abgeleiteten Hirnsignale ergeben das zweite Trainingsdatenset. Im dritten Schritt gibt ein Computerprogramm dem Probanden vor, die Standardbewegungen zu versuchen. Die währenddessen abgeleiteten Hirnsignale ergeben das dritte Trainingsdatenset.

Optimiert wird das Training nun durch ein Feedback über die Anzeige der Genauigkeit, mit der das Vorhersagemodell die während jedes Versuchs abgeleiteten Hirnsignale der angezeigten Standardbewegung richtig zuordnen kann. So merkt der Proband direkt, wie gut er eine Bewegung schon gelernt hat, und sein Gehirn hat die Möglichkeit, sich an den Effektor 6 anzupassen. Mit anderen Worten: es verbessert sich nicht nur das System 5 durch das Training, sondern auch der Patient aufgrund der neuronalen Plastizität. Wichtig ist, dass dies nicht aufgrund an-strengender künstlich zu erzeugender Aktivitätsmuster geschieht. Das subjektive Gefühl des Patienten entspricht viel eher dem natürlichen Vorgang, wie üblicherweise eine neue motorische Fähigkeit gelernt wird - etwa das Schwimmen oder Fahrradfahren. Wegen der Effizienz des Feedback-Lernens werden im weiteren Verlauf die Daten des dritten Trainingssets zunehmend stärker gewichtet als die der beiden anderen Trainingssets.

AIs letzter Teil des Trainings erfolgt die Wiederholung des dritten Teiles, aber unter verschiedenen subjektiven Bedingungen (z.B. vorbereitet und unvorbereitet, wach und schläfrig) und objektiven Bedingungen (z.B. Lichtverhältnisse, Haltung wie sitzend, stehend, liegend). Dadurch entsteht ein erweitertes drittes Trainingsset, mit dessen Hilfe sich der Trainingserfolg und die Genauigkeit der Vorhersage weiter verbessern und eine robustere Zuordnung der Hirnsignale unter verschiedenen Umständen gewährleisten lässt. Die subjektiven Bedingungen werden auch als Zustände bezeichnet, die objektiven Bedingungen als Umstände.

Fig. 4 zeigt die gemessene Aktivität eines bestimmten Neurons über der Zeit für ein und dieselbe Bewegung bei drei verschiedenen Zuständen 1, 2, 3 des Versuchstieres. Wie aus den drei Diagrammen zu erkennen ist, unterscheiden sich die neuronalen Aktivitäten bzw. Signalmuster beträchtlich, insbesondere auch wäh-rend der Bewegungsdurchführung. Die gemessenen Signalmuster werden deshalb mit Bezug zu den trainierten Bewegungen und den Zuständen klassifiziert und abgespeichert, z.B. in einer Datenbank.

Bei der Anwendung werden die gemessenen neuronalen Aktivitäten des Patienten mit den gespeicherten Signalmustern verglichen, um diejenige Bewegung zu ermitteln, die sich der Patient vorstellt, die er also mit dem Effektor auszuführen beabsichtigt. Hierbei werden, wenn möglich, auch die Bedingungen - äußere und innere - erfasst.

Wählt man einen allgemeinen wahrscheinlichkeitstheoretischen Ansatz nach Bay-es, so bedeutet dies, dass das Modell für die Bewegungsvorhersage B aus neuronaler Aktivität N,
P(BIN)=P(B) * P(N)"1 * P(NIB)
für eine optimale Bewegungsvorhersage erweitert werden muss um den Zustand Z:
P(BIN5Z) = P(B) * P(ZIB) * P(Z)"1 * P(NIZ)"1 * P(NIB5Z).

