3. Magnetenzephalographie (MEG) & Elektroenzephalographie (EEG) 3.3. Rauschen und Artefakte

Ähnliche Dokumente
Uli Monzel Universität des Saarlandes FR 5.3 Psychologie Seminar: Elektrophysiologie kognitiver Prozesse Dozentin: Nicola Ferdinand

Objektive Audiometrie. Akustisch evozierte Potentiale Zielsetzungen Messmethodik Anwendungen

Das EEG: Spontan-EEG und EKP

Störungen von elektrischen Signalen


Stochastische Resonanz

Spektralanalyse physiologischer Signale

Steady-State VEP-Based Brain-Computer Interface Control in an Immersive 3D Gaming Environment

Physiologische Messungen am Gehirn bei bewussten und unbewussten Wahrnehmungen. André Rupp Sektion Biomagnetismus Neurologische Universitätsklinik

Ereigniskorrelierte Hirnpotentiale - eine (kleine) Einführung -

Elektromagnetische Verträglichkeit. Patrick Borchers Projektlabor SoSe 2014

Stochastische Resonanz (SR)

EMperiePRA PRAktikum WS 2007/2008

Sitzung 5. Spektrogramm

Dynamische Thermographie in der zerstörungsfreien Prüfung

Neurochipexposition mit generischem UMTS-Signal

SQUID. Superconducting Quantum Interference Device Funktionsweise und Anwendungen. Christian Bespin

Spektroskopische Methoden in der Organischen Chemie (OC IV) NMR Spektroskopie 1. Physikalische Grundlagen

Seismologie und Geodynamik in der Schweiz: Was kann GNSS beitragen?

Die Gehirn Computer Schnittstelle als Hilfsmittel bei Wachkoma? 10 Jahre Verein Initiative für Menschen im Wachkoma. Inhalt

Integrative Leistungen des ZNS, kortikale und thalamischer Verschaltung, Elektroenzephalographie (EEG)

2.1. Beeinflussungsmodell. Kopplung

Teil VI. Das elektromagnetische Feld in Materie. 13. Makroskopische Felder. f( x, t) = d 3 ξ dτ f( x + ξ, t + τ) (13.1) E + B t = 0 (13.

Spektrale Analyse Fourier Transformation

Teil 1 Schwingungsspektroskopie. Dr. Christian Merten, Ruhr-Uni Bochum, WiSe 2016/17

3. Leistungsdichtespektren

12.8 Eigenschaften von elektronischen Übergängen. Übergangsfrequenz

Aufgaben zum Wasserstoffatom

UniversitätQ Osnabrück Fachbereich Physik Dr. W. Bodenberger

Akustische Phonetik. Uwe Reichel, Phil Hoole IPS, LMU München

Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern

15.Magnetostatik, 16. Induktionsgesetz

Technische Raytracer

13. Elektromagnetische Wellen

NMR - Seite 1. NMR (Kernresonanzspektroskopie) Allgemeines zur Theorie

Spektralanalyse physiologischer Signale

Methoden zur Verbesserung des S/R-Verhältnisses

Fahrplan. Bertram Opitz, UdS

Einführung in die Quantentheorie der Atome und Photonen

Die akustische Analyse von Sprachlauten 1. Zeitsignal, Periodizität, Spektrum. Jonathan Harrington

Lehrstuhl für Technische Elektrophysik Technische Universität München


Erschütterungen durch Eisenbahnen: Von der Simulation zur Prognose

integrative Wahrnehmungsprozesse (multisensorisch, oft auf Erfahrung beruhend)

16 Elektromagnetische Wellen

Wo ist der magnetische Nordpol der Erde?

Tinnitus-Erkennung mittels Hirnstrommessungen

Übungen Atom- und Molekülphysik für Physiklehrer (Teil 2)

Vorbereitungen zur Funkamateur-Prüfung. HB3-Aufgaben B.012

4 V. c) 7 Messgrößen sind E (bzw. U und d), B und r. ebr m= v

Elektrotechnik für MB

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB

Energy Harvesting - new approaches. Christian Damm Fachbereich Informatik, Freie Universität Berlin

Elektromagnetische Felder und Wellen

Klassifizierung des kurzzeitigen Beobachtungsrauschens von 100 Hz GPS-Empfängern unter statischen und kinematischen Szenarien

Grundlagen bioeletrische Systeme SS2008/

Das Amperesche Gesetz Der Maxwellsche Verschiebungsstrom Magnetische Induktion Lenzsche Regel

Statistische Kennwerte und -funktionen. Dr.-Ing. habil. H. Nobach

Akustisch evozierte Potentiale (Klick-BERA, KL-BERA, NN-BERA, ASSR, CERA)

