Erfahren Sie, wie das Gesichts-EMG durch die Messung der elektrischen Aktivität in den Gesichtsmuskeln subtile emotionale Reaktionen erfasst. Es ist empfindlicher als webkamera-basierte Analysen, erkennt selbst unterdrückte Gesichtsausdrücke und funktioniert sowohl in mobilen Umgebungen als auch in VR-Anwendungen. Das fEMG wird häufig zur Bewertung der emotionalen Valenz eingesetzt und unterstützt die Forschung in den Bereichen Psychologie, Gesundheitswesen und menschliches Verhalten, in denen sichtbare Gesichtsdaten nur begrenzt verfügbar sind.

Die Gesichts-Elektromyographie (Gesichts-EMG/fEMG) wird seit mehr als 30 Jahren sowohl in der akademischen als auch in der kommerziellen Forschung zur Unterscheidung emotionaler Ausdrucksformen eingesetzt, und dieses Verfahren ist die perfekte Alternative zur webkamerabasierten Gesichtsausdrucksanalyse.

Wir sprechen oft von der Gesichtsausdrucksanalyse als einem wichtigen Instrument zur Messung der Valenz. Es gibt jedoch viele Situationen, in denen Gesichtsausdrücke nicht per Webcam erfasst werden können.

Vielleicht ist es schwierig, ein stabiles Bild vom Gesicht Ihres Befragten zu erhalten, wenn dieser sich in einer realen Umgebung bewegt. Möglicherweise nutzen Ihre Befragten Virtual Reality, und Sie können hinter einem VR-Headset keine Gesichtsausdrücke erfassen. Oder vielleicht suchen Sie nach Gesichtsausdrücken, die so subtil sind, dass sie über eine Webcam nicht visuell wahrgenommen werden können.

Um Ihnen zu verdeutlichen, was fEMG ist und wann es am besten eingesetzt wird, werden wir die Hintergründe von fEMG erläutern, seine Anwendungsmöglichkeiten aufzeigen und einen Überblick über seine Rolle in der Forschung geben.

Was ist eine Gesichts-Elektromyographie?

Lassen Sie uns zunächst über die Elektromyographie (EMG) sprechen. Kurz gesagt ist EMG die Messung der zugrunde liegenden elektrischen Aktivität, die bei der Muskelkontraktion entsteht (falls Sie etwas Zeit haben, empfehlen wir Ihnen wärmstens, unsere hervorragende Einführung „Elektromyographie 101“ zu lesen).

Wenn wir eine Bewegung ausführen, wandert ein elektrisches Aktionspotenzial vom Gehirn über das Rückenmark zu bestimmten Motoneuronen. Diese Motoneuronen setzen Acetylcholin an der neuromuskulären Verbindung frei, was zu einer Freisetzung von Kalziumionen im Muskel führt. Dieser Kalziumeinstrom bewirkt das Gleiten der motorischen Filamente Aktin und Myosin, wodurch sich die Muskelzellen verkürzen und eine allgemeine Muskelkontraktion ausgelöst wird.

Ähnlich wie bei anderen passiven Messverfahren, beispielsweise der Elektrokardiographie (EKG) oder der Elektroenzephalographie (EEG), können wir diese komplexe elektrische Aktivität beobachten, indem wir Elektroden auf der Hautoberfläche über den Muskelfasern anbringen. Durch die Messung dieser elektrischen Aktivität können wir erkennen, wann ein Muskel aktiviert wird, und die Stärke dieser Kontraktion bestimmen.

Das Gesichts-EMG bezieht sich konkret auf die Elektromyographie, die speziell auf die Gesichtsmuskeln ausgerichtet ist. Wenn Sie bereits mit webkamerabasierten Methoden zur Analyse von Gesichtsausdrücken gearbeitet haben, werden Sie sich daran erinnern, dass webkamerabasierte Engines wie Affectiva auf dem Facial Action Coding System (FACS) von Ekman & Friesen [1] basieren, bei dem Gesichtsausdrücke in sogenannte „Action Units“ unterteilt werden, die einzelne Bewegungen des Gesichts darstellen.

Das Gesichts-EMG kann ebenfalls im Rahmen des FACS-Modells betrachtet werden, da die meisten im FACS beschriebenen Aktions-Einheiten auf die Aktivität eines einzelnen Gesichtsmuskels zurückgeführt werden können. Tatsächlich hat eine ganz aktuelle Studie unter Verwendung von iMotions gezeigt, dass die Ergebnisse der webcam-basierten Gesichtsausdrucks-Engine von Affectiva in hohem Maße mit der durch das Gesichts-EMG charakterisierten Muskelaktivierung korrelieren [2].

Welche Informationen liefert Ihnen die fEMG?

