Elektrophysiologie Flashcards
Vorderhirn, Mittelhirn, Hinterhirn
Vorderhirn (Prosencephalon):
– Zwischenhirn (Diencephalon)
—- Thalamus
—- Hypothalamus
—- Mamillary bodies
– Endhirn / Cerebrum (Telencephalon)
—- Basalganglien / Endhirnkerne
—— Striatum (Caudate Nucleus & Putamen)
—— Lentiform Nuclues (Putamen & Globus Pallidus)
—- Limbisches System
—— Cingulärer Kortex
—— Hippocampus
—— Amygdala
—- Cerebraler Kortex
—— Frontaler Kortex
—— Temporaler Kortex
—— Parietaler Kortex
—— Okzipitaler Kortex
Mittelhirn:
– Substantia Nigra
– Superiore und inferiore Colliculi
Hinterhirn / Rautenhirn:
– Cerebellum
– Pons
– Medulla oblongata
Mentale vs. neuronale Repräsentation
Mentale Repräsentation = die Art, in der Eigenschaften der Umwelt (z.B., Farben, Objekte, Bewegung) durch ein kognitives System kopiert/simuliert werden
Neuronale Repräsentation = die Art, in der sich Eigenschaften der Umwelt in neuronalen Signalen (z.B., unterschiedlichen Feuerraten von Neuronen) manifestieren
–> keine 1-zu-1 Zuordnung –> kein Rückschluss von neuronaler Aktivität auf mentale Repräsentationen möglich
Neuronale Informationsverarbeitung durch Aktionspotenziale
Ein Neuron integriert den Input einer großen Zahl anderer Neurone. Wenn eingehende Signale eine Schwelle überschreiten wird ein Aktionspotenzial ausgelöst (räumliche und zeitliche Summation).
–> Sukzessives Schaltungsmuster: Je höher sich das Neuron in der Hierarchie befindet, desto komplexer werden die dazugehörigen Reaktionstrigger/Antwortreize (von Linien zu Gesichtern).
Neuronale Codes von Rolls und Deco
Lokale Repräsentation (“grandmother cells”): alle Informationen über einen Reiz befinden sich in einem Neuron
–> unwahrscheinlich: begrenzte Anzahl an Neuronen; Neuronenverlust würde Verlust ganzer Repräsentationen bedeuten
“Fully distributed representation”: Information über Reiz befindet sich verteilt in allen Neuronen einer Population
“Sparse distributed representation”: Information über Reiz befindet sich verteilt in einem Teil der Neuronenpopulation
–> Studien sprechen am ehesten für die letzte Auffassung
Einzelzellableitungen - Funktionsweise & Anwendung
+ Spike Sorting
Invasive Methode, bei der eine Elektrode in ein Axon (intrazellulär) oder außerhalb der Axonmembran (extrazellulär) implantiert wird.
Die Elektrode misst die Aktivität einer einzelnen Zelle (single cell) oder mehrerer Zellen (mulit-unit).
Spike-Sorting: Gruppierung von Signalen/Spikes basierend auf deren Ähnlichkeit –> in der Theorie stammen ähnliche Spikes von demselben Neuron
Einzelzellableitung in Menschen
Invasive Methode, bei der Elektroden unter Vollnarkose für mehrere Tage implantiert werden.
Tiefenelektroden –> Subkortikale Regionen
Elektrodennetz –> Kortikale Regionen
Oft angewandt in Patienten mit schwerer Epilepsie, um den Herd (Ursprungsort) zu identifizieren.
Peri-stimulus time histograms
Übliches Format, in dem Daten von Einzelzellableitungen präsentiert werden.
Raster-Plot:
Zeilen = Trials
Striche = Spikes
Histogramm (Spike Rate über alle Trials):
x-Achse: Zeit
y-Achse: Spike Rate dieses Neurons
gestrichelte Linien: Beginn & Ende der Stimuluspräsentation
–> Raster-Plot und Histogramm beziehen sich jeweils auf die Aktivität eines einzigen Neurons.
Neuronale Codes - Feuerrate
Rate Coding: Die Feuerrate des Neurons kodiert Information.