Wie vorteilhaft es ist, das System 5 unter vielen verschiedenen Bedingungen zu trainieren und Signalmuster mit Bezug auf die Bedingungen und die vorgestellten Bewegungen verfügbar zu haben, zeigt Fig. 5. Dort sind, für zwei Lebewesen "Subjekt 1" und "Subjekt 2", die Wahrscheinlichkeiten der korrekten Decodierung von intendierten Bewegungen in Abhängigkeit der Zahl der verwendeten Neuronen (Signalmuster) für verschieden trainierte Vorhersagemodelle angegeben. Schwarze Balken geben die Decodierwahrscheinlichkeit an, wenn die Anwendung unter bekannten, also trainierten Bedingungen (Zuständen) erfolgt; mittelgraue Balken gelten für den Fall, dass die Zustände nicht bekannt sind, und alle drei trainierten Zustände quasi „zu einer großen trainierten Bedingung" kombiniert werden; hellgraue Balken bezeichnen den Fall, dass andere Bedingungen gelten als beim Training.

Wie man sieht, liefert der Fall, dass die Zustände bekannt und zugehörige Trainingsdaten dazu vorhanden sind (also Bewegungstrainingsdaten existieren), durchgängig die besten Ergebnisse. Werden viele Neuronen (Signalmuster) gleichzeitig gemessen, ist der mittelgraue Balken allerdings fast genauso gut. Das heißt, die Kombination der Trainingsdaten der drei verschiedenen Zustände kann den Verlust an Spezifität der zur Verfügung stehenden Trainingsdaten kompensieren.

Der Fall, dass nur Trainingsdaten zur Verfügung stehen, die in einem anderen Zustand gewonnen worden (hellgraue Balken), liefert durchgängig deutlich schlech-tere Ergebnisse. Zum Beispiel liegt bei Subjekt 1 selbst bei 100 Neuronen nur eine Genauigkeit von knapp 70 % vor, gegenüber 97 % bzw. 96 % wenn Trainingsdaten des gleichen Zustands vorliegen bzw. wenn die Trainingsdaten aller Zustände kombiniert werden.

Fig. 10 fasst die Wirkungsweise des Systems 5 bei der Anwendung, also im „normalen Betrieb", zusammen. Es wird die neuronale Aktivität im Gehirn unter Er- fassung der Bedingung bzw. Kondition X gemessen. Sofern für die Kondition X bzw. den Zustand X im System Trainingsdaten (also Trainingssignalmuster) vorhanden sind, werden diese für die Ermittlung der Bewegungsvorhersage bzw. der Bewegungsansteuerungssignale für den Effektor 6 verwendet. Sofern hingegen keine Trainingsdaten für die Kondition X im System vorhanden sind, werden vorhandene Trainingsdaten ähnlicher Konditionen für die Ermittlung der Bewegungsvorhersage verwendet. Ist die Kondition X unbekannt, etwa weil sie nicht erfasst wird, werden alle Trainingsdaten, die im System vorhanden sind, für die Ermittlung der Bewegungsvorhersage verwendet.

Wie oben dargelegt, ist die Bewegungsvorhersage umso besser, je mehr Konditionen und hierzu zugeordnete Trainingsdaten im System 5 eintrainiert worden sind.

Der Patient kann außerdem jederzeit selbständig ein neues Trainingsprogramm für neue Standardbewegungen oder für bereits erlernte unter einem neuen Umstand starten. Schließlich kann der Patient ein ,Korrekt/Nichtkorrekt-Signal' trainieren, mit dessen Hilfe ein Trainingsneustart ermöglicht wird. Damit erhält der Patient eine Kontrolle, dem System 5 mitzuteilen, dass die Vorhersagegenauigkeit nicht den Ansprüchen genügt und ein erneutes Training erforderlich ist. Dieser Neustart könnte natürlich auch unabhängig von Standardbewegungen etwa über ein Computermenü befohlen werden. Wenn der Effektor 6 aber die einzige Kommunikationsmöglichkeit des Patienten ist, sollte er diese robuste Möglichkeit durch die eigens gelernte „Nichtkorrekt"-Standardbewegung haben, sich dem System 5 mitzuteilen. Alternative Nichtkorrekt- Signale sind originäre/natürliche Fehlersignale des Gehirns, die z.B. Auftreten können, wenn eine Zuordnung nicht stimmt.

