Brain Computer Interfaces (BCI) registeren hersenactiviteit om ze naar intentionele acties te vertalen. Verschillende studies hebben met succes motor-BCIs aangewend om de functie van een ontbrekend of verlamd ledemaat te vervangen. Elektrocorticografie (ECoG), een deels niet-invasieve registratietechniek, biedt nieuwe perspectieven voor lange-termijn registraties doordat het littekenvorming veroorzaakt door electroden geïmplanteerd in het corticaal weefsel vermijdt. Ondanks de progressie in het decoderen van individuele vingerbewegingen, inclusief ons eigen werk, wat ontbreekt zijn demonstraties van meer realistische scenario's zoals herhaalde vingerbewegingen (bv. typen) en gecoördineerde vingeracties (bv. grijpen en vasthouden van een kop thee). Ons objectief is een ECoG-BCI te ontwikkelen dat dergelijke scenario’s uitvoert met een hand exoskeleton, een draagbaar gemotoriseerd raamwerk. Doordat de huidige decoders tekort schieten, omdat ze uitgaan van een lineaire relatie tussen vingeracties en ECoG activiteit, stellen we een niet-lineaire decoder voor. Ons tweede objectief gaat over subjecttraining. We stellen een stapsgewijze trainingstrategie voor die de gebruiker zal assisteren in het verwerven van vingervaardigheid door ingebeelde activiteit daar deze laatste is wat verlamde patiënten kunnen benutten. We verwachten dat de voorgestelde hand exoskeleton een bijkomend training- en gebruiksvoordeel biedt door de intentionele vingeracties van tactiele feedback te voorzien.