The BCI competition IV stands in the tradition of prior BCI competitions that aim to provide high quality neuroscientific data for open access to the scientific community. As experienced already in prior competitions not only scientists from the narrow field of BCI compete, but scholars with a broad variety of backgrounds and nationalities. They include high specialists as well as students. The goals of all BCI competitions have always been to challenge with respect to novel paradigms and complex data. We report on the following challenges: (1) asynchronous data, (2) synthetic, (3) multi-class continuous data, (4) session-to-session transfer, (5) directionally modulated MEG, (6) finger movements recorded by ECoG. As after past competitions, our hope is that winning entries may enhance the analysis methods of future BCIs.

Brain activity can be used as a control signal for brain-machine interfaces (BMIs). A powerful and widely acknowledged BMI approach, so far only applied in invasive recording techniques, uses neuronal signals related to limb movements for equivalent, multidimensional control of an external effector. Here, we investigated whether this approach is also applicable for noninvasive recording techniques. To this end, we recorded whole-head MEG during center-out movements with the hand and found significant power modulation of MEG activity between rest and movement in three frequency bands: an increase for < or = 7 Hz (low-frequency band) and 62-87 Hz (high-gamma band) and a decrease for 10-30 Hz (beta band) during movement. Movement directions could be inferred on a single-trial basis from the low-pass filtered MEG activity as well as from power modulations in the low-frequency band, but not from the beta and high-gamma bands. Using sensors above the motor area, we obtained a surprisingly high decoding accuracy of 67% on average across subjects. Decoding accuracy started to rise significantly above chance level before movement onset. Based on simultaneous MEG and EEG recordings, we show that the inference of movement direction works equally well for both recording techniques. In summary, our results show that neuronal activity associated with different movements of the same effector can be distinguished by means of noninvasive recordings and might, thus, be used to drive a noninvasive BMI.

The balanced random network model attracts considerable interest because it explains the irregular spiking activity at low rates and large membrane potential fluctuations exhibited by cortical neurons in vivo. In this article, we investigate to what extent this model is also compatible with the experimentally observed phenomenon of spike-timing-dependent plasticity (STDP). Confronted with the plethora of theoretical models for STDP available, we reexamine the experimental data. On this basis, we propose a novel STDP update rule, with a multiplicative dependence on the synaptic weight for depression, and a power law dependence for potentiation. We show that this rule, when implemented in large, balanced networks of realistic connectivity and sparseness, is compatible with the asynchronous irregular activity regime. The resultant equilibrium weight distribution is unimodal with fluctuating individual weight trajectories and does not exhibit development of structure. We investigate the robustness of our results with respect to the relative strength of depression. We introduce synchronous stimulation to a group of neurons and demonstrate that the decoupling of this group from the rest of the network is so severe that it cannot effectively control the spiking of other neurons, even those with the highest convergence from this group.

Both invasive and non-invasive electroencephalographic (EEG) recordings from the human brain have an increasingly important role in neuroscience research and are candidate modalities for medical brain-machine interfacing. It is often assumed that the major artifacts that compromise non-invasive EEG, such as caused by blinks and eye movement, are absent in invasive EEG recordings. Quantitative investigations on the signal quality of simultaneously recorded invasive and non-invasive EEG in terms of artifact contamination are, however, lacking. Here we compared blink related artifacts in non-invasive and invasive EEG, simultaneously recorded from prefrontal and motor cortical regions using an approach suitable for detection of small artifact contamination. As expected, we find blinks to cause pronounced artifacts in non-invasive EEG both above prefrontal and motor cortical regions. Unexpectedly, significant blink related artifacts were also found in the invasive recordings, in particular in the prefrontal region. Computing a ratio of artifact amplitude to the amplitude of ongoing brain activity, we find that the signal quality of invasive EEG is 20 to above 100 times better than that of simultaneously obtained non-invasive EEG. Thus, while our findings indicate that ocular artifacts do exist in invasive recordings, they also highlight the much better signal quality of invasive compared to non-invasive EEG data. Our findings suggest that blinks should be taken into account in the experimental design of ECoG studies, particularly when event related potentials in fronto-anterior brain regions are analyzed. Moreover, our results encourage the application of techniques for reducing ocular artifacts to further optimize the signal quality of invasive EEG.

