Kursus Brain-Computer Interface

Pelajaran 1 • Gambaran Umum Arsitektur Sistem BCI

Memperkenalkan komponen akuisisi sinyal, pemrosesan, dan keluaran dari pipeline (alur proses otomatis) BCI. Membingkai gambaran sistem penuh yang akan dibangun siswa selama kursus.

Pelajaran 2 • Dasar-Dasar Neurosains untuk BCI

Mencakup komunikasi neuron, area otak, dan elektrofisiologi yang relevan dengan desain BCI. Menghubungkan sumber sinyal biologis dengan aktivitas listrik yang terukur.

Pelajaran 3 • Domain Aplikasi BCI

Meninjau penggunaan BCI untuk restorasi motorik, komunikasi, neurorehabilitasi, dan konsumen. Memotivasi pembelajaran teknis dengan menghubungkan konsep ke dampak dunia nyata.

Pelajaran 1 • Dasar-Dasar Elektroensefalografi

Menjelaskan penempatan elektroda EEG, sistem tudung, dan pembangkitan sinyal. Menetapkan EEG sebagai modalitas non-invasif utama yang digunakan selama kursus.

Pelajaran 2 • Pengaturan Perangkat Keras dan Kalibrasi

Memandu konfigurasi praktis sistem akuisisi untuk pengumpulan data yang andal. Menghubungkan pengetahuan perangkat keras ke protokol eksperimental yang dapat direproduksi.

Pelajaran 3 • Teknik Perekaman Invasif

Mencakup elektrokortikografi dan susunan mikroelektroda intrakortikal untuk perekaman resolusi tinggi. Membandingkan kualitas sinyal invasif dengan aksesibilitas non-invasif.

Pelajaran 4 • Neuroimaging Fungsional untuk BCI

Memperkenalkan fMRI, fNIRS, dan MEG sebagai modalitas akuisisi pelengkap. Menyoroti keunggulan resolusi spasial dan kendala penerapan praktis.

Pelajaran 1 • Teknik Penyaringan Digital

Mencakup filter bandpass, notch, dan high-pass untuk mengisolasi pita frekuensi saraf. Secara langsung menangani artefak saluran listrik dan drift yang diperkenalkan di Bab 2.

Pelajaran 2 • Segmentasi dan Penolakan Epoch

Membagi rekaman kontinu menjadi epoch yang selaras dengan tugas dan menolak percobaan yang buruk. Memastikan ekstraksi fitur hilir beroperasi pada segmen data yang valid.

Pelajaran 3 • Strategi Referensi Ulang

Menjelaskan referensi rata-rata, mastoid tertaut, dan filter spasial Laplacian. Menunjukkan bagaimana pilihan referensi memengaruhi topografi sinyal dan performa BCI.

Pelajaran 4 • Koreksi Dasar dan Normalisasi

Menerapkan pengurangan dasar pra-stimulus dan normalisasi z-score di seluruh epoch. Standarisasi amplitudo sinyal untuk ekstraksi fitur yang konsisten.

Pelajaran 1 • Penyaringan Spasial untuk Peningkatan Fitur

Menggunakan pola spasial umum dan beamforming untuk memaksimalkan kemampuan pembedaan kelas. Memperluas konsep referensi ulang ke dalam optimasi spasial yang diawasi.

Pelajaran 2 • Ekstraksi Fitur Domain Waktu

Menurunkan fitur amplitudo, kemiringan, dan potensial terkait peristiwa dari epoch EEG. Menetapkan kumpulan fitur paling sederhana sebelum memperkenalkan metode spektral.

Pelajaran 3 • Analisis Spektral dan Waktu-Frekuensi

Menghitung kerapatan spektral daya dan representasi waktu-frekuensi dari sinyal saraf. Menangkap dinamika osilasi yang relevan dengan BCI citra motorik dan perhatian.

Pelajaran 4 • Seleksi Fitur dan Reduksi Dimensi

Menerapkan metode filter, wrapper, dan embedding untuk memilih fitur yang paling informatif. Mencegah overfitting dengan mengurangi vektor fitur berdimensi tinggi.

Pelajaran 1 • Metrik Evaluasi Performa

Mengukur akurasi, ITR, kappa, dan ROC-AUC untuk evaluasi sistem BCI yang ketat. Menghubungkan keluaran pengklasifikasi dengan throughput (kapasitas transfer data) komunikasi dunia nyata.