–> Frequenz der Aktionspotenziale reflektiert Reizstärke
Ursachen: relative + absolute Refraktärzeit, Steigung der Aufstrichphase des Aktionspotenzials
Neuronale Codes - Temporal Coding
Temporal Coding. Die Synchronizität mehrerer Neuronen (oder Neuronenverbände) kodiert Information.
Bindungsproblem: Verteilte Areale kodieren unterschiedliche Aspekte unserer Wahrnehmung.
–> Idee: Aspekte werden gebunden durch synchrone Aktivität der Neuronenpopulationen.
Studie zu Einzelzellableitungen im Menschen (Quiroga et al., 2005)
–> Hinweis auf die Spezialisierung von Neuronen im visuellen System (Temporallappen)
Messung der Reaktion einzelner Neuronen des medialen Temporallappen in Epilepsiepatienten mittels Tiefenelektroden.
–> Manche Neurone sind erstaunlich selektiv für bestimmte Reizkategorien (z.B. Jennifer Aniston).
Das “Jennifer Aniston Neuron” ist bestimmt nicht das Einzige, das so spezifisch auf Jennifer Aniston reagiert, aber es gibt eben diese spezialisierten Neurone in der visuellen Hierarchie (auch wenn diese Neurone vermutlich nicht auf Jennifer Aniston spezifisch ausgerichtet sind, sondern auf einer kleinere Kategorie, in die Jennifer Aniston passt).
Aber:
- begrenzte Testreize
EEG - Funktionsweise
Elektroden in Hauben auf der Kopfhaut fixiert messen elektrische Aktivität (max. 256 Elektroden)
–> gängigstes System: 10-20 (17 + 2 Mastoide; links-ungerade; rechts-gerade)
Was wird gemessen?
- Inhibitorische und exzitatorische postsynaptische Potentiale (IPSPs & EPSPs) –> Dipole (Ladungsverschiebungen), die an der Kopfoberfläche gemessen werden können
–> nicht notwendigerweise indikativ für Aktionspotenziale
- EEG-Rhythmen/Oszillationen spiegeln synchrone Aktivität wider
Welche Rückschlüsse können von negativen und positiven EEG Ausschlägen auf die Dipole im Gehirn gezogen werden?
Welche Rückschlüsse können NICHT gezogen werden?
Negative und positive EEG Ausschläge spiegeln die Orientierung von Dipolen im Gehirn wider.
–> Große kortikale Pyramidenzellen als Standardbeispiel (parallel & senkrecht zur Kortexoberfläche)
Die Polarität des an der Schädeloberfläche gemessenen Signals hängt davon ab ob EPSPs oder IPSPs ausgelöst wurden sowie von der Position des synaptischen Kontakts (höhere vs. tiefere kortikale Schichten).
–> Von der Polarität des am Skalp gemessenen Signals kann NICHT auf die ablaufenden zellulären Prozesse geschlossen werden.
Wann kann ein EEG Signal gemessen werden und wann nicht?
Messbar:
- viele parallel angeordnete Zellen sind synchron aktiv
- Dipole sind möglichst senkrecht zur Kortexoberfläche/Elektrode angeordnet
Nicht messbar:
- entgegengesetzte Effekte im gleichen Kortexbereich (Summenpotenzial)
- tiefergelegene Hirnstruktur (Feldstärke eines Dipols nimmt mit dem Quadrat der Entfernung ab -> je geringer die Fläche der aktiven Dipole, desto größer das Verhältnis Potential Kortex/ Potential Skalp; negativ exponentielle Beziehung zwischen Fläche und Verhältnis)
Was sind Ereigniskorrelierte Potentiale (EKPs) / Event-related potentials (ERPs)?
= EEG-Signal wird im Hinblick auf ein bestimmtes Ereignis synchronisiert und über viele Trials gemittelt (Reduktion von noise) –> Grand Averages
–> Ergebnis: Eine Zeitreihe mit charakteristischen positiven und negativen Ausschlägen für jede Elektrode.
–> Zeitverlauf & Amplitude der Ausschläge (Komponenten) können mit Aspekten der Aufgabe in Verbindung gebracht werden.
Was sind EKP-Komponenten?
Charakteristische Folge enthält positiven und negativen Ausschlägen –> Peaks
Peaks werden nach Polarität (P/N) und Latenz (in ms, z.B., N400, P300 oder Nummer des Peaks (P1, P2, N1) benannt.
