Verbesserte Analyse gehirnelektrischer Signale

Dieses Projekt beschäftigt sich mit der Entwicklung und Anwendung moderner Methoden der Informationsverarbeitung auf die Analyse funktionaler Hirnsignale. Ziel ist eine korrekte Beschreibung der spatio- temporalen Charakteristiken funktionaler Hirnsignale und ihrer funktionalen Kopplung während zeitlich ausgedehnter kognitiver Verarbeitung. Ereigniskorrelierte Potentiale (EKP), welche im Elektroencephalogramm (EEG) gemessen werden, ermöglichen die Beobachtung physiologischer Korrelate menschlicher Kognition. Die meisten EKP Studien konzentrieren sich auf sehr kurze kognitive Prozesse, die die zeitliche Stabilität der Signalkomponenten garantieren. Dies ermöglicht das einfache Mitteln über einen Satz ähnlicher EKPs zur Verbesserung des Signal-Rauschen Verhältnisses. Zeitlich ausgedehnte kognitive Prozesse sind viel interessanter aus psychologischer Sicht, zeigen aber eine viel größere temporale Variabilität. Die geplanten neuen Analysemethoden werden dies berücksichtigen. Um die spatio-temporalen Charakteristiken von kognitivem EEG korrekt zu beschreiben, werden wir einen unserer früheren Ansätze weiterentwickeln. Ausgangspunkt ist die Hypothese, daß nur Subsequenzen fixer Länge ähnlich sind in einem ganzen Satz längerer kognitiver EKPs. Wir werden die bisherige Methode diese Subsequenzen zu finden und über sie zu mitteln erweitern durch das Zulassen zeitlicher Variabilität (Dehnung und Stauchung) innerhalb der Subsequenzen. Dazu soll die in der Sprachverarbeitung und Analyse von biologischen Sequenzen sehr erfolgreiche Methode der "Hidden Markov Models" (HMM) verwendet werden. Zusätzlich verfolgen wir noch zwei weitere Ziele, die die funktionale Kopplung kortikaler Strukturen betreffen: die Beschreibung der Komplexität von EEG Signalen und die kausale Analyse der Beziehungen zwischen Signalen von verschiedenen kortikalen Arealen. Dies soll durch die Berechnung kontinuierlicher Komplexitäts- und Kausalitätsmaße für jede einzelne EEG- Aufzeichnung erreicht werden. Diese neuen Maße werden ebenfalls auf Informationstheorie basiert sein und die so resultierenden Zeitreihen von Komplexitäts- und Kausalitätsmaßen werden neuerlich mit Hilfe von HMMs analysiert. Alle Resultate zusammen werden die kognitive Neurowissenschaft von der Frage nach dem "Wo" Kognition im Gehirn passiert zu einer funktionalen Ordnung des "Wo und Wann" weiterentwickeln.

Die Analyse Ereignisbezogener Potentiale (EP) war für die Entwicklung der `Kognitiven Neurowissenschaften` von zentraler Bedeutung. Die zur Analyse von EPs notwendige Mittelungstechnik brachte es mit sich, daß vornehmlich kurz-latente EP-Komponenten im Mittelpunkt des Interesses standen, weil diese ausreichend latenz- und formstabil sind. Hirnpotentiale, die während zeitlich ausgedehnter Kognitionen beobachtbar sind, zeigen diese Eigenschaften in geringerem Ausmaß, sodaß Mittelung nicht die adäquateste Analysetechnik darstellt. Daher konzentrierte sich das Projekt zunächst auf mögliche Verfahren, die zur Beschreibung von räumlich-zeitlichen Mustern führen. Ausgangspunkt war der Wechsel von einem von A. Flexer entwickelten Verfahren, das auf K-means Clustering beruhte, auf die probabilistische Methode des Gaussian Mixture Model (GMM) Modellierens. Ein GMM mit integrierter Rauschkomponente, das in der Sprachanalyse zur Signal-Rausch-Trennung eingesetzt wurde, wurde für die EEG-Analyse adaptiert. Zusätzlich kamen auch statistische Verfahren, nämlich `Principal Component Analysis (PCA)` und `Independent Component Analysis (ICA)` an den gleichen Testdaten (artifizielle Daten, mit bekannter Zusammensetzung; echte EEG-Daten) zum Einsatz. Alle drei Verfahren waren ausreichend gut für die Analyse der artifiziellen Daten; bei den echten EEG-Daten lieferte jedoch nur die ICA zufriedenstellende Ergebnisse. Die Beobachtung der Phasensynchronisation im EEG-Gamma-Frequenzband, derzeit ein zentrales Thema, ist von besonderem Interesse, weil diese Information einen zusätzlichen Mehrwert zur klassischen `Funktionellen Neuroanatomie` darstellen würde. Leider schlugen alle Versuche fehl, simple Gamma-Power-Anstiege oder Null- Phasendifferenzen in schmalbandgefilterten EEG-Signalen zu finden, die irgendwie zu den verwendeten Kognitionen in Beziehung gestanden hätten. Das zentrale Hauptergebnis des Projektes ist der Nachweis, daß langsame Hirnpotentiale, wie sie zeitlich ausgedehnte Kognitionen begleiten, sehr gut mit ICA analysierbar sind, indem sie in räumlich (Kopfverteilung) konstante, jedoch zeitlich unabhängige Komponenten zerlegt werden. Diese Komponenten beschreiben Artefakte, reiz- oder reaktionsbezogene Aktivitäten, aber eben auch Aktivitäten, die über Kognitionsdurchgänge hinweg zu verschiedenen Zeitpunkten auftreten. Dieser Analyseschritt ermöglicht auch eine eindeutigere Zuordnung der Aktivitäten zu den generierenden Hirnstrukturen.