Pelajaran 2 • Pengklasifikasi Pembelajaran Mesin Klasik

Menerapkan LDA, SVM, dan k-NN pada vektor fitur BCI dengan validasi silang. Menyediakan performa decoding dasar sebelum memperkenalkan model lanjutan.

Pelajaran 3 • Pembelajaran Mendalam untuk Decoding BCI

Menerapkan arsitektur CNN, RNN, dan EEGNet untuk decoding BCI ujung-ke-ujung. Memanfaatkan sinyal mentah atau yang diproses secara minimal untuk mempelajari pola spasial-temporal.

Pelajaran 4 • Klasifikasi Adaptif dan Daring

Memperbarui pengklasifikasi secara waktu nyata untuk menangani non-stasioneritas dan drift sesi. Mempersiapkan siswa untuk penerapan dalam sistem BCI langsung.

Pelajaran 1 • Paradigma BCI Citra Motorik

Mendesain protokol citra motorik berbasis isyarat dan mengintegrasikan pipeline (alur proses otomatis) decoding CSP-LDA. Menerapkan keterampilan ekstraksi fitur dan klasifikasi dalam paradigma lengkap.

Pelajaran 2 • Paradigma P300 Speller

Menerapkan matriks oddball baris-kolom dan decoding xDAWN-LDA untuk entri teks. Mendemonstrasikan desain paradigma potensial terkait peristiwa dan teknik rata-rata.

Pelajaran 3 • Paradigma BCI Hibrida dan Pasif

Menggabungkan beberapa paradigma atau menggunakan pemantauan pasif untuk meningkatkan ketahanan. Memperluas pengetahuan paradigma tunggal ke desain BCI multi-modal dan implisit.

Pelajaran 4 • Framework (kerangka kerja perangkat lunak) BCI Waktu Nyata

Mengonfigurasi platform BCI sumber terbuka untuk penyampaian stimulus, akuisisi, dan decoding. Mengintegrasikan semua komponen pipeline (alur proses otomatis) ke dalam sistem waktu nyata yang dapat diterapkan.

Pelajaran 1 • Pelatihan Potensial Kortikal Lambat

Melatih kontrol sukarela terhadap pergeseran potensial kortikal lambat untuk komunikasi dan pengaturan diri. Mendemonstrasikan persyaratan amplifikasi tergandeng DC dan umpan balik latensi panjang.

Pelajaran 2 • Mengevaluasi Hasil Neurofeedback

Menilai hasil perilaku, neurofisiologis, dan klinis dari intervensi neurofeedback. Menerapkan metode evaluasi ketat untuk membedakan pembelajaran sejati dari artefak.

Pelajaran 3 • Neurostimulasi Loop Tertutup

Mengintegrasikan stimulasi transkranial yang dipicu oleh kondisi otak yang didekode untuk modulasi dua arah. Memperluas konsep loop tertutup melampaui tampilan umpan balik ke intervensi aktif.

Pelajaran 4 • Prinsip Neurofeedback

Menjelaskan pengkondisian operan osilasi saraf dan mekanisme loop umpan balik. Mendasari desain neurofeedback dalam teori pembelajaran dan neuroplastisitas.

Pelajaran 1 • Jalur Regulasi untuk Perangkat BCI

Menavigasi klasifikasi perangkat medis, pengujian keselamatan, dan proses persetujuan untuk BCI implan dan non-invasif. Menghubungkan desain teknis dengan persyaratan kepatuhan.

Pelajaran 2 • Etika, Privasi, dan Persetujuan yang Diinformasikan

Meneliti prinsip neuroetika, kewajiban privasi data, dan kerangka persetujuan untuk penelitian dan produk BCI. Memastikan lulusan menerapkan penalaran etis pada desain sistem.

Pelajaran 3 • Keandalan dan Pemeliharaan BCI Jangka Panjang

Membahas drift sinyal, degradasi elektroda, dan kalibrasi ulang model selama penggunaan jangka panjang. Mempersiapkan siswa untuk mempertahankan performa BCI melampaui penerapan awal.

Pelajaran 4 • Menangani Variabilitas Pengguna dan Non-Responder

Menganalisis sumber variabilitas antar subjek dan strategi untuk meningkatkan performa BCI bagi semua pengguna. Membangun klasifikasi adaptif untuk mengatasi masalah buta huruf BCI.