Kopfkino im Labor: Gehirndekodierung und Gedankenlesen

Durch das Scannen der Gehirnaktivität können Neurowissenschaftler die Gedanken eines Menschen entschlüsseln und sogar bildhafte Vorstellungen sichtbar machen. Bisher funktioniert dies glücklicherweise nur eingeschränkt und unter aufwändigen Laborbedingungen – zumindest in der öffentlichen Forschung und Entwicklung.

Etwa seit der Jahrtausendwende entschlüsseln Neurowissenschaftler die menschliche Gehirnaktivität detaillierter. Dazu nutzen sie die funktionelle Magnetresonanztomographie oder kurz fMRT; häufig wird auch die englische Abkürzung fMRI für functional Magnetic Resonance Imaging verwendet. Dieses Verfahren ist technisch sehr aufwändig. Als Variante der Magnetresonanztomographie nutzt sie die magnetischen Eigenschaften von Atomkernen, um gut durchblutete und somit besonders aktive Regionen im Gehirn zu erkennen und grafisch darzustellen.

Übersicht der Betrachtungseben einer fMRT-Aufnahme nach linksseitigem Fingertippen der Versuchsperson. Farbige Bereiche symbolisieren den örtlich erhöhten Sauerstoffgehalt des Blutes und somit die erhöhte Gehirnaktivität

Übersicht der Betrachtungseben einer fMRT-Aufnahme nach linksseitigem Fingertippen der Versuchsperson. Farbige Bereiche symbolisieren den örtlich erhöhten Sauerstoffgehalt des Blutes und somit die erhöhte Gehirnaktivität. Screenshot: Martin Witte – Wikimedia Commons, gemeinfrei

Erste Blicke auf die Aktivitätsmuster des Gehirns

Um die Aktivitätsmuster analysieren zu können, werden den Bereichen im Gehirn winzige Würfel zugeordnet, ähnlich wie eine Straßenkarte in Planquadrate aufgeteilt ist, um leichter beschreiben zu können, wo eine bestimmte Straße zu finden ist. Diese Würfel werden Voxel genannt und stellen die dreidimensionale Version der zweidimensionalen Pixel dar. Typischerweise haben sie Kantenlängen von etwa ein bis zwei Millimetern.

Prinzip der Gehirn-Dekodierung. Mithilfe der funktionellen Magnetresonanztomographie (fMRT) wird die Gehirnaktivität einer Testperson gescannt, während sie Bilder betrachtet. Ein geeignetes Computerprogramm wird mit den Aktivitätsmustern und den entsprechenden Bedeutungen der Bilder gefüttert. Nach diesem Training kann das Programm auch bisher nicht betrachteten Bildern anhand der Aktivitätsmuster eine Bedeutung zuordnen. Dazu sucht es in der Datenbank ein möglichst ähnliches Aktivitätsmuster und seine Bedeutung.

Prinzip der Gehirn-Dekodierung. Mithilfe der funktionellen Magnetresonanztomographie (fMRT) wird die Gehirnaktivität einer Testperson gescannt, während sie Bilder betrachtet. Ein geeignetes Computerprogramm wird mit den Aktivitätsmustern und den entsprechenden Bedeutungen der Bilder gefüttert. Nach diesem Training kann das Programm auch bisher nicht betrachteten Bildern anhand der Aktivitätsmuster eine Bedeutung zuordnen. Dazu sucht es in der Datenbank ein möglichst ähnliches Aktivitätsmuster und seine Bedeutung. Grafik: Michael Müller

Mithilfe der fMRT können Neurowissenschaftler sehen, welche Voxel nicht, schwach oder stark auf Sinnesreize reagieren, beispielsweise wenn die Versuchsperson ein Foto oder ein Video betrachtet.

Schon in den frühen Studien der Aktivitätsmuster konnten überraschende Ergebnisse erzielt werden. Mehrere Forschungsgruppen zeigten, wie sich von bestimmten Aktivitätsmustern auf die Art des Objekts schließen ließ, das eine Versuchsperson betrachtete. Es ließ sich also unterscheiden, ob sie sich beispielsweise einen Hund oder ein Haus ansah.

Zwei weitere Forschungsgruppen zeigten 2005, wie Bilder von unterschiedlich orientierten Linien spezielle Aktivitätsmuster im Gehirn hervorriefen.

