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.

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.

Abstract Recent developments in neural interfaces enable the real-time and non-invasive tracking of motor neuron spiking activity. Such novel interfaces provide a promising basis for human motor augmentation by extracting potential high-dimensional control signals directly from the human nervous system. However, it is unclear how flexibly humans can control the activity of individual motor neurones to effectively increase the number of degrees-of-freedom available to coordinate multiple effectors simultaneously. Here, we provided human subjects (N=7) with real-time feedback on the discharge patterns of pairs of motor units (MUs) innervating a single muscle (tibialis anterior) and encouraged them to independently control the MUs by tracking targets in a 2D space. Subjects learned control strategies to achieve the target-tracking task for various combinations of MUs. These strategies rarely corresponded to a volitional control of independent input signals to individual MUs. Conversely, MU activation was consistent with a common input to the MU pair, while individual activation of the MUs in the pair was predominantly achieved by alterations in de-recruitment order that could be explained with history-dependent changes in motor neuron excitability. These results suggest that flexible MU control based on independent synaptic inputs to single MUs is not a simple to learn control strategy.

We investigated motor skill learning using a path tracking task, where human subjects had to track various curved paths at a constant speed while maintaining the cursor within the path width. Subjects' accuracy increased with practice, even when tracking novel untrained paths. Using a "searchlight" paradigm, where only a short segment of the path ahead of the cursor was shown, we found that subjects with a higher tracking skill took a longer section of the future path into account when performing the task. An optimal control model with a fixed horizon (receding horizon control) that increases with tracking skill quantitatively captured the subjects' movement behaviour. These findings demonstrate that human subjects increase their planning horizon when acquiring a motor skill.

We occasionally receive conflicting views from others. To maximize accuracy, we should exercise informational conformity by changing our mind proportional to our confidence about our initial view. This account predicts that neural correlates of confidence in the private decision should be replayed as the private and social information are integrated. In a perceptual estimation task (N=120), influence from others was proportional to private confidence. Human fMRI (N=20) showed that consistent with the replay hypothesis, confidence covaried with temporally distributed activity during private estimate (Precuneus and dorsal anterior cingulate cortex, dACC), social change of mind (dACC) and social outcome (dorsolateral prefrontal cortex and dACC). During social change of mind and only when paired with alleged human (but not with computer) partners, left temproparietal junction carried information about participants' social use of confidence. Our study reveals the neuronal substrates of the role of confidence in computational implementation of informational conformity.

Abstract Optically pumped magnetometers (OPM) are quantum sensors that offer new possibilities to measure biomagnetic signals. In magnetomyography (MMG), compared to the current standard surface electromyography (EMG), OPM sensors offer the advantage of contactless measurements of muscle activity. However, little is known about the relative performance of OPM-MMG and EMG, e.g. in their ability to detect and classify finger movements. To address this, we recorded simultaneous OPM-MMG and EMG of finger flexor muscles for the discrimination of individual finger movements. Using a deep learning model for movement classification, we found that both sensor modalities were able to discriminate finger movements with above 89% accuracy. Furthermore, model predictions for the two sensor modalities showed high agreement in movement detection (85% agreement; Cohen’s kappa: 0.45). Our findings show that OPM sensors can be employed for reliable, contactless discrimination of finger movements and incentivize future applications of OPM in magnetomyography.

The redundancy present within the musculoskeletal system may offer a non-invasive source of signals for movement augmentation, where the muscle-to-force null-space could be controlled simultaneously to the natural limbs. Here, we investigated the viability of extracting movement augmentation control signals from the muscles of the wrist complex. Our study assessed i) if controlled variation of the muscle activation patterns in the wrist joint9s null-space is possible; and ii) whether force and null-space targets could be reached simultaneously. During the null-space target reaching condition, participants used EMG-to-force null-space muscle activation to move their cursor towards a displayed target while minimising the exerted force as visualised through the cursor9s size. Initial targets were positioned to require natural co-contraction in the null-space and if participants showed a consistent ability to reach for their current target, they would rotate 5 ° ; incrementally to generate muscle activation patterns further away from their natural co-contraction. In contrast, during the concurrent target reaching condition participants were required to match a target position and size, where their cursor position was instead controlled by their exerted flexion-extension and radial-ulnar deviation, while its size was changed by their natural co-contraction magnitude. The results collected from 10 participants suggest that while there was variation in each participant9s co-contraction behaviour, most did not possess the ability to control this variation for muscle-to-force null-space reaching. In contrast, participants did show a direction and target size dependent ability to vary isometric force and co-contraction activity concurrently. Our results show the limitations of using null-space activity in joints with a low level of redundancy.