5 Grundlagen des EEG 101: Datenerfassung, -verarbeitung und -analyse

Entdecken Sie die Grundlagen des EEG in „5 Grundlagen des EEG 101“, das wesentliche Aspekte der Datenerfassung, -verarbeitung und -analyse behandelt. Dieser umfassende Leitfaden bietet Einblicke für Forscher und Praktiker auf dem Gebiet der Neurowissenschaften.

Wenn es um die Analyse von EEG-Daten geht, kann man sich angesichts der Vielzahl an Vorverarbeitungsschritten leicht überfordert fühlen, da bei jedem einzelnen fundierte Entscheidungen hinsichtlich der zu erwartenden Auswirkungen auf die Daten getroffen werden müssen.

In diesem Blogbeitrag möchten wir Ihnen 5 wichtige Aspekte näherbringen, die für die Verarbeitung von EEG-Daten entscheidend sind.

1) Pilotprojekte durchführen

EEG-Experimente erfordern eine sorgfältige Vorbereitung. Sie müssen die Teilnehmer vorbereiten, etwas Zeit für den Aufbau der Geräte aufwenden und erste Tests durchführen. Sie möchten sicherlich nicht, dass Ihr EEG-Experiment mitten im Test scheitert. Bevor Sie also eine vollständige Studie mit 100 Teilnehmern durchführen, sollten Sie klein anfangen und einige Pilotversuche durchführen, um zu überprüfen, ob alles ordnungsgemäß funktioniert.

• Werden die Reize in der richtigen Reihenfolge präsentiert?
• Funktionieren Maus und Tastatur?
• Verstehen die Teilnehmer die Anweisungen?
• Empfängst du Signale?

Sobald Sie diese Fragen von Ihrer Liste gestrichen haben, können Sie mit der eigentlichen Datenerhebung und -analyse beginnen.

2) „Es gibt keinen Ersatz für saubere Daten“

Weise Worte von Prof. Steve Luck (UC Irvine), die Sie immer im Hinterkopf behalten sollten, wenn Sie EEG-Daten aufzeichnen und vorverarbeiten, um relevante Kennzahlen zu ermitteln.

Bis heute gibt es keinen Algorithmus, der schlecht aufgenommene Daten bereinigen kann, und man kann Daten einfach nicht so bereinigen oder verarbeiten, dass sich das Signal auf magische Weise verändert. Beginnen Sie daher immer mit ordnungsgemäß aufgenommenen Daten.

EEG-Systeme bieten in der Regel software- oder hardwarebasierte Qualitätsindikatoren wie Impedanzanzeigen, bei denen die Impedanz jeder Elektrode grafisch dargestellt wird.

Niedrige Impedanzwerte bedeuten eine hohe Aufzeichnungsqualität (niedrige Impedanzen deuten darauf hin, dass das aufgezeichnete Signal die Vorgänge im Kopf widerspiegelt und nicht durch Störsignale aus der Umgebung verfälscht ist).
Saubere Daten ermöglichen klare Antworten auf Ihre Forschungsfragen!

3) Fundierte Entscheidungen treffen

EEG-Daten lassen sich auf vielfältige Weise aufzeichnen und analysieren, wobei nicht nur die einzelnen Verarbeitungsschritte selbst, sondern auch deren Reihenfolge von Bedeutung ist (ein Beispiel für die Bedeutung der Reihenfolge der Vorverarbeitungsschritte wird in Bigdely-Shamlo et al., 2015, beschrieben). Alle Signalverarbeitungsverfahren verändern die Daten in gewissem Maße, und das Bewusstsein für ihre Auswirkungen auf die Daten hilft zweifellos dabei, die richtigen Verfahren auszuwählen.

Der Ausdruck „fundierte Entscheidungen treffen“ ist der Schlüssel – wenn Sie sich nicht sicher sind, welche Methoden Sie wählen sollen, schauen Sie sich gut belegte Fachliteratur an. Mit Sicherheit finden Sie wertvolle Hinweise in wissenschaftlichen Forschungsarbeiten oder sogar in den „Labortraditionen“ Ihres Teams.

Indem Sie sicherstellen, dass die gewählten Methoden die gewünschten Ergebnisse liefern, können Sie wissenschaftliche Forschungsstandards wie Objektivität, Zuverlässigkeit und Validität maximieren. Sie können dies überprüfen, indem Sie die Ergebnisse in der Software, in der Sie Ihre Analyse durchführen, visualisieren, nachdem Sie die entsprechenden Vorverarbeitungsschritte oder Parameter angepasst haben.

Vorgeschlagener Ablauf für die Zeit-Frequenz-Analyse:

4) Artefakte abschwächen oder unterdrücken

EEG-Daten enthalten relevante und irrelevante Aspekte. Beispielsweise könnte man an ereignisbezogenen Potenzialen interessiert sein, die zeitlich genau mit dem Einsetzen eines bestimmten visuellen Reizes zusammenfallen. Wenn der Proband genau in diesem Moment blinzelt, spiegelt das EEG möglicherweise nicht die kortikalen Prozesse wider, die beim Betrachten des Reizes auf dem Bildschirm ablaufen.

