EEG‑Signal decodiert selbstbestimmte Laufgeschwindigkeit bei Ratten – ohne Implantate
Forscher haben gezeigt, dass die Geschwindigkeit von Ratten, die sich auf einem nicht motorisierten Laufband frei bewegen, aus reinen EEG‑Messungen abgeleitet werden kann. Das neue Verfahren nutzt 32 Elektroden, die auf…
- Forscher haben gezeigt, dass die Geschwindigkeit von Ratten, die sich auf einem nicht motorisierten Laufband frei bewegen, aus reinen EEG‑Messungen abgeleitet werden kan…
- Das neue Verfahren nutzt 32 Elektroden, die auf dem Schädel platziert sind, und verarbeitet die Signale in Echtzeit mit rekurrenten neuronalen Netzwerken.
- Im Gegensatz zu bisherigen Studien, die meist auf motorisierten Laufbändern und invasiven Implantaten basierten, arbeitet die Methode mit selbstbestimmtem Tempo und ohne…
Forscher haben gezeigt, dass die Geschwindigkeit von Ratten, die sich auf einem nicht motorisierten Laufband frei bewegen, aus reinen EEG‑Messungen abgeleitet werden kann. Das neue Verfahren nutzt 32 Elektroden, die auf dem Schädel platziert sind, und verarbeitet die Signale in Echtzeit mit rekurrenten neuronalen Netzwerken.
Im Gegensatz zu bisherigen Studien, die meist auf motorisierten Laufbändern und invasiven Implantaten basierten, arbeitet die Methode mit selbstbestimmtem Tempo und ohne chirurgische Eingriffe. Dadurch eröffnet sich ein vielversprechender Weg, die neuronale Steuerung von Bewegung in natürlicher Umgebung zu verstehen und später in der Rehabilitation oder bei Prothesensteuerungen einzusetzen.
Die Analyse von über 133 Stunden EEG‑Aufzeichnungen zeigte, dass die Geschwindigkeit mit einer Korrelation von 0,88 (R² = 0,78) vorhergesagt werden kann. Besonders stark trugen die Elektroden im visuellen Cortex und niederfrequente (< 8 Hz) Oszillationen bei. Ein einmaliges Vortraining auf einer Sitzung ermöglichte die Anwendung des Decoders auf weitere Sessions desselben Tieres, was auf konsistente neuronale Signaturen hinweist. Die Übertragbarkeit zwischen verschiedenen Tieren blieb jedoch begrenzt.
Darüber hinaus deuten die Ergebnisse darauf hin, dass die aktuelle Gehirnaktivität nicht nur die momentane Geschwindigkeit, sondern auch vergangene und zukünftige Bewegungsdynamiken widerspiegelt. Diese Erkenntnisse legen nahe, dass das Gehirn kontinuierlich Informationen über die Bewegungssituation verarbeitet und damit eine Grundlage für fortschrittliche, nicht-invasive Brain‑Computer‑Interfaces bildet.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.