Ein Hinweis auf die Valenz

Das Gesicht umfasst 43 Muskeln [3, 4], von denen die meisten vom Gesichtsnerv gesteuert werden; viele davon lassen sich mittels EMG erfassen, je nachdem, welche Fragestellung Sie verfolgen und welche Variablen Sie untersuchen möchten. Angesichts der Invasivität und der logistischen Schwierigkeiten bei der gleichzeitigen Aufzeichnung mehrerer Muskeln werden jedoch am häufigsten zwei Muskeln untersucht: der Zygomaticus major, der für das Lächeln zuständig ist, und der Corrugator supercilii, der für das Stirnrunzeln verantwortlich ist.

Diese beiden Muskeln standen im Mittelpunkt zahlreicher Forschungsarbeiten, da sie jeweils positive bzw. negative Valenz repräsentieren können. Studien zum Gesichts-EMG haben gezeigt, dass die Aktivität des Corrugator-Muskels in hohem Maße mit negativ valenten Reaktionen und selbstberichteten negativen Stimmungen korreliert. Der Zygomaticus-Muskel hingegen steht in einem positiven Zusammenhang mit positiven emotionalen Reizen und einer positiven Stimmung [5, 6, 7, 8, 9].

Unübertroffene Empfindlichkeit

Das Gesichts-EMG ist ein empfindlicheres Maß für die Muskelaktivierung als die Analyse mittels Webcam, da es die zugrunde liegenden elektrischen Ströme erfasst, die über eine Webcam nicht sichtbar wären [10].

Eine Studie legt sogar nahe, dass das EMG selbst dann, wenn die Probanden ausdrücklich angewiesen werden, ihre Mimik zu unterdrücken, trotz bewusster Unterdrückung noch in der Lage ist, winzige Veränderungen der Muskelaktivität zu erfassen [11].

Flexibilität

Die verschiedenen für EMG verfügbaren Hardware-Optionen ermöglichen es Forschern, Daten zum Gesichtsausdruck auch dann zu erfassen, wenn eine Erfassung per Webcam nicht möglich ist. Bluetooth-fähige oder kabellose Geräte von Shimmer oder BIOPAC können für mobile Datenerhebungen in realen Umgebungen eingesetzt werden. Die EMG-Elektroden lassen sich zudem problemlos unter einem VR-Headset anbringen.

Der einzige Nachteil dieser Hardware-Optionen besteht darin, dass sie die Anzahl der Muskeln, von denen Signale aufgezeichnet werden können, einschränken. So kann beispielsweise das Shimmer EXG zwei Muskeln gleichzeitig erfassen. Das drahtlose BIOPAC Bionomadix kann ebenfalls zwei Muskeln gleichzeitig erfassen, während das kabelgebundene EMG100C-Modul nur von einem Muskel Signale aufzeichnet.

Aktualisierungen zu fEMG 2023

Seit wir diesen Artikel im Jahr 2018 veröffentlicht haben, hat sich im Bereich der EMG- und fEMG-Forschung und -Technologie viel getan. Hier sind einige der Fortschritte, die in den letzten fünf Jahren erzielt wurden:

• Hochauflösende Oberflächen-Elektromyographie (HR-sEMG): Jüngste Studien haben gezeigt, dass HR-sEMG bei der Unterscheidung zwischen verschiedenen Gesichtsbewegungen und Emotionen äußerst effektiv ist. Diese Methode nutzt einen Mehrkanalansatz zur Aufzeichnung und liefert detailliertere und genauere Muster der Muskelaktivität. Eine Studie hat gezeigt, dass HR-sEMG zuverlässig zwischen den sechs Grundemotionen unterscheiden kann, wobei die interindividuelle Variabilität sehr gering ist. Das Kuramoto-Schema, eine landmarkenorientierte Elektrodenanordnung, erwies sich als effektiver als das Fridlund-Schema, insbesondere für den unteren Gesichtsbereich. Dies stellt den traditionellen Fokus auf den oberen Gesichtsbereich in psychologischen Experimenten in Frage. Darüber hinaus hob die Studie die Einschränkungen von HR-sEMG in Situationen mit spontan gezeigten Gesichtsausdrücken hervor und wies auf die Notwendigkeit einer drahtlosen Lösung hin, die das gesamte Gesicht abdecken kann. [12]
• Flexible, nichtinvasive Elektroden (FNEs) für sEMG: Die Entwicklung von FNEs hat wesentlich zur Verbesserung der Qualität von sEMG-Signalen beigetragen. Diese Elektroden bieten ein besseres Signal-Rausch-Verhältnis, Flexibilität, Biokompatibilität und eine bessere Haftung auf der Haut, was für Langzeitaufzeichnungen entscheidend ist. FNEs sind so konzipiert, dass sie den mechanischen Eigenschaften der menschlichen Haut entsprechen, wodurch Unbehagen und Reizungen während der Messung minimiert werden. Bei ihrer Entwicklung wird zudem auf Atmungsaktivität geachtet, um Probleme wie Hautreizungen und Bewegungsartefakte durch Schweißansammlungen zu vermeiden. [13]
• Drahtlose EMG-Technologie: In einer aktuellen Studie wurde ein tragbares, drahtloses Übertragungssystem für die Mehrkanal-Erfassung von EMG-Signalen vorgeschlagen. Dieses System nutzt Elektroden, die am Rand des Gesichts angebracht werden, um die Hemmung der Gesichtsmuskelbewegungen zu verringern. Es nutzt WLAN-Technologie für mehr Flexibilität und hat sich bei der Erkennung verschiedener Gesichtsbewegungen als wirksam erwiesen.

