Målet er at opnå en grundlæggende forståelse for Hjerne-Computer Interface (BCI: Computer-baserede systemer, der registrerer, afkoder og oversætter målbare neurofysiologiske signaler til kommandoer til outputenheder for at udføre en handling uden nogen muskulær aktivering). Dette opnås ved at inkorporere realtid signalbehandlingsmetoder til udtræk af relevante karakteristika (feature extraction) og klassificering i EEG (elektroencefalografi)-baserede BCI'er. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Karakterisere neurofysiologiske EEG-markører for mental aktivitet, herunder sensorimotoriske rytmer (Mu/Beta), P300-potentialer og steady-state visuelt evokerede potentialer (SSVEP).
• Evaluere arkitekturen af forskellige BCI-systemer og neurale proteser, samt sammenligne signalopsamlingsmetoder og deres anvendelse til genopretning af motorik og kommunikation.
• Anvende signalbehandlingsteknikker til konditionering af EEG-data ved hjælp af tidsfiltre og spatiale forbedringsmetoder for at mindske okulære og myogene artefakter.
• Konstruere robuste pipelines til feature-ekstraktion ved brug af metoder som Common Spatial Patterns (CSP), estimering af båndeffekt og tid-frekvens-analyse.
• Implementere og validere machine learning-arkitekturer til klassifikation af mentale tilstande og motorisk intention ud fra højdimensionelle, ikke-stationære neurale data.
• Integrere realtids-dataopsamling, online-processering og kontrollogik til at opbygge et funktionelt, lukket-sløjfe (closed-loop) brain-computer interface-system.
• Syntetisere state-of-the-art forskning kritisk gennem gennemgang og præsentation af peer-reviewede videnskabelige artikler om nye BCI-paradigmer.
• Diskutere BCI-teknologiens udvikling med fokus på etiske overvejelser, langsigtet stabilitet og overgangen fra laboratorie- til kliniske miljøer.
• Benytte GenAI til at designe og optimere neurale klassifikationsmodeller, samt validere AI-modeller mod de specifikke fysiologiske begrænsninger og signal-støj-forhold i BCI-data.

Hjerne-Computer Interface, baseret på forskellige typer af EEG, vil blive gennemgået i form af forelæsninger, diskussioner samt praktiske og teoretiske læringsmetoder. De studerende vil blive bedt om at præsentere en videnskabelig artikel. Et BCI-design gruppeprojekt (grupper på 2), baseret på tilgængelige BCI data eller nye data, vil afsluttes med en endelig rapport og en præsentation. 04. maj, 2026