Kommentar |
Medizinische Exoskelette sind ein wichtiges Thema, z. B. für die medizinische Rehabilitation von Schlaganfallpatienten. Eine Herausforderung besteht darin, zu erkennen, welche Art von Bewegung ein Benutzer ausführen möchte, z. B. das Heben eines Arms. Dies kann durch die Analyse von Biosignalen wie EEG (d.h. Neuronenaktivität im Gehirn) unterstützt werden. In diesem semesterübergreifenden Projekt untersuchen wir, wie maschinelles Lernen für eingebettete Systeme eingesetzt werden kann, um bessere Exoskelette durch eine solche Bio-Signalanalyse zu realisieren. In früheren Semestern wurde ein Deep Learning Modell für EEG-Analyse ausgewählt und für einen FPGA implementiert. Das Ziel des Projekts in diesem Semester ist es, unsere eingebettete Hardware-Plattform (mit MCU und FPGA) mit einem existierenden mobilen EEG-Gerät zu integrieren, z.B. über Bluetooth und die so live empfangenen Gehirndaten direkt mit dem Deep Learning Modell auf einem FPGA zu analysieren. |