Enabling Unobtrusive Real-World Monitoring of Brain-Networks with Wearable Neurotechnology and Multimodal Machine Learning

Projektbeschreibung

Tragbare Technologie zur Bildgebung des Gehirns in der realen Welt

Mit Wissen zur Funktion der neuronalen Netze in realen Situationen könnte die Behandlung von Störungen der Gehirnfunktion revolutioniert werden. Derzeit können Mittel wie funktionelle MRT nur in kontrollierten Laborumgebungen eingesetzt werden. Mit mobilen EEG hingegen kann nicht das komplette neuronale Netzwerk erfasst werden. Dieses Problem soll im ERC-finanzierten Projekt INTEGRAL mit einer tragbaren Plattform gelöst werden, auf der diffuse optische Tomographie mit hoher Dichte, EEG und physiologische Sensoren kombiniert werden. Mit dem hybriden System ist die Bildgebung des Gehirns durchgehend und unauffällig im Alltag möglich. Das INTEGRAL-Team entwickelt die Hardware und die Analyse durch maschinelles Lernen weiter und verspricht so neue Erkenntnisse zur Hirnfunktion, um die neurotechnologische Forschung und Anwendungen in Gebieten wie digitaler Gesundheit und Neurowissenschaft zu verändern.

Ziel

Measuring and linking brain network activity to human physiology and behavior in natural everyday situations promises profound new insights into healthy brain function and disorders. However, the absence of suitable mobile neurotechnology presents a significant roadblock. Functional magnetic resonance imaging (fMRI) has greatly advanced our understanding of brain function and networks, but it is limited to single-snapshot experiments in constrained lab settings. Electroencephalography (EEG), while mobile, cannot directly be linked to brain networks captured by fMRI. To overcome these roadblocks and to advance neuro-inspired treatments and discoveries to natural environments, a hybrid wearable platform is required that combines innovations in hardware and analysis methods to enable continuous and stable measurements of brain network activity maps in the everyday world. Advancing high-density diffuse optical tomography (HD-DOT) can provide such a suitable alternative to fMRI. With a unique systems engineering concept, INTEGRAL aims to miniaturize and integrate DOT, EEG, and physiological sensors with advanced multimodal machine learning to improve spatio-temporal contrast in mobile brain-imaging. To this end, Objective 1 (Instruments) will develop hardware for unobtrusive and continuous wearable brain-body imaging with HD-DOT-EEG. Objective 2 (Experiments) will collect extensive multimodal data for measuring brain networks while controlling for environmental and physiological artifacts. Objective 3 (Analysis) will enable estimation of brain network activity with multimodal sensor fusion and machine learning and Objective 4 (Integration) will provide validation of robust brain-networks imaging in ecologically valid everyday world environments. If successful, this new platform will provide unprecedented opportunities to study brain function with global impact on neurotechnology applications and research from Neuroscience of the Everyday World to digital health.