|
Modulbezeichnung (engl.):
Brain-Computer Interface |
|
Code: MST2.BCI |
1V+3PA (4 Semesterwochenstunden) |
6 |
Studiensemester: laut Wahlpflichtliste |
Pflichtfach: nein |
Arbeitssprache:
Englisch/Deutsch |
Prüfungsart:
Projektarbeit mit Präsentation
[letzte Änderung 04.03.2021]
|
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
|
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 01.10.2020]
|
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]
|