Neue ra bei bionischen Prothesen: Verschmelzung von Gehirn und Maschine
Forscher des Sant'Anna-Instituts und der Cleveland Clinic haben durch die Kombination nachgewiesen, dass das Gehirn Muskelbewegungen als koordinierte Muster verarbeitet, was den Weg für Prothesen ebnet, die mit breiten Signalpaketen statt komplexer Einzelcodes arbeiten. In einer klinischen Studie an einem 34-jährigen Patienten ermöglichte diese Technologie eine sehr natürliche Wahrnehmung für permanente Implantate sowie Anwendungen in der Rehabilitation weiterentwickelt, wobei das Projekt durch Fördergelder der EU, Italiens sowie der USA unterstützt wird.

Kurzfassung
Warum das wichtig ist
- Forscher des Sant'Anna-Instituts und der Cleveland Clinic haben durch die Kombination nachgewiesen, dass das Gehirn Muskelbewegungen als koordinierte Muster verarbeitet, was den Weg für Prothesen ebnet, die mit breiten Signalpaketen statt komplexer Einzelcodes arbeiten.
- In einer klinischen Studie an einem 34-jährigen Patienten ermöglichte diese Technologie eine sehr natürliche Wahrnehmung für permanente Implantate sowie Anwendungen in der Rehabilitation weiterentwickelt, wobei das Projekt durch Fördergelder der EU, Italiens sowie der USA unterstützt wird.
- Die Rekonstruktion der Kinästhetik Die Fähigkeit, Muskelbewegungen und Gelenkpositionen wahrzunehmen, die als Kinästhesie bezeichnet wird, bildet die Grundlage für natürliche und intuitive motorische Kontrolle.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Bei Personen mit Gliedmaßenverlust ist dieser sensorische Kreislauf unterbrochen; daher müssen Standard-Prothesenbenutzer sich vollständig auf visuelle Rückführung verlassen, um ihre Bewegungen zu steuern.
Warum relevant
Kortikale Synergie und die Datenverarbeitungsmethode des Gehirns Das auffälligste Ergebnis der Studie ist, dass das Gehirn Rückmeldungen Datenstränge verarbeitet, sondern in vorab koordinierten Mustern, die...
Einordnung
SvyTech ordnet die Meldung aus neurosciencenews.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Bei Personen mit Gliedmaßenverlust ist dieser sensorische Kreislauf unterbrochen; daher müssen Standard-Prothesenbenutzer sich vollständig auf visuelle Rückführung verlassen, um ihre Bewegungen zu steuern.
Forscher des Sant'Anna-Instituts für Fortgeschrittene Studien und der Cleveland Clinic haben dieses Problem angegangen, indem sie Daten aus den beiden fortschrittlichsten Gehirn-Computer-Schnittstellen der Welt kombinierten, um zu kartieren, wie das menschliche Gehirn künstliche Bewegungssignale verarbeitet.
Kortikale Synergie und die Datenverarbeitungsmethode des Gehirns Das auffälligste Ergebnis der Studie ist, dass das Gehirn Rückmeldungen Datenstränge verarbeitet, sondern in vorab koordinierten Mustern, die als „kortikale Synergie" bezeichnet werden.
Was die Studie zeigt
Ingenieure waren bisher der Ansicht, dass für jeden einzelnen Finger ein separates Signal erforderlich sei; diese Studie hat jedoch nachgewiesen, dass das Gehirn rohe tiefe Muskelvibrationen automatisch in umfassende Greifbahnen umwandelt.
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- neurosciencenews.com
- Originaltitel
- Biyonik Protezlerde Yeni Dönem: Beyin ve Makine Arayüzleri Birleşiyor
- Canonical
- https://svytech.de/artikel/neue-ra-bei-bionischen-prothesen-verschmelzung-von-gehirn-und-maschine
- Quell-URL
- https://neurosciencenews.com/prosthetic-kinesthesia-brain-machine-interface-30954/
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.

Chinas KI-Entwickler stoßen bei der Umstellung auf einheimische Hardware auf Software-Hürden
Trotz staatlicher Förderung und der Verfügbarkeit einheimischer Hardware bleiben führende chinesische KI-Entwickler für das Training fortschrittlicher Modelle aufgrund der überlegenen Software-Ökosysteme Hardware abhängig. Während der Wechsel zu alternativen Architekturen wie Huaweis Ascend-Chips bei Open-Source-Modellen relativ schnell möglich ist, erfordert die Umstellung bei Modellen mit geschlossenem Quellcode erhebliche ingenieurtechnische Anpassungen, die Projektdauern und Kosten massiv erhöhen und den vollständigen Verzicht auf Nvidia-Hardware für das Training aktueller Spitzenmodelle derzeit noch unmöglich machen.
11.08.2026


