| Modulbezeichnung: Gehirn-Computer-Schnittstelle |
| Modulbezeichnung (engl.): Brain-Computer Interface |
| Studiengang: Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2019 |
| Code: MST2.BCI |
| SAP-Submodul-Nr.: P231-0128 |
| SWS/Lehrform: 1V+3PA (4 Semesterwochenstunden) |
| ECTS-Punkte: 6 |
| Studiensemester: laut Wahlpflichtliste |
| Pflichtfach: nein |
| Arbeitssprache: Englisch/Deutsch |
| Prüfungsart: Projektarbeit mit Präsentation [letzte Änderung 04.03.2021] |
| Verwendbarkeit / Zuordnung zum Curriculum: BMT2613.BCI (P213-0150) Biomedizinische Technik, Bachelor, ASPO 01.10.2018, 6. Semester, Wahlpflichtfach KIB-BCI Kommunikationsinformatik, Bachelor, ASPO 01.10.2017, Wahlpflichtfach, informatikspezifisch MTM.BCI (P231-0128) Mechatronik, Master, ASPO 01.04.2020, Wahlpflichtfach, technisch MST2.BCI (P231-0128) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2019, Wahlpflichtfach MST2.BCI (P231-0128) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2020, Wahlpflichtfach PIB-BCI Praktische Informatik, Bachelor, ASPO 01.10.2017, Wahlpflichtfach, informatikspezifisch geeignet für Austauschstudenten mit learning agreement |
| Arbeitsaufwand: Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung. |
| Empfohlene Voraussetzungen (Module): Keine. |
| Als Vorkenntnis empfohlen für Module: |
| Modulverantwortung: Prof. Dr. Dr. Daniel Strauß |
| Dozent: Prof. Dr. Dr. Daniel Strauß [letzte Änderung 15.03.2021] |
| Lernziele: • Die Studierenden können das grundlegende Wissen der Biosignalverarbeitung im Zusammenspiel mit Bewegungen von kollaborativen Robotern anwenden. • Mithilfe ihrer fachübergreifenden Kenntnisse zu Programmierung und Biosignalverarbeitung können sie einfache Aufgaben für kollaborative Industrieroboter lösen und entsprechende Messungen der relevanten neuronalen Aktivität aufzeichnen, interpretieren und den Roboter steuern. • Die Studierenden lernen in ihren Projektaufgaben mit den Studierenden anderer Fachrichtungen (BMT, Informatik, Mechatronik) zusammen zu arbeiten und unterschiedliche Kompetenzen einzusetzen. • Die Studierenden erwerben neben den fachlichen Qualifikationen im (interdisziplinären) Projektteam Erfahrung bei der Übernahme von fachlicher und organisatorischer Verantwortung. • Als Studienteilnehmende lernen die Studierenden essenzielle Soft Skills im Umgang mit Probanden und Patienten. [letzte Änderung 11.03.2021] |
| Inhalt: • Grundlagen des direkten Dialogs zwischen Mensch und Maschine • Aufbau von Mess-Experimenten zur Erkennung relevanter Muster in neuronalen Signalen des Menschen, insbesondere dem Elektroenzephalogramm (EEG). • Interpretation und Analyse der neuronalen Signale mittels Signalverarbeitung und Mustererkennung zur Steuerung eines Roboters • Einfache Programmierung kollaborativer Industrieroboter • Umgang mit der Roboterhardware und systemabhängige Skriptsprache (am Beispiel UR) • Umsetzung der Steuerung der Roboterhardware aufgrund interpretierter Daten [letzte Änderung 11.03.2021] |
| Weitere Lehrmethoden und Medien: Vorlesung, praktische Übungen, Workshop/Training, Meeting [letzte Änderung 11.03.2021] |
| Literatur: Bruce, Eugene N.: Biomedical Signal Processing and Signal Modeling, John Wiley & Sons, 2001 Nunez, Paul L; Shrinivasan, Ramesh: Electric Fields of the Brain: the neurophysics of EEG, Oxford University Press, 1991 Semmlow, John L.: Biosignal and Biomedical Image Processing, Marcel Dekker, 2004 Clément, Claude. Brain-Computer Interface Technologies, Springer, 2019 http://www.i-botics.de/wp-content/uploads/2016/08/UR3_User_Manual_de_Global.pdf https://www.universal-robots.com/download/?option=15833 [letzte Änderung 11.03.2021] |
[Sat Jul 2 04:37:27 CEST 2022, CKEY=kga, BKEY=mst3, CID=MST2.BCI, LANGUAGE=de, DATE=02.07.2022]