Rekonstruktion betrachteter Fotos aus der Gehirnaktivität

Die frühen Untersuchungen der Aktivitätsmuster im Gehirn ermöglichten es noch nicht, das von der Versuchsperson betrachtete Bild selbst zu rekonstruiert. Das gelang 2008 erstmals der Forschungsgruppe um Professor Jack Gallant an der University of California, Berkeley.

MRT-Scanner für medizinische Anwendungen (Sahlgrenska Universitätsklinik, Gothenburg, Sweden)

MRT-Scanner für medizinische Anwendungen (Sahlgrenska Universitätsklinik, Gothenburg, Sweden). Foto: Jan Ainali – Wikimedia Commons, Creative Commons BY 3.0

Die Forscher zeichneten die Gehirnaktivität im Sehzentrum des Gehirns, dem visuellen Cortex, auf, während die Versuchsperson Fotos betrachtete. Um die Aktivitätsmuster im Sehzentrum zu vereinfachen, waren dies Schwarz-Weiß-Fotos.

Mit den Daten trainierten sie ein Computerprogramm, das ein mathematisches Modell der Gehirnaktivität enthielt. Durch das Training lernte das Programm, auch bisher nicht betrachtete Fotos anhand der Aktivitätsmuster im Gehirn der Versuchsperson zu rekonstruieren.

Dazu berechnete das Computerprogramm für einen großen Fotopool die wahrscheinlichen Aktivitätsmuster, die jedes der Fotos bei der Versuchsperson hervorrufen würde. Anhand der berechneten Aktivitätsmuster wählte ein Suchprogramm das Foto aus, dass dem von der Versuchsperson betrachteten am ähnlichsten war.

Verarbeitung visueller Eindrücke im Gehirn

Das Gehirn verarbeitet die Sinneseindrücke der Augen vor allem in der Sehrinde, dem sogenannten visuellen Cortex. Der visuellen Cortex ist Teil der Großhirnrinde und macht den größten Teil des Hinterhauptlappens des Gehirn aus. Er besteht aus Milliarden von Nervenzellen, die in mehrere Bereiche mit unterschiedlichen Funktionen aufgeteilt sind. Sie verarbeiten die von den Augen kommenden Nervenimpulse und leiten die aufbereiteten Nervensignale an die jeweils nächste Verarbeitungsstufe weiter.

Hauptverarbeitungsströme der Sehrinde: vom Hinterhauptlappen zum Schläfenlappen und ventral zum Scheitellappen.

Hauptverarbeitungsströme der Sehrinde: vom Hinterhauptlappen (blau) zum Schläfenlappen (grün) und ventral zum Scheitellappen (violett). Grafik: Wikimedia Commons, User: Selket, Creative Commons BY-SA 3.0

Die hauptsächliche Verarbeitung beginnt in der primären Sehrinde (V1) im Hinterhauptslappen des Gehirns. Von dort aus scheint die Informationsverarbeitung je Gehirnhälfte über zwei Hauptströme zu laufen. Der Verarbeitungsstrom, der zum Schläfenlappen zieht, ist wichtig für die Farb-, Muster-und Formwahrnehmung und somit die Objekterkennung. Der Verarbeitungsstrom, der zum Scheitellappen führt, ist dagegen wesentlich für die Positions- und Bewegungswahrnehmung sowie für die Steuerung von Handlungen.

Die ersten Stufen der visuellen Verarbeitung von der Netzhaut bis zum primären visuellen Cortex sind im Vergleich zu den Folgestufen ausgiebig erforscht. So sind die Eigenschaften der Nervenzellen in den einzelnen Schichten des V1 bekannt, beispielsweise wie sie auf Konturen und Farbinformationen des Netzhautbildes ansprechen.

Obwohl das visuelle System der am besten verstandene Teil des Gehirns ist, bietet er Neurowissenschaftlern reichlich Stoff zum Grübeln. Wie repräsentiert ein Bündel Neuronen etwas wie ein Gesicht oder ein Haus? Wie wird diese Information zwischen Regionen des visuellen Systems weitergeleitet?

Rekonstruktion betrachteter Videos aus der Gehirnaktivität

Die visuellen Reize eines Videos entsprechen den visuellen Eindrücken das Alltags wesentlich mehr als statische Bilder. Das gleiche gilt für andere visuelle Eindrücke, etwa in Träumen oder bei Halluzinationen. Betrachtete Videos sind aus den Aktivitätsmustern allerdings auch aufwändiger zu rekonstruieren als betrachtete Fotos. Im Gallant-Labor gelang es den Forschern dennoch näherungsweise, die von Versuchspersonen betrachteten Videoclips zu rekonstruieren. Das Verfahren ähnelt der Foto-Rekonstruktion, ist allerdings wesentlich komplizierter.