Als EEG-Experte könnten Sie geneigt sein, diesen Durchlauf aus der Analyse auszuschließen, da die EEG-Daten keine relevanten Informationen enthalten. Wenn jedoch während des gesamten Experiments systematisch beim Einsetzen des Reizes ein Blinzeln auftritt, könnte dies Aufschluss über interessante Zusammenhänge geben.

Vielleicht vermeidet der Teilnehmer es, ein potenziell bedrohliches Bild zu sehen. Wenn man alle Versuche ausschließt, bei denen ein Blinzeln auftritt, führt dies im Grunde zu einer drastischen Reduzierung der Datenmenge (es könnte durchaus passieren, dass von 100 Versuchen nur noch 10 übrig bleiben – stellen Sie sich das einmal vor!).

Daher könnten Dämpfungsverfahren, die auf statistischen Verfahren wie Regression, Interpolation oder der unabhängigen Komponentenanalyse basieren, besser geeignet sein. In diesem Fall werden die verfälschten Datenabschnitte durch interpolierte Daten ersetzt, wobei Daten aus benachbarten Kanälen oder Zeitpunkten herangezogen werden (in der Abbildung unten stellen die roten Linien das korrigierte Signal dar).

Leider ist die Debatte darüber, ob Artefakte gedämpft oder verworfen werden sollten, in der wissenschaftlichen Gemeinschaft noch nicht abgeschlossen, und Sie müssen möglicherweise selbst beurteilen, welche Verfahren das gewünschte Ausgangssignal liefern.

Die Kombination des Kopfhaut-EEGs mit anderen Sensoren wie Eye-Trackern, EMG– oder EKG-Elektroden ermöglicht es jedoch, physiologische Vorgänge wie Blinzeln und Muskelbewegungen der Gliedmaßen oder des Herzens über andere Messverfahren zu erfassen, wodurch sich deren Einfluss auf die EEG-Daten leichter erkennen lässt.

5) Wähle die richtigen Statistiken

Bei der Konzeption und Auswertung eines EEG-Experiments ist es stets ratsam, sich auf bekannte Literatur zu stützen. Es wird Ihnen sicherlich leichter fallen, die beobachteten Effekte zu erklären, wenn Sie Ihre Ergebnisse mit viel zitierten bestehenden Publikationen in Verbindung bringen können, in denen ein vergleichbares statistisches Verfahren angewendet wurde.

Wie bereits erwähnt, gilt das Prinzip, fundierte Entscheidungen zu treffen, auch bei der Auswahl der richtigen statistischen Verfahren. Falls Sie ereignisbezogene Potenziale (ERPs) untersuchen möchten, sollten Sie sich die Latenzen und Amplituden der Spitzen in den ERP-Wellenformen an bestimmten Elektrodenpositionen genauer ansehen.

Wenn Sie hingegen an frequenzbasierten Messgrößen wie der Leistung im Theta-, Alpha- oder Beta-Band interessiert sind, sollten Sie sich eher auf die Untersuchung der Spitzenfrequenz oder der summierten Leistung innerhalb des jeweiligen Frequenzbands konzentrieren (weitere Informationen zum iMotions-Tool zur Analyse der spektralen Leistungsdichte von EEG-Signalen – EEG R Notebooks – finden Sie hier).

EEG-Kennzahlen wie „Workload“ (Advanced Brain Monitoring B-Alert) oder „Focus“ (Emotiv EPOC) basieren entweder auf zeit- oder frequenzbereichsbezogenen Merkmalen der EEG-Daten und können zudem im Hinblick auf Spitzenamplituden oder Latenzen in Bezug auf den Beginn eines bestimmten Ereignisses analysiert werden.

Zu den Analysemethoden zählen einfache t-Tests und komplexere Varianzanalysen (ANOVA) sowie nichtparametrische Verfahren wie Bootstrapping oder Randomisierungstechniken. Wählen Sie die Methode jedoch im Vorfeld sorgfältig aus, unter Berücksichtigung Ihres Kontexts, Ihres Forschungsziels usw.

Glücklicherweise lässt sich die Komplexität der Durchführung und Auswertung von EEG-Experimenten erheblich vereinfachen, indem man Vorversuche durchführt, saubere Daten erfasst und während der Vorverarbeitung und statistischen Auswertung der Daten fundierte Entscheidungen trifft.

Zögern Sie nicht, sich an uns bei iMotions zu wenden, wenn Sie Ihr Forschungsprojekt mit EEG und anderen physiologischen Sensoren bereichern möchten. Wir stellen Ihnen gerne die erforderlichen Werkzeuge und Informationen zur Verfügung, damit Sie im Handumdrehen mit der Erfassung hochwertiger Daten beginnen können! Kontaktieren Sie uns hier

Lesen Sie hier weiter, um mehr über akademische Forschung oder angewandte Forschung zu erfahren!

Häufig gestellte Fragen

Was sind EEG-Daten?

