htw saar Piktogramm
Zurück zur Hauptseite

Version des Moduls auswählen:
XML-Code

flag flag

Gehirn-Computer-Schnittstelle

Modulbezeichnung: Gehirn-Computer-Schnittstelle
Modulbezeichnung (engl.): Brain-Computer Interface
Studiengang: Praktische Informatik, Bachelor, ASPO 01.10.2017
Code: PIB-BCI
SWS/Lehrform: 1V+3PA (4 Semesterwochenstunden)
ECTS-Punkte: 6
Studiensemester: 4, 5 oder 6
Pflichtfach: nein
Arbeitssprache:
Englisch/Deutsch
Prüfungsart:
Projektarbeit mit Präsentation

[letzte Änderung 04.03.2021]
Verwendbarkeit / Zuordnung zum Curriculum:
BMT2613.BCI Biomedizinische Technik, Bachelor, ASPO 01.10.2018, 6. Semester, Wahlpflichtfach
KIB-BCI Kommunikationsinformatik, Bachelor, ASPO 01.10.2017, Wahlpflichtfach, informatikspezifisch
MTM.BCI Mechatronik, Master, ASPO 01.04.2020, Wahlpflichtfach, technisch
MST2.BCI Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2019, Wahlpflichtfach
MST2.BCI 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. Martina Lehser
Prof. Dr. Dr. Daniel Strauß
Farah Corona-Strauss, M.Sc.
Dr. Lars Haab
Mario Korherr, B.Sc.


[letzte Änderung 03.05.2021]
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]
Lehrmethoden/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]
Modul angeboten in Semester:
SS 2021
[Thu Oct 28 14:19:20 CEST 2021, CKEY=kga, BKEY=pi2, CID=PIB-BCI, LANGUAGE=de, DATE=28.10.2021]