Neuro VL 6 (EEG III)

Question 1

EEG Frequenzen

Answer 1

Du Tanzt Aber Besonders Gut

Delta = 1-3 Hz --> Schlaf
Theta = 4-7 Hz --> Erinnerung
Alpha = 8-12 Hz --> Entspannt, wach
Beta = 13-30 Hz --> Kognitive Funktionen
Gamma = 31-90 Hz

Question 2

Fourier Transformation

Answer 2

Zeit in Frequenzdomäne übersetzen!

z.B.: 3Hz & 6Hz Schwingungen, die sich über Zeit nicht ändert = STATIONARITÄT

• kann unveränderliche Wellen in Frequenz-Domänen übersetzen
• -> Auf X-Achse dann nicht mehr Zeit, sondern FREQUENZ

Fourier-TRansformation:
- Mathematische Methode, mit der Signale aus Zeit in Frequenz übersetzt wird & umgekehrt

FT liegt “Stationaritätsannahme” zugrunde
–> FT kann NICHT dynamischen Übergang des relativen Anteils verschiedener Frequenzen abbilden

Question 3

Limitationen der FT

Answer 3

FT KEINE Aussage zu welcher Zeit nach Stimulus, welche Frequenz dominant ist

FT kann dynamischen Übergang des relativen Anteils verschiedener Frequenzen NICHT abbilden!

Lösung = Time Frequency Analysis/ Zeit-Frequenz-Analysen

Question 4

Zeit-Frequenz-Analysen

Answer 4

• bilden dynamischen Übergang des relativen Anteils verschiedener Frequenzen ab (Basiert auf WAVELETS)
• -> Morlet-Wavelets am häufigsten
• Wavelet, das 3x in eine Sekunde passt = 3Hz
• -> 333ms (1/3 Sekunde)

Würden auch 6 Schwingungen passen = 6Hz
–> 167 ms (1/6 Sekunde)

–> Zeit-Frequenz-Analyse sagt, welche Frequenz wann anfängt/endet

Question 5

Kanisza-Figuren als Bsp. für Time-Frequency Transformation

Answer 5

“illusionäres Dreieck”

• Verbinden visueller Eigenschaften zu einer Gestalt
• Effekt nur bei Kanisza-Figur & nicht bei Kontrollreiz!!

–> Neuronen repräsentieren Ecken

Frequenzen im Gamma-Bereich kodieren ob einzelne Eigenschaften zusammengehören!

Question 6

Wavelets

Answer 6

Berechnen, wie gut jedes Signal zu Daten passt
-> zu jedem Zeitpunkt, an dem Wavelet jeder Frequenz startet

• Sinusschwingungen = 1 Phase

Klassische Wavelet Transformation (CWT)
- Faktor immer >5 um Frequenz gut abzubilden, aber 7 hat sich als Zahl etabliert

Question 7

S-Transformation

Answer 7

Gut für Analyse von langsamen Frequenzen (Theta/Delta)

• Spezielle Form von Wavelet
• Um zu veranschaulichen, warum ST gut für langsame Frequenzen ist, benötigt man FENSTER-FAKTOR

FF = Gibt an wie viele Wavelets dazu beitragen, die Amplitude eines Zeit-Frequenz-Messpunkts zu bestimmten
6 Wavelets = FF 6

Mit ST kann man kleinere Fenster-Faktoren wählen
- Deswegen langsame Frequenzen mit ST besser auflösen als mit CWT (ST Faktor 2 // CWT 7)

–> Je KLEINER Faktor, desto besser ZEIT-Auflösung (ST)

–> Je GRÖßER Faktor, desto besser FREQUENZ-Auflösung (CWT)

Question 8

Fenster Faktor

Answer 8

Gibt an, wie viele Wavelets dazu beitragen die Amplitude eines Zeit-Frequenz-Messpunkts zu bestimmen!

• Tragen 6 Wavelets zu Messzeitpunkt bei, dann Fenster-Faktor = 6

Kleinere Faktoren = bessere ZEIT Auflösung (wenige Phasen)

Größere Faktoren = bessere FREQUENZ Auflösung

Question 9

Evozierte & induzierte Oszillation

Answer 9

Evozierte = Phase-Locked

• Oszillation erreicht immer zur selben Zeit ihren PEak
• EKP reagiert besonders sensitiv
• FRÜH

Induziert = Non-Phase-Locked
- Oszillationen haben NICHT zur gleichen Zeit ihren Peak
- EEG ist manchmal “BLIND” für dieses Signal
–> Amplituden Mitteln sich raus, da sich Wellen gegenseitig aufheben
SPÄT

Question 10

Topographische Karten & Modelle zur Quellenlokalisation

Answer 10

Wenn Elektroden gleichmäßig über Kopfhaut verteilt = AVERAGE REFERENCING = vergleichbare Topographien

Question 11

Das “Vorwärts-Problem”/ inverse Problem

Answer 11

VORWÄRTS:
berechnet, inwieweit jeder einzelne Dipol zur Potentialbildung auf den einzelnen Elektroden beiträgt

INVERSE:
Das inverse Problem besteht nun darin, von der beobachteten Wirkung auf die Ursache zu schließen.

Mit anderen Worten: Die Messungen des EEGs werden zur Rekonstruktion der uns interessierenden Quellen genutzt.

Question 12

Informationsfluss: Ein Dipol

Answer 12

Strom fließt von + nach -

• Polare Struktur = DIPOL
• > Daraus ergibt sich, was wir beim EEG messen
• Vergleich der relativen Positivierung/Negativierung = Topographie des gemessenen Signals
• > Annahmen darüber, welche Dipole ursächlich für gemessenes EEG-Signal sind

GRUNDLAGE FÜR QUELLENLOKALISATION!

Question 13

Quellenlokalisationsmethoden

Answer 13

1. sLORETA:
   Standardized low resolution electromagnetic Tomography Software
   - “Jeder Voxel ist ein Dipol”
   - Nimmt mehr als 6000 Voxel an
   -Exploratorisch = Annahme von 6293 Voxeln
   - Voxel bestehen aus grauen Masse des Hirns, nur da wo Aktivierung entsteht
   –> Also kann man Hirnaktivitätsmessung auf graue Zellen beschränken = man muss sich auf “nur” 6300 Voxel kümmern

2. BESA
Brain Electrical Source Analysis
- Alternative zu sLORETA
- Annahme über leitende Eigenschaften des Gewebes erlaubt Schließen auf Dipole
- Ansatz ist Hypothesengeleiteter:
--> Man definiert 1,2 Dipole
--> BESA sagt einem dann, wie viel Varianz der gemessenen EEG-Signale durch diese Dipole erklärteren kann!
--> Sollten mind, 93% sein!!!!

Question 14

Voraussetzungen für Quellenlokalisation

Answer 14

Mindestens 32-64 Elektroden die gleichmäßig über kompletten Kopf verteilt sind!!

Question 15

Alpha & Theta als Trait&State-Indikatoren für gute Leistung

Answer 15

Gute Leistung hängt mit zwei EEG-Phänomenen zusammen:

1. TONISCH = Entspannungsphase
   - Höheres Alpha
   - Niedriges Theta
   - -> TRAIT
2. PHASISCH = Energiephase
   - Höheres Theta
   - Niedriges Alpha
   - -> STATE

Feierabendtheorie:
- Gute Relaxer (hoher Alpha Trait) können sich besser während Aufgabe konzentrieren (Hoher Theta State)

–> Wer also nach Feierabend gut relaxen kann (hoher Alpha Trait), kann auch mehr leisten, wenns drauf ankommt (hoher Theta State)