Näherungsweise Rekonstruktion (rechts) eines Videoclips (links), der von einer Versuchsperson betrachtet wurde, durch Gehirndekodierung und überlagerte Darstellung entsprechend ausgewählter ähnlicher Videoclips.

Schritt 1. Die Testpersonen lagen stundenlang unbeweglich in einem MRI-Scanner und sahen sich kurze Videoclips an. Gleichzeitig wurde ihre Gehirnaktivität aufgezeichnet. Die Aufzeichnung wurde anschließend von einem speziell entwickelten Computerprogramm ausgewertet. Es wurde trainiert, die Formen und Bewegungen in den Videoclips entsprechenden Gehirnaktivitäten im visuellen Cortex zuzuordnen.

Schritt 2. Das Computerprogramm fütterten die Forscher nach dessen Training mit einem zweiten Satz Videoclips. Hierzu nahmen sie 18 Millionen Sekunden Material, das sie zufällig aus YouTube-Videos gewählt hatten. Das Programm berechnete hierfür die wahrscheinlichsten Gehirnaktivitäten der Versuchspersonen, die die Videoclips jeweils bei ihnen hervorrufen würde.

Schritt 3. Für jedes der im Schritt 1 betrachteten Videoclips wählte das Computerprogramm jeweils 100 möglichst ähnliche Videoclips aus Schritt 2. Die 100 Videoclips wurden einander überlagert und lieferten so eine näherungsweise wenn auch verwaschene Rekonstruktion des ursprünglichen Videoclips.

Problem der nachhinkenden Durchblutung

Aus der Gehirnaktivität ein betrachtetes Video zu rekonstruieren ist wesentlich schwieriger als ein betrachtetes Foto. Denn die visuellen Reize eines Videos ändern sich, und die Durchblutung der aktivierten Gehirnregionen hinkt den Aktivitätsänderungen der Nervenzellen deutlich hinterher. Im MRI-Scanner kann aber nur die Durchblutung registriert werden und nicht direkt die Aktivität der Nervenzellen.

Im Gallant-Labor lösten die Forscher das Problem schließlich durch ein zweistufiges Modell der Gehirnaktivität. Das Modell beschrieb einerseits den Mechanismus der Gehirnstrukturen, die die visuelle Bewegungsinformation verarbeiten; hierbei beschränkten sich die Wissenschaftler auf die ersten visuellen Verarbeitungsstufen des Gehirns. Andererseits koppelte das Modell daran für jedes Voxel den viel langsameren Mechanismus der Durchblutungsänderungen im Bereich dieser Gehirnstrukturen.

Was wird sonst noch dekodiert?

Absichten

Die Absichten einer Versuchsperson zu dekodieren ist abgesehen von einfachen Fällen deutlich schwieriger, als visuelle Eindrücke oder Vorstellungen. Während sich Bilder beispielsweise nach Farben und Inhalten einteilen lassen, ist die Vielfalt der Absichten nicht so leicht zu kategorisieren: Will jemand zwei Zahlen addieren oder subtrahieren, auf einen Anruf warten oder nach Hause gehen?

Die Forscher des Gallant-Labors untersuchten insbesondere die Aktivitätsmuster in den Gehirnen von Spielern des Videospiels Counterstrike. Sie versuchten die Absicht zu dekodieren, im Spiel nach rechts oder links zu gehen, den Feind zu jagen oder eine Waffe abzufeuern. Sie konnten bestenfalls die Bewegungsabsicht dekodieren. Ansonsten wurden die Daten des fMRT-Scans überschwemmt von den Gefühlen der Spieler, wenn auf sie im Spiel geschossen wurde oder noch dramatischer, wenn sie getötet wurden.

Träume

Träume hängen nicht nur mit dem visuellen Cortex zusammen, sondern auch mit anderen Teilen des Gehirns, für die es schwerer ist, Aktivierungsmodelle zu entwickeln. Die Forschungsgruppe um den Neuroinformatiker Yukiyasu Kamitani hat in Japan den Ansatz einer Traum-Dekodierung entwickelt.

Sie ließen in einem MRT-Scanner Versuchspersonen jeweils über 200-mal einschlafen und weckten sie kurz danach wieder auf, um ihre Trauminhalte zu erfahren und mit per Computerprogramm mit den Aktivitätsmustern des Gehirns abzugleichen.