Fig. 6 zeigt eine beispielhafte Schemadarstellung der Umrechnung von Eingangsignalen in Effektorsteuerungssignale mit Hilfe der Trainingsdaten. Auf der linken Seite sind beispielhaft drei Spannungsverläufe von drei Elektroden Ic gezeigt. Diese Spannungssignale werden zunächst als Eingangssignale im Verstärker 4 verstärkt und gefiltert. Die Filterfunktionalität kann auch in dem System 5 lokali- siert sein. Als eine beispielhafte Filtermethode - weitere sind oben im Zusammenhang mit dem Verstärker 4 genannt - werden die Spannungssignale in einem Bandpass gefiltert, anschließend über kleine Zeitfenster gemittelt und in kurze Zeitfenster eingeteilt. Die Aktivität wird dann mittels mathematischer Verfahren ausgewertet. Das Vorhersagemodell wird also einerseits durch Auswahl des mathematischen Verfahrens, andererseits durch Kalibrierung mittels der Trainingsdaten bestimmt. Somit wird die Vorhersage der beabsichtigten Bewegung durch das System 5 ermöglicht („intention prediction").

Typische mathematische Verfahren sind: (1) Vorverarbeitung der Signale, bspw. a) Filterung (beispielsweise Tiefpass oder Bandpass), b) Zeit-Frequenzanalyse (z.B. Fourier- Transformation oder Multi-Tapering) und/oder c) Binning und Mittelung im Zeitbereich; (2) Dekodierung der vorverarbeiteten Signale bspw. Dis-kriminantenanalyse (lineare, quadratische oder regularisierte) oder Support-Vektor-Maschine (linear oder radial basis function). Die genannten Methoden sind nicht erschöpfend. Insbesondere zur Dekodierung kontinuierlicher Bewegungen sind andere als die genannten Diskriminantenanalyse und Support- Vektor-Machine zu verwenden, beispielsweise lineare Filter oder Kaiman-Filter.

Das Ergebnis sind die rechts dargestellten Effektorsteuerungssignale, wobei hier beispielhaft zwei Effektoreinrichtungen, etwa zwei Motoren, und deren aufzubringende Leistung entsprechend ihrer Drehgeschwindigkeit dargestellt sind.

Zu betonen ist, dass das Vorhersagemodell nicht allein auf das Erkennen der be-grenzten Anzahl von Standardbewegungen begrenzt ist. Weitere Bewegungen können durch Inter- und Extrapolation der trainierten und aufgezeichneten neuronalen Korrelate bei Standardbewegungen erkannt werden.

Der Effektor 6 setzt die von dem System 5 gelieferten Effektorsteuerungssignale in Bewegungen um. Es soll noch einmal wiederholt werden, dass Bewegungen in einem umfassenden Sinn zu verstehen sind, also auch eine Sprachansteuerung o-der die Mimik umfassen können.

Für den Effektor 6 kommen die drei oben genanten Gruppen in Betracht: ein me-chanisches Gerät wie ein Roboter, Roboterarm oder eine Prothese, ein eigenes Körperteil oder ein durch virtuellen Befehl eines Rechners angesteuertes elektrisches Gerät wie ein Computer, ein Mobilfunkgerät, ein Haushaltsgerät oder dergleichen.

Der erste Fall einer Prothese, also einer künstlichen Nachbildung eines Körperteils, wird im Folgenden anhand einer schematisch in Fig. 7 dargestellten Handprothese näher erläutert. Selbstverständlich kann jede Art von Prothese angesteuert werden.

Über eine Effektoreingangsleitung 6a 1 werden die Effektorsteuerungssignale von dem System 5 an den Effektor 6 übertragen.