Entwicklung der Wasserstände in der Tideelbe ermittelt durch das Partialtiden(PT)-Verfahren

A-118 NOISE / RANDOM. 1. Einführung. doepfer System A NOISE / RANDOM A-118

Merke: Zwei Oszillatoren koppeln am stärksten, wenn sie die gleiche Eigenfrequenz besitzen. RESONANZ

Klangerzeugung. Grundlagen der Klangerzeugung in analogen Synthesizern

2. Magnetresonanztomographie (MRT, MRI) 2.3. Spin und Magnetisierung

Biosignalverarbeitung

NANO III. Rauschen in elektronischen Signalen H.Hidber 1

Aktuelle Themen für Bachelor- und Masterarbeiten in der LENA Nachwuchsgruppe Metrologie für funktionale Nanosysteme

Multimediale Werkzeuge 1, Audio-Berabeitung. normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1

IX.2 Multipolentwicklung

Grundlagen der Quantentheorie

7. Elektronendynamik

Monitoring der Sehbahnfunktion mittels kontinuierlicher Ableitung visuell evozierter Potentiale

Systembiologie & Medizin. EEG-Grundlagen. Freie Universität Berlin Betreuer: Dr. D. Kunz; PD Dr. A.

Untersuchungen zur Anwendung eines FMCW-Radars zur Schätzung kleiner Abstände

2 Störeinflüsse und Schutzmaßnahmen

Neurofeedback, transkranielle Wechselstrom-Stimulation

2Fs m = 2 600N 0.225m. t = s v = 30m 30m/s = 1s = gt = 10 m s21s = 10m/s. v y. tanα = (v y /v x ) α = 18. m 1 v 1 = (m 1 + m 2 )v 2

Elektromagnetische Felder und Wellen: Klausur

Allgemeine Kräftesysteme

X. Quantisierung des elektromagnetischen Feldes

NANO III. Rauschen und Störsignale erkennen und unterdrücken

Kapitel 2.1: Die stochastische Sicht auf Signale Georg Dorffner 67

Sitzung 3: Das handelnde Gehirn

Philosophische Aspekte der Modernen Physik. 09 Physiologie und Zeit

10. Der Spin des Elektrons

6.2.6 Ohmsches Gesetz ******

Grundlagen der Medizinischen Messtechnik Prof. Dr. rer. nat. Dr. rer. med. Daniel J. Strauss Ergänzende Folien EF3

Spektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!

1.17eV exp eV exp Halbleiter

Dynamische Systeme in der Biologie: Beispiel Neurobiologie

VL 17. VL16. Hyperfeinstruktur Hyperfeinstruktur Kernspinresonanz VL Elektronenspinresonanz Kernspintomographie

VL 17. VL16. Hyperfeinstruktur Hyperfeinstruktur Kernspinresonanz VL Elektronenspinresonanz Kernspintomographie

Klatschen vs. Pfeifen

E2: Wärmelehre und Elektromagnetismus 22. Vorlesung

Induktion. Bewegte Leiter

Digitale Datenauswertung

Elektromagnetische Feldtheorie 1

Transkript:

3. Magnetenzephalographie (MEG) & Elektroenzephalographie (EEG) 3.3. Rauschen und Artefakte

Rauschen und Artefakte Information über Rauschen in einem Signal: Spektralanalyse Spektrale Leistungsdichte Frequenz Spektrale (Leistungs-)Dichte: die in einer Welle enthaltene Leistung pro Frequenzeinheit 1/f-Rauschen (flicker noise, pink noise, rosa Rauschen): dominierendes Rauschen bei niedrigen Frequenzen; bei doppelter Frequenz ist die Leistung halbiert; in der Elektronik/Messtechnik abhängig von Qualität der betreffenden Bauelemente, z.b. Halbleiter. 2 Weißes Rauschen: Rauschen mit konstanter Amplitude im Spektrum, d.h. konstanter Leistung pro Bandbreiteneinheit; z.b. thermisches Rauschen aufgrund thermischer Fluktuationen von Ladungsträgern

Das Hauptproblem: (jede Art von) Rauschen Externe Rauschquellen ( Elektromagnetische Verschmutzung innerhalb einer großen Stadt ): Stromversorgungen, Straßenbahn, Autos, Telekommunikation, Intrinsische Rauschquellen / Artefakte: Augenzwinkern, Herzschlag, Muskelanspannung, spontane Hirnoszillationen After: Hämäläinen et al., Review of Modern Physics (1993) Spektrale Dichte 3 Frequenz (Hz)