Wo wird das Gesichts-EMG üblicherweise eingesetzt?

Das Gesichts-EMG findet im medizinischen Bereich vielfältige Anwendung, insbesondere in der Bewegungs- und Rehabilitationsforschung im Zusammenhang mit neuromuskulären Erkrankungen wie ALS, Parkinson und Schlaganfall. Das Gesichts-EMG wird zudem in Emotionsstudien mit Menschen mit Autismus eingesetzt.

In jüngster Zeit findet das Gesichts-EMG zunehmend Anwendung in der Marktforschung, der Gaming-Branche und der VR. Das Gesichts-EMG wird zudem häufig in Studien zur Web-Usability, in der Marktforschung und in der Ergonomieforschung eingesetzt, da es sensible Messwerte zur Valenz liefert, die mit webkamera-basierten Methoden möglicherweise nicht erfasst werden können.

Ob sich der Einsatz von fEMG in Ihrer Arbeit oder Forschung lohnt, hängt zwar von Ihrer konkreten Forschungsfrage ab, doch bietet diese Methode die Möglichkeit, unvergleichliche Einblicke in den Ausdruck von Emotionen zu gewinnen. Wenn Sie mehr über die Analyse von Gesichtsausdrücken im Allgemeinen erfahren möchten, laden Sie sich unten unseren kostenlosen Leitfaden herunter.

Literaturverzeichnis

1.  Ekman, P. und Friesen, W. (1978). Facial Action Coding System: Eine Methode zur Messung von Gesichtsbewegungen. Consulting Psychologists Press, Palo Alto.
2. Kulke, L., Feyerabend, D. und Schacht, A. (2018). Vergleich der Gesichtsausdrucksanalyse-Software „iMotions“ von Affectiva mit EMG. https://doi.org/10.31234/osf.io/6c58y
3. Marur T., Tuna Y., Demirci S. (2014). Gesichtsanatomie. Clin. Dermatol. 32, 14–23. 10.1016/j.clindermatol.2013.05.022
4. von Arx, T., Nakashima, M. J., Lozanoff, S. (2018). Das Gesicht – Eine muskuloskelettale Perspektive. Eine Literaturübersicht. Swiss Dent J. 128, 678–688.
5. Cacioppo, J. T., Petty, R. E., Kao, C. E. & Rodriguez, R. (1986). Zentrale und periphere Wege der Überzeugung: Eine Perspektive der individuellen Unterschiede. Journal of Personality and Social Psychology, 51, 1032–1043.
6. Dimberg, U. (1990). Wahrgenommene Unangenehmheit und Gesichtsreaktionen auf akustische Reize. Scand. J. Psychol. 31:70–75.
7. Lang P. J., Greenwald M. K., Bradley M. M., Hamm A. O. (1993). Das Betrachten von Bildern: affektive, mimische, viszerale und verhaltensbezogene Reaktionen. Psychophysiology, 30, 261–273. 10.1111/j.1469-8986.1993.tb03352.x
8. Schwartz, G. E., Ahern, G. L. und Brown, S. (1979). Lateralisierte Reaktion der Gesichtsmuskulatur auf positive und negative emotionale Reize. Psychophysiology, 16: 561–571.
9. Sirota, A. D., & Schwartz, G. E. ~1982!. Musterbildung und Lateralisation der Gesichtsmuskulatur bei der Vorstellung von Hochstimmung und Depression. Journal of Abnormal Psychology, 91, 25–34.
10. Cacioppo J. T., Petty R. E., Losch M. E., Kim H. S. (1986). Anhand der elektromyografischen Aktivität in den Gesichtsmuskelregionen lassen sich die Valenz und Intensität affektiver Reaktionen unterscheiden. J. Pers. Soc. Psychol. 50, 260–268. 10.1037/0022-3514.50.2.260.
11. Cacioppo, J. T., Bush, L. K. & Tassinary, L. G. (1992). Mikroexpressive Gesichtsbewegungen als Reaktion auf affektive Reize: Replikation und Erweiterung. Personality and Social Psychology Bulletin, 18, 515–526.
12. Guntinas-Lichius, O., Trentzsch, V., Mueller, N. et al. Hochauflösende oberflächliche elektromyografische Aktivitäten der Gesichtsmuskulatur während der sechs grundlegenden emotionalen Ausdrucksformen bei gesunden Erwachsenen: eine prospektive Beobachtungsstudie. Sci Rep 13, 19214 (2023). https://doi.org/10.1038/s41598-023-45779-9
13. Cheng, L., Li, J., Guo, A. et al. Jüngste Fortschritte bei flexiblen, nicht-invasiven Elektroden für die Oberflächen-Elektromyographie. npj Flex Electron 7, 39 (2023). https://doi.org/10.1038/s41528-023-00273-0