Logo PTB

Analyse ereignisbezogener Gehirnsignale

Arbeitsgruppe 8.42

Mittels Elektroenzephalogramm (EEG) und Magnetoenzephalogramm (MEG) (Arbeitsgruppe 8.21) lassen sich Aufschlüsse über Prozesse der Informationsverarbeitung im menschlichen Gehirn gewinnen. Hierzu werden im Rahmen neurophysiologischer Studien ereignisbezogene Hirnsignale im aufgenommenen EEG/MEG analysiert, die z.B. durch Darbietung visueller oder akustischer Reize hervorgerufen werden.

Die Analyse solcher ereignisbezogenen Signale wird allerdings durch überlagerte  Signale der spontanen Hirnaktivität sowie durch externe Störquellen erschwert. Um ausreichende Signal-zu-Rauschverhältnisse zu erhalten, werden daher gewöhnlich Mittelungsverfahren angewendet. Dies berücksichtigt allerdings nicht die Variabilität zwischen einzelnen ereignisbezogenen Signalen. Zur Vermeidung dieses Informationsverlustes ist die Analyse einzelner ereignisbezogener Signale notwendig. Die wesentlichen Herausforderungen einer solchen Analyse sind das geringe Signal-zu-Rauschverhältnis sowie die Tatsache, dass das Frequenzspektrum der überlagerten, spontanen Aktivität im EEG/MEG mit dem der zu analysierenden Signale stark überlappt.

Gegenstand aktueller Arbeiten an der PTB ist die Bestimmung von Amplitude und Latenz einzelner ereignisbezogener Hirnsignale. Dies kann durch geeignete Bandpassfilterung und Anwendung der Hilbert-Transformation erfolgen, wobei der relevante spektrale Anteil eines ereignisbezogenen Signals in die zwei unabhängigen Signale Einhüllende und Phase zerlegt wird. Von diesen beiden Signalen können dann Amplitude und Latenz bestimmt werden.

Zerlegung gemittelter akustisch stimulierter MEG Signale in Einhüllende und Sinusphasensignal für zwei unterschiedliche Tonfrequenzen.
Abb. 1 : Zerlegung gemittelter akustisch stimulierter MEG Signale in Einhüllende und Sinusphasensignal für zwei unterschiedliche Tonfrequenzen.

 

Abbildung 1 illustriert das Bandpass-Verfahren für gemittelte, ereignisbezogene Signale eines MEG, die durch Darbietung von Tönen der Frequenzen 125 Hz und 1000 Hz ausgelöst wurden. Dargestellt sind die gemittelten, ereignisbezogenen Signale getrennt nach den beiden Tonfrequenzen und die daraus abgeleiten Signale von Einhüllender und Sinusphase. Aus dem Verlauf der Sinusphasensignale im Zeitintervall 100 ms bis 150 ms nach Darbietung der einzelnen Tonsignale kann die Latenzverschiebung der beiden Signale gegeneinander bestimmt werden.



Die Bestimmung von Parametern einzelner ereignisbezogener Hirnsignale kann durch räumliche Filterung deutlich verbessert werden. Hierbei wird ausgenutzt, dass bei EEG/MEG Messungen üblicherweise einer Vielzahl von räumlich verteilten Sensoren verwendet wird. Ziel der räumlichen Filterung ist, die Signale von störenden Quellen (z.B. spontane Hirnaktivität) weitgehend zu unterdrücken, wobei die interessierenden ereignisbezogenen Signale möglichst unverändert bleiben sollen.

Anwendung der Filterverfahren auf ungemittelte ereignisbezogene Signale. Die orangefarbene Linie zeigt jeweils den gemittelten Verlauf an.
Abb. 2 : Anwendung der Filterverfahren auf ungemittelte ereignisbezogene Signale. Die orangefarbene Linie zeigt jeweils den gemittelten Verlauf an.

 

Abbildung 2 zeigt anhand einzelner ungemittelter ereignisbezogener Signale eines ausgewählten MEG Kanals die Auswirkung der verwendeten Filterverfahren. Das räumliche Filter wurde aus 93 MEG Kanälen mittels Noise Adjusted Principal Component Analysis (NAPCA) konstruiert. Durch die räumliche Filterung wird eine deutliche Reduzierung störender Signalkomponenten erzielt, so dass die einzelnen ereignisbezogenen Hirnantworten sichtbar werden.

Latenzen einzelner ereignisbezogener Hirnsignale nach akustischer Stimulation mit zwei unterschiedlichen Tonfrequenzen.
Abb. 3 : Latenzen einzelner ereignisbezogener Hirnsignale nach akustischer Stimulation mit zwei unterschiedlichen Tonfrequenzen.

   

Die Ergebnisse der Latenzbestimmung von einzelnen ereignisbezogenen Hirnsignalen nach akustischer Stimulation mit zwei unterschiedlichen Tonfrequenzen sind in Abbildung 3 dargestellt. Die Ergebnisse zeigen einen Latenzunterschied zwischen den beiden durch die verwendeten Tonfrequenzen definierten Stimulationsklassen. Nach räumlicher Filterung ist dieser Unterschied bereits anhand der (verbessert geschätzten) Latenzen der einzelnen ereignisbezogenen Hirnsignale deutlich erkennbar.

Nach oben

Publikationen

Publikations Einzelansicht

Artikel

Titel: Latency analysis of single auditory evoked M100 responses by spatio-temporal filtering
Autor(en): G. Wübbeler, A. Link, M. Burghoff, L. Trahms and C. Elster
Journal: Physics in medicine and biology
Jahr: 2007
Band: 52
Ausgabe: 15
Seite(n): 4383--92
DOI: 10.1088/0031-9155/52/15/002
ISSN: 0031-9155
Web URL: http://www.ncbi.nlm.nih.gov/pubmed/17634639
Schlüsselwörter: Acoustic Stimulation,Acoustic Stimulation: methods,Algorithms,Diagnosis, Computer-Assisted,Diagnosis, Computer-Assisted: methods,Evoked Potentials, Auditory,Evoked Potentials, Auditory: physiology,Humans,Magnetoencephalography,Magnetoencephalography: methods,Pitch Perception,Pitch Perception: physiology,Reaction Time,Reaction Time: physiology,Reproducibility of Results,Sensitivity and Specificity
Marker: 8.42, Gehirn
Zusammenfassung: Appropriate spatial filtering followed by temporal filtering is well suited for the single-trial analysis of multi-channel magnetoencephalogram or electroencephalogram recordings. This is demonstrated by the results of a single-trial latency analysis obtained for auditory evoked M100 responses from nine subjects using two different stimulation frequencies. Spatial filters were derived automatically from the data via noise-adjusted principle component analysis, and single-trial latencies were estimated from the signal phase after complex bandpass filtering. For each of the two stimulation frequencies, estimated single-trial latencies were consistent with results obtained from a standard approach using averaged evoked responses. The quality of the estimated single-trial latencies was additionally assessed by their ability to separate between the two different stimulation frequencies. As a result, more than 80% of the single trials can be classified correctly by their estimated latencies.

Zurück zur Listen Ansicht

Nach oben