Representatie leren voor visuele brein-computer interfaces

Brein-computer interfaces (BCI) maken communicatie tussen mens en computer mogelijk met een hoge bandbreedte, en uiteindelijk zelfs communicatie tussen mensen. De hersenactiviteit op huidige of vroegere zintuiglijke ervaringen wordt daartoe gedecodeerd. Geïnspireerd door recente doorbraken in het decoderen van reacties op spraak, wil dit project een nieuwe datagestuurde methodologie ontwerpen om de temporele koppeling tussen natuurlijke videobeelden en de opgewekte reacties te identificeren en te kwantificeren. De meest populaire niet-invasieve methode om postsynaptische potentialen vast te leggen is elektro-encefalografie (EEG), omdat het goedkoop en draagbaar is, en een uitstekende temporele resolutie biedt om neurale reacties te volgen die in de tijd zijn gekoppeld aan een sensorische stimulus. Dataschaarste en een lage signaal-ruisverhouding zijn echter belangrijke uitdagingen. Bovendien zijn traditionele BCI-paradigma's afhankelijk van gecontroleerde omgevingen en de actieve deelname van de gebruiker, waardoor de integratie van dergelijke paradigma's in reële toepassingen zeer moeilijk is.