Independent Component Analyse längerer EEG Signale

Dieses Projekt beschäftigt sich mit der Entwicklung und Anwendung neuer Methoden, welche auch die Analyse funktionaler Hirnsignale, die während zeitlich ausgedehnter knognitiver Verarbeitung aufgenommen wurden, ermöglichen. Der Schwerpunkt wird auf kognitiven Aktivitäten längerer Dauer liegen anstatt sehr kurzer "Puls"- artiger Kognition, wie im Paradigma der Signalmittelung üblich. Klassische Signalmittelung über eine Anzahl einzelner Signalaufnahmen zur Verbesserung des Signal-Rauschen Verhältnisses ist hier wegen der großen zeitlichen Variabilität nicht möglich. Es wurde bereits gezeigt, daß "Independent Component Analysis" (ICA) die Analyse einzelner Aufnahmen funktionaler Hirnsignale ohne Mittelung ermöglicht und die Methode wurde bereits auf die Analyse kurzer kognitiver Aktivitäten erfolgreich angewandt. Dieses Projekt wird die ICA Methode erweitern um auch die Analyse längerer Segmente (mehrere Sekunden) einzelner EEG Aufnahmen möglich zu machen. Das wird den Schwerpunkt verschieben von "independent components", die an den Reiz bzw. an die Reaktion gekoppelt sind, hin zu Komponenten die nicht gekoppelte und oszillatorische Aktivitäten erklären. Wenn Komponenten nicht mehr zeitlich an Reiz oder Reaktion gekoppelt sind, müssen neue Wege gefunden werden, um Ähnlichkeiten zwischen einzelnen Signalaufnahmen zu beschreiben. Unsere Forschung wird sich auf Methoden des "sequence alignment", des "dynamic time warping" und auf "Hidden Markov"-Modelle konzentrieren. Auch bereits bestehende Erweiterungen von ICA wie "ICA Mixture"-Modelle und "Hidden Markov-ICA", die beide automatischen Kontextwechsel in der Analyse von Zeitreihen erlauben, werden in Betracht gezogen. Das Projekt kann als Teil der sich gerade formierenden Disziplin der kognitiven evozierten Gehirndynamik gesehen werden, welche das Potential zeigt, die Analyse wirklicher Kognition anstatt pseudohafter "Puls"-evozierter Kognition zu ermöglichen.