(Negativierung wird im Graphen üblicherweise nach oben aufgetragen.)
Peaks können auch zur Komponente werden mit einer bestimmten Amplitude, Latenz und Skalpverteilung.
Komponenten müssen reproduzierbar (Auftreten in versch. Menschen & untersch. Kontexten) und manipulierbar (konsistent veränderbar in einem oder mehreren Aspekten durch experimentelle Manipulationen) sein.
Was ist das Problem bei der Interpretation von EKPs?
Komponenten entsprechen unter Umständen verschiedenen (kognitiven) Verarbeitungsstufen.
1-zu-1 Zuordnung nicht möglich, da immer nur eine Summe elektrischer Aktivität gemessen wird, die sich aus verschiedenen Summanden ergeben kann.
Exogene vs. endogene EKP Komponenten
Exogen: durch externen Stimulus ausgelöste Komponente
Endogen: durch Aufgabe ausgelöste Komponente
EKPs Vor- & Nachteile
Vorteile:
- Veränderungen in Dipolen spiegeln direkt neuronale Aktivität wider
- exzellente zeitliche Auflösung
Nachteile:
- schlechte räumliche Auflösung (Zuordnung zu Quelle problematisch)
- weniger sensitiv für tiefere/ subkortikale Regionen
Forward Problem: Rückschluss von Dipol-Verteilung auf Potentialveränderung an der Schädeldecke (wenn wir Dipol-Verteilung wüssten; theoretische Zustand, den es in der Forschung natürlich nicht gibt) –> kein Problem
Inverse Problem: Rückschluss von Potentialveränderungen an der Schädeldecke auf Dipol-Verteilung –> keine eindeutige Lösung
–> Aber: versch. Lösungen können miteinander verglichen werden
Welche EKPs wurden den einzelnen Prozessen der Gesichtserkennung zugewiesen und wie wurde dies gemacht?
Perzeptuelle Kodierung des Gesichts – N170
Gesichtserkennung/ Identitätsverarbeitung – N250
Personenerkennung (Gesicht & Name) – P400-600
–> Manipulation der einzelnen Prozesse:
N170 - affected by perceptual changes to image
N250 - unaffected by view changes, affected by familiarity
P400-600 - affected by both faces and names
EKP Komponente: N1/P1
- frühe aufmerksamkeitssensitive Komponenten
- größere Amplitude, wenn Stimulus an der Stelle erscheint, auf die die VP die Aufmerksamkeit gerichtet hat
EKP Komponente: P300
- sensitiv für verhaltensrelevante (also auch abweichende) Reize –> Oddball Reiz
- spiegelt möglicherweise context updating wider - mentales Modell der Umwelt wird aktualisiert
Ähnlich: MMN - mismatch negativity (150-200ms) –> starke Negativierung nach einem Reiz mit abweichenden physikalischen Eigenschaften (z.B., drei hohe Töne gefolgt von einem tiefen Ton)
EKP Komponente: N400
- relevant für semantische Verarbeitung: evoziert bei semantisch abweichenden Reizen (z.B., “He spread the warm bread with socks.”)
EKP Komponente: ERN
Error related negativity: Time-locked Komponente, die mit Fehlerverarbeitung assoziiert ist.
(Ca. 120ms)
Warum werden EEG Oszillationen gemessen und was bedeuten sie?
Neuronenverbände feuern oft synchron in untersch. Frequenzen: Delta, Theta, Alpha, Beta (Gamma)
–> Grob: Je häher der Frequenzbereich, desto höher ist die mentale Aktiviertheit.
Die versch. Schlafphasen sind auch durch unterschiede in EEG Oszillationen charakterisiert.
Was ist die Fourier-Transformation, was ist ein Power-Spektrum?
Fourier-Transformation = Zerlegung eines komplexen Signals in Summe von Sinus/Cosinus-Schwingungen / Zerlegung des Signals in seine Frequenzanteile
Power-Spektrum: Graph mit x-Frequenz & y-Häufigkeit des Frequenzbestandteils
–> Was ist der relative Anteil der versch. Frequenzbestandteile am Gesamtsignal?
Was ist das Resultat von Zeit-Frequenz-Analysen?