Die tatsächlichen visuellen Trauminhalte konnten sie bisher nicht rekonstruieren, aber immerhin die Kategorie geträumter Objekte und Szenen, also etwa Gebäude, Text oder Kind. Ihr Computerprogramm erkannte schließlich in dieser Form mit 60-prozentiger Genauigkeit die Art des Trauminhalts. Die subjektive Natur eines Traums macht es schwierig, weitere Informationen aus der Gehirnaktivität herauszulesen.

Visuelle Trauminhalte, dekodiert aus der Gehirnaktivität im höheren visuellen Cortex während des Schlafes, zwei Beispiele mit anschließendem Traumbericht des Schläfers. Das Video zeigt überlagerte Stimulusbilder aus 18 verschiedenen Kategorien, die für das Training des Docoders verwendet wurden. Die Bilder jeder Kategorie wurden aus Web-Datenbanken zusammengestellt und zufällig vom Decoder ausgewählt. Die angezeigten Stichwörter entsprechen mit ihrer Schriftgröße den Gewichten der Kategorien im Traum. Das Video gibt den Trauminhalt nicht im Detail wieder, sondern zeigt Arten von Objekten und Szenen, die dem Trauminhalt wahrscheinlich entsprechen, also Bilder, die ähnliche Gehirnaktivitäten erzeugen würden.

Sprache

Bei der Dekodierung von Sprachinformationen aus der Gehirnaktivität der Versuchsperson lassen sich mehrere Fragestellungen unterscheiden. Was hört die Versuchsperson? Wer ist der Sprecher? Zumindest konnten bisher einzelne Vokale erkannt und ihren Sprechern zugeordnet werden. Um ganze Wörter oder Sätze aus der Gehirnaktivität herausgelesen zu können, ist noch einige Forschung und Entwicklung nötig.

Eine weitere Fragestellung ergibt sich unabhängig von einem Sprecher: Welche Wörter oder Sätze denkt die Versuchsperson? Auch hierbei muss sich die Forschung noch bescheiden. Immerhin lassen sich schon einzeln gesprochene Silben dekodieren.

Gefühle

Die Gefühlswelt eines Menschen lässt sich nach den bisherigen Forschungsergebnissen an seiner Gehirnaktivität ablesen. Das wurde beispielsweise an Schauspielern in einem fMRT-Scanner getestet, die sich dort in verschiedene Gefühlszustände wie Ekel, Angst oder Glück brachten. Wie bei jeder Gehirndekodierung gab es auch dabei eine größere oder kleinere Fehlerquote, sodass die Gefühlslage mit nur einer bestimmten Wahrscheinlichkeit erkannt werden konnte. Grundsätzlich sollte es dennoch zukünftig möglich sein, die Stimmung eines Menschen an seinem Gehirn-Scans abzulesen, etwa als seine innere Reaktion auf einen Politiker oder eine Produktmarke.

Probleme der Gehirndekodierung

Bisher funktioniert die Gehirndekodierung mithilfe der fMRT nur unter elektromagnetisch abgeschirmten Laborbedingungen, mit voluminösen Scannern und extremen Magnetfeldern. Für diese Methode müssen dafür keine Elektroden ins Gehirn eingepflanzt werden. Prinzipiell kommt der fMRT-Scan ohne direkten Kontakt zur Versuchsperson aus, auch wenn die Scanner-Spulen nahe am Kopf platziert sein müssen.

Allerdings ist jedes Gehirn anders als die anderen. Daher müssen heutige Decoder-Programme größtenteils auf die jeweilige Versuchsperson abgestimmt werden. Mehrere Forschergruppen versuchen daher, Decoder-Programme zu entwickeln, die im Wesentlichen für jedes Gehirn funktionieren.

Alltagstaugliche Gehirn-Scanner sollten nicht nur klein und einfach zu bedienen sein. Wünschenswert ist außerdem eine noch schärfere Messung der Gehirnaktivitätsmuster, eine deutlich bessere Messung der Gehirnaktivität in ihrem zeitlichen Verlauf sowie die Möglichkeit, das Gehirn aus einiger Entfernung zu scannen. Bis es soweit ist noch einige Entwicklungsarbeit nötig.

