30
BEEG (Fach) / 2 (Lektion)
Anzeige
- Blinzeln Blinks VEOG gegensätzlich zu den Elektrode 50μV-100μV 200-500 ms
- Augenbewegungen Spannungsänderung positiv in Blickrichtung Sakkaden: Umschlagvon 0 auf nicht 0 und zurück (Box-car shape)
- Hautpotentiale Hautpotentiale Langsame Spannungsänderung selten und zufällig können "Blocken" verursachen
- Alpha-Wellen Alpha Wellen Oszillationen bei 10 HZ Maximal an Posterioren Elektroden
- Muskel und Herzaktivität Muskel und Herzaktivität EMG: sehr hochfrequent (>100Hz) EKG: sehr regelmäßig (1/sec), nie systematisch bezgl. Stimulus
- Artefakt-Typen: Blinzeln Augenbewegungen (bes. Sakkaden = ruckartigeAugenbewegungen) Muskelaktivität (auch Herz) Hautpotentiale (zB durch Schweibildung, verschieben der Elektrode) Oszillationen (zB Alpha-Wellen durch Müdigkeit) Referenz-Elektrode, wenn alles schlecht ist.
- Warum sind Artefakte ein Problem? meist sehr groß im Vergelich zu filigranen Hirnsignalen --> starke Verschlechterung der S/N-Ratio Oft systematisch (nicht randomisiert) (zB Pb zwinkert immer nach Tatendruck) -> werden nicht durch Averiging gelöscht --> Fehlinterpretation möglich
- Zwei Techniken, mit Artefakten umzugehen: Aufspüren und Löschen (von den Daten ausschließen) = Rejection Einfluss des Artefakts schätzen und Korrigieren = Correction
- Hansens Axiom Es gibt keinen Ersatz für gute Daten Es ist immer besser, die Entstehung von Artefakten zu minimieren, als sie später zu löschen o zu korrigieren
- Übersetzung eines analogen Signals in ein digitales Signal: --> Einstellungen: Verstärkungs-Rate / Digitalisierugs-Rate
- Anzeige
- Digitalisierung Analog-to-Digital Converter (ADC) -> numerische Representation des EEG-Signals meistens 12 Bit (12^12 = 4096 Voltage-Werte) (Auflösung; Steigerung durch averaging) Bsp: Umfang von ±5μV -> -5μV = 0, +5μV = 4096 Problem: Werte außerhalb des Umfangs werden nicht umgesetzt!
- ADC Analog-to-Digital Converter -> numerische repräsentation des EEG-Signals meistens 12 Bit =12^12 = 4096 Voltage-Werte (Auflösung, Steigerung durch Averaging)
- Amplification Verstärkung a) Gain (Amplitudenzuwach) b) High-Pass-Filter
- Amplification - Verstärkung: a) Gain Amplification - Verstärkung: a) Gain Amplitudenzuwachs Jehöher, desto größer das EEG-Signal zu hoch -> Überschreitung der Grenzen zu niedrig -> Auflösungsverlust
- Amplification (Verstärkung) b) High-Pass-Filter Amplification (Verstärkung) b) High-Pass-Filter Dämpfen niedriger Frequenzen / Durchlassen hoher Frequenzen Verhindert die Überschreitung der (Auflösungs-)Grenzen je höher, desto weniger Drift#Aber: Verzerrung der Daten -> künstliche Alpha-Wellen Empfehlung: 0.01Hz
- Übersetzung eines analogen Signals in ein digitales Signal: 1) Digitalisierung 2) Amplification (Verstärkung) a) Gain (Amplitudenzuwachs) b) High-Pass-Filter
- Sampling Übersetzung einzelner Punkte in digitale Sequenz
- Sampling Periode Zeit zwischen den Samples
- Sampling Rate Anzahl der Sample pro sekunde
- Nyquist Theorem: Problem: hohe Frequenzen im EEG-Signal --> Low-Pass Filter: Dämpfen hoher FRequenzen -----> Sampling Rate ist abhängig vom Cut-Off des Filters --------->(Bsp: Cutoff = 100Hz => Sampling Rate = 200 Hz)
- Empfehlng in der Praxis: Filter / Sampling-Rate Samping Rate ≥ 3 x max FREquenz Rate des analogen Signals Filter 80 Hz, Samling-Rate 250 HZ
- Achtung: Filter... Filter verzerren Daten je niedriger der Filter, desto geringer die Verzerrung Aber: je höher die fREquenz, desto größer die Dateien
- Daten-Pre-Analyse Artefact rejection Artefact Correction Filtering Avaraging
- Averging ERPs können durch Mittelung ("Avaraging") vom EEG-noise isoliert werden. Vorraussetzung: genug Segmente und Trials
- ERPs folgen... einem Ereignis. Zeitgebundene Epochen können exzerpiert werden durch averaging wird das ERP ohne noise exzerpiert je mehr Epochen, desto besser die S/N-Ratio = das Signal
- Averaging: je mehr ... Epochen, desto beser das Signal (Signal-to-noise (S/N)-ratio)
- ERPs werden mit jedem... zum Average hinzugefügten TRial genauer; noise geht gegen null
- S/N-ratio steigt... als Funktion der Wurzel der Anzahl der Trials Signal/Noise x √N
- Averaging Merksatz: Weil die Qualität des Signals nur langsam zunimmt, bei schnell Steigender Anzahl von Trials, ist es besonders wichtig, mögliche Quellen für noise zu minimieren
- Problem: Überlappen von ERPs und Lösung --> Wenn Stimuli zu schnell präsentiert werden Verschmieren des Average äquivalent zum Effekt eines low-Pass-Filters kleinere Überlappungen, wenn Stimulus weiter weg ist Lösung: größere Inter-Stimulus-Intervalle Instruktionen High-Pass-Filter Überlappungen messen und subtrahieren schätzen und subtrahieren