EEG-Daten (Elektroenzephalogramm) beziehen sich auf die elektrische Aktivität des Gehirns, die über einen bestimmten Zeitraum aufgezeichnet wird. Diese Aktivität wird mithilfe von Elektroden erfasst, die auf der Kopfhaut angebracht werden und die winzigen elektrischen Veränderungen registrieren, die durch die synchronisierte Aktivität von Nervenzellverbänden entstehen. EEG-Daten können Aufschluss über verschiedene Bewusstseinszustände, kognitive Prozesse und mögliche neurologische Anomalien geben.

Wer wertet die EEG-Ergebnisse aus?

EEG-Ergebnisse werden in der Regel von Neurologen oder speziell ausgebildeten EEG-Technikern ausgewertet. Im klinischen Umfeld wertet ein Neurologe die Daten aus, um neurologische Erkrankungen wie Epilepsie, Schlafstörungen oder andere hirnbezogene Probleme zu diagnostizieren oder zu überwachen. In der Forschung können Neurowissenschaftler, Psychologen oder andere spezialisierte Forscher EEG-Daten analysieren, um die Gehirnfunktion, die kognitiven Fähigkeiten oder das Verhalten zu untersuchen.

Für diese engagierten Fachleute und angehenden Studierenden sind kontinuierliches Lernen und der Zugang zu grundlegendem Wissen von entscheidender Bedeutung. Um Ihr Verständnis zu vertiefen und sicherzustellen, dass Sie über die besten Ressourcen verfügen, werfen Sie einen Blick in unseren Leitfaden zu den wichtigsten EEG-Büchern.

Wie werden EEG-Daten dargestellt?

EEG-Daten werden in der Regel als eine Reihe von Wellenformen in einem Diagramm dargestellt, wobei die x-Achse die Zeit und die y-Achse die Spannung oder Amplitude der Gehirnströme angibt. Diese Wellenformen können in Frequenz und Amplitude variieren, und verschiedene Muster können mit bestimmten Gehirnzuständen oder -aktivitäten in Verbindung gebracht werden.

Die Daten können als Rohkurven dargestellt oder so aufbereitet werden, dass bestimmte Frequenzen oder Muster hervorgehoben werden. Darüber hinaus lassen sich EEG-Daten in einigen fortgeschrittenen Darstellungsformen mit bildgebenden Verfahren kombinieren, um Hirnkarten zu erstellen, die die Aktivität in verschiedenen Regionen verdeutlichen.

Abschließende Gedanken

Die Analyse von EEG-Daten kann angesichts der Vielzahl der erforderlichen Vorverarbeitungsschritte eine gewaltige Aufgabe sein. Der Artikel beleuchtet fünf wesentliche Aspekte, die für die Verarbeitung von EEG-Daten entscheidend sind:

Pilotstudien durchführen: Vor dem Start einer umfassenden EEG-Studie ist es unerlässlich, Pilotstudien durchzuführen, um das System zu testen, sicherzustellen, dass die Reize korrekt präsentiert werden, und zu überprüfen, ob die Teilnehmer die Anweisungen verstehen.

„Es gibt keinen Ersatz für saubere Daten“: Unter Bezugnahme auf die Worte von Prof. Steve Luck von der UC Irvine unterstreicht der Artikel die Bedeutung einer qualitativ hochwertigen Datenerfassung. Keine Technologie und kein Algorithmus kann mangelhaft erfasste Daten retten, weshalb es entscheidend ist, von vornherein auf genaue Datenerfassungen zu setzen. Systeme verfügen in der Regel über Indikatoren, wie beispielsweise Impedanzanzeigen, um die Datenqualität zu visualisieren.

Fundierte Entscheidungen treffen: Die Art und Weise, wie EEG-Daten aufgezeichnet und analysiert werden, kann variieren, und die Reihenfolge der Verarbeitungsschritte kann sich auf das Ergebnis auswirken. Sich mit den Auswirkungen verschiedener Verarbeitungstechniken vertraut zu machen und auf die vorhandene Literatur zurückzugreifen, kann dabei helfen, fundierte Entscheidungen zu treffen.

Artefakte dämpfen oder verwerfen: EEG-Daten enthalten oft irrelevante Informationen oder „Rauschen“. So kann beispielsweise ein Blinzeln während der Stimuluspräsentation die Daten verfälschen. Der Artikel befasst sich mit der anhaltenden Debatte darüber, ob solche Artefakte gedämpft (korrigiert) oder verworfen werden sollten. Er geht zudem auf den Vorteil ein, andere Sensoren wie Eye-Tracker und EKG-Elektroden einzusetzen, um potenzielle Störungen in den EEG-Daten zu lokalisieren.

Wählen Sie die richtigen statistischen Verfahren: Die Erstellung von Analysen auf der Grundlage der vorhandenen Literatur kann zum Verständnis der beobachteten Effekte beitragen. Die Wahl der statistischen Verfahren hängt vom Ziel der Studie ab, unabhängig davon, ob es sich um ereignisbezogene Potenziale oder frequenzbasierte Messgrößen handelt. Es stehen verschiedene Analysetechniken zur Verfügung, die von einfachen t-Tests bis hin zu komplexeren Verfahren reichen.