Electrocorticographic (ECoG) signals have been shown to contain reliable information about the direction of arm movements and can be used for on-line cursor control. These findings indicate that the ECoG is a potential basis for a brain-machine interface (BMI) for application in paralyzed patients. However, previous approaches to ECoG-BMIs were either based on classification of different movement patterns or on a voluntary modulation of spectral features. For a continuous multi-dimensional BMI control, the prediction of complete movement trajectories, as it has already been shown for spike data and local field potentials (LFPs), would be a desirable addition for the ECoG, too. Here, we examined ECoG signals from six subjects with subdurally implanted ECoG-electrodes during continuous two-dimensional arm movements between random target positions. Our results show that continuous trajectories of 2D hand position can be approximately predicted from the ECoG recorded from hand/arm motor cortex. This indicates that ECoG signals, related to body movements, can directly be transferred to equivalent controls of an external effector for continuous BMI control.

Complex random networks provide a powerful mathematical framework to study high-dimensional physical and biological systems. Several features of network structure (e.g. degree correlation, average path length, clustering coefficient) are correlated with descriptors of network dynamics and function. However, it is not clear which features of network structure relate to the dynamics of biological neuronal networks (BNNs), characterized by non-linear nodes with high in- and out degrees, but being weakly connected and communicating in an event-driven manner, i.e. only when neurons spike. To better understand the structure-dynamics relationship in BNNs, we analysed the structure and dynamics of > 9, 000 BNNs with different sizes and topologies. In addition, we also studied the effect of network degeneration on neuronal network structure and dynamics. Surprisingly, we found that the topological class (random, small-world, scale-free) was not an indicator of the BNNs activity state as quantified by the firing rate, network synchrony and spiking regularity. In fact, we show that different network topologies could result in similar activity dynamics. Furthermore, in most cases, the network activity changes did not depend on the rules according to which neurons or synapses were pruned from the networks. The analysis of dynamics and structure of the networks we studied revealed that the effective synaptic weight ( ESW ) was the most crucial feature in predicting the statistics of spiking activity in BNNs. ESW also explained why different synapse and neuron pruning strategies resulted in almost identical effects on the network dynamics. Thus, our findings provide new insights into the structure-dynamics relationships in BNNs. Moreover, we argue that network topology and rules by which BNNs degenerate are irrelevant for BNN activity dynamics. Beyond neuroscience, our results suggest that in large networks with non-linear nodes, the effective interaction strength among the nodes, instead of the topological network class, may be a better predictor of the network dynamics and information flow.

Abstract During observation of the ambiguous Necker cube, our perception suddenly reverses between two about equally possible 3D interpretations. During passive observation, perceptual reversals seem to be sudden and spontaneous. A number of theoretical approaches postulate destabilization of neural representations as a precondition for spontaneous reversals of ambiguous figures. In the current study, we focused on possible EEG correlates of perceptual destabilization, that may allow to predict an upcoming perceptual reversal. We presented ambiguous Necker cube stimuli in an onset-paradigm and investigated the neural processes underlying endogenous reversals as compared to perceptual stability across two consecutive stimulus presentations. In a separate experimental condition, disambiguated cube variants were alternated randomly, to exogenously induce perceptual reversals. We compared the EEG immediately before and during endogenous Necker cube reversals with corresponding time windows during exogenously induced perceptual reversals of disambiguated cube variants. For the ambiguous Necker cube stimuli, we found the earliest differences in the EEG between reversal trials and stability trials already one second before a reversal occurred, at bilateral parietal electrodes. The traces remained similar until approximately 1100 ms before a perceived reversal, became maximally different at around 890 ms (p=7.59*10 −6 , Cohen’s d=1.35) and remained different until shortly before offset of the stimulus preceding the reversal. No such patterns were found in the case of disambiguated cube variants. The identified EEG effects may reflect destabilized states of neural representations, related to destabilized perceptual states preceding a perceptual reversal. They further indicate that spontaneous Necker cube reversals are most probably not as spontaneous as generally thought. Rather, the destabilization may occur over a longer time scale, at least one second before a reversal event.