Mithilfe der Magnetoenzephalographie oder kurz MEG kann die Gehirnaktivität in ihrem zeitlichen Verlauf deutlich besser auflösen als die fMRT. Dagegen ist die genaue Ortung der Aktivitätsmuster per MEG problematischer. In der Medizin wird das MEG ergänzend zu anderen Verfahren wie dem EEG oder der fMRT eingesetzt, etwa um Hirnregionen zu erkennen, von denen epileptische Anfälle ausgehen.

Magnetfeldsensor des US-amerikanischen National Institute of Standards and Technology (NIST). Der Prototyp ist bereits empfindlich genug, um die stärkeren Magnetfelder des Gehirns registrieren zu können, und soll noch empfindlicher werden (Stand 19.04.2012). Infrarot-Laserlicht wechselwirkt mit den Rubidium-Atomen im Innern des Sensors in Abhängigkeit von der Magnetfeldstärke und wird zur Messung durch das graue Glasfaserkabel ausgeleitet.

Magnetfeldsensor des US-amerikanischen National Institute of Standards and Technology (NIST). Der Prototyp ist bereits empfindlich genug, um die stärkeren Magnetfelder des Gehirns registrieren zu können, und soll noch empfindlicher werden (Stand 19.04.2012). Infrarot-Laserlicht wechselwirkt mit den Rubidium-Atomen im Innern des Sensors in Abhängigkeit von der Magnetfeldstärke und wird zur Messung durch das graue Glasfaserkabel ausgeleitet. Foto: Knappe/NIST

Bei der MEG wird die magnetische Aktivität des Gehirns äußerlich durch die zurzeit empfindlichsten Magnetfeldsensoren gemessen, sogenannte SQUIDs. Das ist ähnlich aufwändig wie das fMRT-Verfahren. Insbesondere müssen bei beiden Verfahren Magnetspulen oder SQUIDs, die meist mit flüssigem Helium bis nahe an den absoluten Temperaturnullpunkt gekühlt werden müssen.

Ein neu entwickelter Sensor mit den Abmessungen eines Zuckerwürfels kann auch ohne Kühlung die Magnetfelder der Gehirnaktivität messen. Zurzeit ist er noch nicht ganz so empfindlich wie ein SQUID. Die Empfindlichkeit des Messverfahrens soll aber noch soweit gesteigert werden, dass es dessen Empfindlichkeit erreicht. Damit sind zwar leichte und kostengünstige Geräte in Aussicht, aber störende äußere Magnetfelder müssen immer noch abgeschirmt werden. Zudem kann auch mit diesem Verfahren die Gehirnaktivität nur eng am Kopf gemessen werden. Technisches Gedankenlesen aus der Ferne erfordert daher noch einen technologischen Durchbruch.

Mögliche Anwendungen in der Zukunft

Heute steht die Erforschung der Gehirnfunktionen im Mittelpunkt der Gehirn-Decodierung. Wenn in Zukunft das Verfahren erst einmal alltagstauglich ist, sind zahlreiche weitere Anwendungen möglich:

Klinik. Erkrankungen des Gehirns lassen sich detailliert untersuchen, psychiatrische Tests und Therapien unterstützen.

Markt- und Meinungsforschung. Wie reagieren Versuchspersonen auf bestimmte Produkte, Politikerphrasen oder (Schein-)Argumente? Wie lassen sie sich am besten beeinflussen? (Heutige Einschränkung: Per Gehirn-Scan kann beispielsweise noch nicht ermittelt werden, welches von x Produkten eine Person besonders mag.)

Lügendetektor. Unternehmen wie das No Lie MRI im US-amerikanischen San Diego bieten für Privatpersonen, Unternehmen und staatliche Behörden Techniken der Gehirn-Dekodierung an. Damit wollen sie zwischen Lüge und Wahrheit unterscheiden können. Beispiele: Wahrheitsnachweis bei Einstellungstests der Polizei oder Sicherheitsfirmen alternativ zum herkömmlichen Lügendetektortest; vertrauensbildende Maßnahme gegenüber Investoren. No Lie MRI arbeitet nach eigenen Angaben zurzeit daran, den Gehirn-Scan als Beweismittel vor US-Gerichten zu erlauben.

Strafverfolgung. Vielleicht lässt sich in Zukunft die Zuverlässigkeit von Erinnerungen eines Zeugen vor Gericht prüfen oder ob ein Richter Vorurteile hat. Inwieweit sich bewusste oder unbewusste Erinnerungen überhaupt scannen lassen ist eine offene Frage. Eine Erinnerung könnte eventuell absichtlich oder unabsichtlich verfälscht werden. Mit der heutigen Scanner-Technologie müsste der Gescannte sich insbesondere freiwillig scannen lassen, um überhaupt ein brauchbares Ergebnis zu ermöglichen.