Die Prothese weist ein Rotations System 6b 1 zum Drehen der Hand auf. Eine Steuerung eines Motors des Rotationssystems 6b 1 dreht die Prothese entsprechend den Effektorsteuerungssignalen. Außerdem weist die Prothese ein Greifsystem 6b2 mit Motor und Steuerung auf, das den Effektorsteuerungssignalen entsprechende Öffnungs- und Schließbewegungen eines Fingerteils der Hand ausführt. Es sollte erwähnt werden, dass zweckmäßigerweise nicht unbedingt versucht wird, alle Steuerungsdetails aus den neuronalen Daten zu ermitteln. Stattdessen könnte Sys-tem 5 auch nur die Art der intendierten Bewegung vorhersagen und dann selbstständig die erforderlichen Einzelschritte bestimmen.

Für die Generierung eines Feedbacks sind an dem Fingerteil Drucksensoren 6c angebracht. Deren ermittelte Effektorzustandssignale werden über eine Effekto-rausgangsleitung 6a2 an das System 5 zurückgegeben. Diese Daten könnten in einer Erweiterung der Erfindung als Stimulationsdaten an das Gehirn zurückgege- ben werden. Außerdem sollte das System 5 aber auch den Ist-Zustand der Prothese abfragen können, da die interne Repräsentation im System 5 damit nicht notwendig übereinstimmt. Das liegt nicht unbedingt an Ungenauigkeiten des Systems 5, sondern könnte auch durch eine von Außen einwirkende Störung, wie z. B. ein Anstoßen der Prothese, verursacht sein. Mittels des abgefragten Ist-Zustandes kennt das System dann wieder die Ausgangsposition für eine korrekte Bewegungsvorgabe.

Schließlich ist die Prothese noch von einer Verkleidung umgeben, die zweck-mäßigerweise das Aussehen einer menschlichen Hand nachahmt. Anzumerken ist, dass eine Handprothese hier nicht auf das Öffnen und Schließen beschränkt ist, sondern mit technisch fortgeschritteneren Prothesen im Rahmen der Erfindung auch die Durchführung komplexerer Bewegungen möglich ist.

In der zweiten Gruppe möglicher Effektoren 6 mit besonderer medizinischer Relevanz werden eigene Körperteile über funktionelle Elektrostimulation als Effektor 6 angesteuert, sofern nur die neuronale Verbindung zwischen Gehirn und dem Körperteil unterbrochen ist. Dabei werden entweder noch intakte Nervenzellen des Körperteils oder unmittelbar dessen Muskelfasern stimuliert. Ein etwaiges Feedback kann ebenfalls entweder über noch intakte körpereigene Druck-, Deh-nungs-, u.a. Rezeptoren oder mittels unterstützender Sensoren erfolgen, wie oben für den Fall der Prothesensteuerung beschrieben. Ebenso ist auch im Falle von unvollständigen Lähmungen, bei denen noch eine (schwache) Restbewegungsfähigkeit vorhanden ist, die Unterstützung dieser residuellen Bewegungen durch von Motoren getriebene mechanische Vorrichtungen denkbar.

Die dritte Gruppe der "virtuellen" Effektoren 6 ist besonders groß. Damit kann ein Computercursor oder eine Menüauswahl, aber auch das Einschalten des Lichts, das Absenden eines Notrufes etc. angesteuert werden.

Besonders interessant ist die Steuerung einer virtuellen Prothese. Dabei wird ein Körperteil dreidimensional auf einem Bildschirm dargestellt und durch neuronale Aktivität des Patienten oder Probanden gesteuert. Das erleichtert die Anpassung und Auswahl einer geeigneten Prothese erheblich.

