htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code

flag


Gehirn-Computer-Schnittstelle

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Gehirn-Computer-Schnittstelle
Modulbezeichnung (engl.): Brain-Computer Interface
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Biomedizinische Technik, Bachelor, ASPO 01.10.2018
Code: BMT2613.BCI
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P221-0183
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
1V+3PA (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
6
Studiensemester: 6
Pflichtfach: nein
Arbeitssprache:
Englisch/Deutsch
Prüfungsart:
Projektarbeit mit Präsentation

[letzte Änderung 04.03.2021]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

BMT2613.BCI (P221-0183) Biomedizinische Technik, Bachelor, ASPO 01.10.2018 , 6. Semester, Wahlpflichtfach
KIB-BCI Kommunikationsinformatik, Bachelor, ASPO 01.10.2021 , Wahlpflichtfach, informatikspezifisch
KIB-BCI Kommunikationsinformatik, Bachelor, ASPO 01.10.2022 , Wahlpflichtfach, informatikspezifisch
MTM.BCI (P231-0128) 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 (P221-0183) Praktische Informatik, Bachelor, ASPO 01.10.2022 , Wahlpflichtfach, informatikspezifisch

geeignet für Austauschstudenten mit learning agreement
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
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/innen: 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]
 
[Thu Nov 21 10:42:58 CET 2024, CKEY=kga, BKEY=bmt3, CID=BMT2613.BCI, LANGUAGE=de, DATE=21.11.2024]