Gehirn-Maschine-Kopplung. Per Gehirn-Scan könnten Steuerbefehle an eine Maschine gegeben werden, egal ob dies ein Auto, eine akustische Sprachausgabe oder eine Armprothese ist. Wenn mithilfe der Gehirndekodierung die Abläufe im Gehirn besser verstanden werden, können eventuell auch umgekehrt Sinnesreize ins Gehirn geleitet werden, etwa ein Kamerabild oder der Widerstand, den die Armprothese erfährt.

In vereinfachter Form könnten anscheinend heute bereits Flugzeuge durch Gehirnsignale gesteuert werden. Das zeigt ein früherer Beitrag dieses Blogs: Projekt Brainflight – Auf dem Weg zum hirngesteuerten Fliegen

Wenn irgendwann ein Gehirn auch unbemerkt aus der Entfernung gescannt werden kann, werden sich zahlreiche Missbrauchsmöglichkeiten eröffnen, die nur durch prinzipielle Grenzen des Gehirn-Scans und die mangelnde Fantasie des Missbrauchers beschränkt sind…

Quellen + Links

Gallant Lab at UC Berkeley
http://gallantlab.org

Department of Neuroinformatics, Advanced Telecommunications Research Institute International (ATR)
http://www.cns.atr.jp/dni/en/

Visuelle Informationsverarbeitung im Gehirn
http://www.allpsych.uni-giessen.de/karl/teach/aka.htm

Thomas Naselaris, Ryan J. Prenger, Kendrick N. Kay, Michael Oliver, and Jack L. Gallant: Bayesian Reconstruction of Natural Images from Human Brain Activity; Neuron 63, 902–915, September 24, 2009, DOI 10.1016/j.neuron.2009.09.006
http://www.cell.com/neuron/abstract/S0896-6273(09)00685-0

Shinji Nishimoto, An T. Vu, Thomas Naselaris, Yuval Benjamini, Bin Yu, Jack L. Gallant: Reconstructing Visual Experiences from Brain Activity Evoked by Natural Movies; Current Biology, Volume 21, Issue 19, p1641–1646, 11 October 2011, DOI 10.1016/j.cub.2011.08.031
http://www.cell.com/current-biology/abstract/S0960-9822(11)00937-7

T. Horikawa, M. Tamaki, Y. Miyawaki, Y. Kamitani: Neural Decoding of Visual Imagery During Sleep; Science, 3 May 2013, Vol. 340 no. 6132 pp. 639-642, DOI: 10.1126/science.1234330
http://www.sciencemag.org/content/340/6132/639

Yohei Otaka, Rieko Osu, Mitsuo Kawato, Meigen Liu, Satoshi Murata, Yukiyasu Kamitani: Decoding Syllables from Human fMRI Activity; in: Neural Information Processing, Lecture Notes in Computer Science Volume 4985, 2008, pp 979-986, DOI 10.1007/978-3-540-69162-4_102
http://link.springer.com/chapter/10.1007/978-3-540-69162-4_102

Elia Formisano, Federico De Martino, Milene Bonte, Rainer Goebel: “Who” Is Saying “What”? Brain-Based Decoding of Human Voice and Speech; Science, 7 November 2008, Vol. 322 no. 5903 pp. 970-973, DOI: 10.1126/science.1164318
http://www.sciencemag.org/content/322/5903/970

Kassam KS, Markey AR, Cherkassky VL, Loewenstein G, Just MA (2013): Identifying Emotions on the Basis of Neural Activation; PLoS ONE 8(6): e66032, doi:10.1371/journal.pone.0066032
http://www.plosone.org/article/info:doi/10.1371/journal.pone.0066032

T. Sander-Thömmes, J. Preusser, R. Mhaskar, J. Kitching, L. Trahms, S. Knappe: Magnetoencephalography with a Chip-Scale Atomic Magnetometer. Biomedical Optics Express Vol. 3 Issue 5, pp.981-990 (2012)
http://www.opticsinfobase.org/boe/issue.cfm?volume=3&issue=5

No Lie MRI
http://www.noliemri.com

NIST Mini-sensor Measures Magnetic Activity in Human Brain
http://www.nist.gov/pml/div688/brain-041912.cfm

 

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>