Wenn man solche Steuerungs- und Stimulationsdaten einmal in computer-verarbeitbarer Form zur Verfügung hat, ist man natürlich dank des Internets nicht mehr auf räumliche Nähe angewiesen. Die anzusteuernden Effektoren müssen sich deshalb nicht in unmittelbarer räumlicher Nähe/Verbindung zu dem den Ef-fektor steuernden Individuum befinden. So könnte eine Prothese oder ein Roboter virtuell dargestellt und gesteuert werden, die tatsächlich an einem anderen Ort stehen. Anwendungen in der Medizin, bei der ein Chirurg aus der Ferne operiert, beim Militär, das Roboter hochpräzise steuern kann, ohne Menschen in Gefahr zu bringen, oder in Verseuchungs- oder sonst unzugänglichen Gebieten wie Kern-kraftwerken, der Tiefsee, dem All sind denkbar.

Fig. 8 fasst das erfindungsgemäße Verfahren zur Bewegungsansteuerung eines Effektors 6, der einem Lebewesen zugeordnet ist, zusammen. Das Verfahren weist die folgenden Schritte auf:
- Einen Schritt 810 des Empfangens von Eingangssignalen, die repräsentativ für neuronale Aktivitäten des Gehirns des Lebewesens sind;
Einen Schritt 850 des Gewinnens von Bewegungsansteuerungssignalen für den Effektor 6 auf der Basis der Eingangssignale,
wobei aus den Eingangssignalen Signalmuster ermittelt werden, Schritt 820, und aus den Signalmustern die Bewegungsansteuerungssignale auf der Basis eines Vorhersagemodells berechnet werden, und zwar in Schritten 830 und 840, bei denen, gemäß einem vorbestimmten Vorhersagemodell, ein Vergleichsprozess der ermittelten Signalmuster mit gespeicherten Trainingssignalmustern durchgeführt wird, die repräsentativ für durch das Gehirn des Lebewesens erzeugte neuronale

Aktivitäten mit Bezug auf trainierte Standardbewegungen sind und denen jeweils entsprechende schrittweise Bewegungen des Effektors 6 zugeordnet sind, Schritt 830, und
wobei diejenigen schrittweisen Bewegungen zum Gewinnen der Bewe- gungsansteuerungssignale verwendet werden, die denjenigen Trainingssignalmustern zugeordnet sind, die gemäß dem

Vergleichsprozess den ermittelten Signalmustern am ähnlichsten sind, Schritt 840.

Fig. 9 illustriert das Erfindungsgemäße Verfahren zum Aufbau einer Datenbank mit Daten eines Vorhersagemodells zur Verwendung für eine Bewegungsansteuerung eines Effektors 6, der einem Lebewesen zugeordnet ist. Das Verfahren weist die folgenden Schritte auf:
Einen Schritt 910 des Empfangens von Eingangssignalen, die repräsentativ für durch das Gehirn des Lebewesens erzeugte neuronale Aktivitäten mit Bezug zu trainierten Standardbewegungen des

Lebewesens sind;
Einen Schritt 920 des Abspeicherns der Einganssignale in der Datenbank als Trainingssignalmuster; und
Einen Schritt 930 des Zuordnens von schrittweisen Bewegungs- ansteuerungssignalen zu den Trainingssignalmustern entsprechend den jeweiligen Standardbewegungen.

Verwendete Bezugszeichen

1 Ableitelektrode
Ia Träger
Ib Kabel
Ic (Einzel)elektroden
Ie Leiterbahnen
2 Großhirn / Kortex
3 Signalschnittstelle
3 a Hautoberfläche
3b Spule der äußeren Sende/Empfangseinheit

3c Multifunktionschip
3c 1 Empfangseinheit
3c2 Sendeeinheit
3c3 Batterie/Akkumulator
4 Verstärker
5 System zur Auswertung und zentralen Steuerung

6 Effektor
6a 1 Effektoreingangsleitung
6a2 Effektorausgangsleitung
6b 1 Rotationssystem
6b2 Greifsystem
6c Drucksensoren
6d Verkleidung