Abschirmung Abschirmung externer Störquellen Abgeschirmte Kabine: Reduktion des magnetischen Rauschens der Umgebung verursacht durch Stromversorgungen, Eisenbahn- und Strassenbahntrassen, Telekommunication etc.; Materialien: µ-metall (FeNi-Legierung), Kupfer, Aluminium aktive und passive Schirmung; Schirmfaktoren bis zu 10 8 möglich Abschirmfaktor: B ext / B int 4 Quelle: PTB

5 Filter

Spontane (induzierte, evozierte) Hirnoszillationen z.b. Alpha: 8 12 Hz, Beta: 12 30 Hz, Gamma: 30 80Hz Zeit 6 Spontane Oszillation: vollständig unkorreliert mit der experimentellen Bedingung Induzierte Oszillation: korreliert mit experimenteller Bedingung, Jitter möglich Evozierte Oszillation: kein Jitter (phase-locked)

Passives Zuhören 10 Hz Frequenz Zeit Richtungsunterscheidung 10 Hz 7

Augen-Artefakte Zeit 8

Augen-Artefakte Bewegung des Augapfels über drei Muskelpaare: horizontale Bewegungen: lateral & medial rectus vertikale Bewegungen: superior & inferior rectus Rotation: superior & inferior oblique Bewegung der Augenlider: Heben des Augenlids durch Musculus levator palbrae Schließen durch M. orbicularis oculi 9 Muskeln des linken Auges. Nach J. Seifert: Ereigniskorrelierte EEG-Aktivität

Augen-Artefakte im EEG: Elektrookulogramm (EOG) Überwachung der Bewegungen des Augapfels auf der Grundlage der damit verbundenen elektrischen Aktivität ursprüngliche Annahme: Aktionspotentiale der Augenmuskeln sind für Artefakte verantwortlich heutiger Kenntnisstand: Augapfel selbst ist Ursache dieses Phänomens Cornea (Hornhaut) ist positiv, Fundus (Augenhintergrund) negativ geladen Folge: es existiert ein elektrisches Potential (Dipol, Bestandspotential ) Beispiel: Rotation des Auges Dipol rotiert mit Abstand Cornea/Fundus zu den Elektroden ändert sich. 10 Statischer Augendipol. Nach J. Seifert: Ereigniskorrelierte EEG-Aktivität

Herzschlag Stimulus Herzschlagkorrektur z.b. mittels PCA (Hauptkomponentenanalyse) Zeit 11

3. Magnetenzephalographie (MEG) & Elektroenzephalographie (EEG) 3.4. Signalmittelung 12

Mittelung Mittelung: Technik, die die Abschätzung (Messung) von Signalen kleiner Amplitude erlaubt, die von Rauschen überdeckt sind. Grundlegende Annahmen zur Mittelung von Daten: gleicher zu Grunde liegender kortikaler Prozess Signal und Rauschen sind unkorreliert. Der Zeitverlauf des Signals ist bekannt (Zeitmuster, Trigger). Eine wiederkehrende Signalkomponente existiert bei wiederholten Messungen. Das Rauschen ist zufällig (ein stochastischer Prozess) und hat den Mittelwert Null: noise = 0 13

Mittelung Annahme: Eine Messung M in einer k-ten Epoche (Trial, Messwiederholung) zu einem Zeitpunkt t setzt sich aus einem deterministischen Signal R(t) und einem Rauschsignal E(t) zusammen. M k ( t) = R( t) + Ek ( t) Für dieses Modell ergibt sich aus dem Mittelwert über alle K Wiederholungen, d.h. für M ( t) = 1 K K k= 1 M k eine Abschätzung für das gesuchte Signal R(t). Das Rauschen wird (zumindest zu einem großen Teil) herausgemittelt, da wir angenommen haben, dass ( t) noise = E ( t) = k 0 Damit diese Bedingung erfüllt ist, muß die Gesamtzahl K der Trials sehr groß sein! 14

Typisches Beispiel eines E/MEG-Stimulus auditorische Stimulation (monaural oder binaural) frequenz-modulierte (FM) Töne ( chirps ) randomisierte Präsentation bei einer Wiederholrate von 0.5 Hz, evtl. Jitter typische Wiederholrate pro Stimulus ~ 100 10, 20: Event code frequency 10 20 10 20 20 10 time 0.5s 1.5s Charakteristische zeitliche Entwicklung ( Waveform ) des Signals (Feld- bzw. Potentialverteilung); Quellenlokalisation ( diskrete oder verteilte Quellen ) 15

Mittelung Rohdaten gemittelte Daten (K ~ 200) (zwei ausgewählte Sensoren) MEG-Sensor über Frontalkortex MEG-Sensor über Hörkortex ca. 200 Stimulus-Wiederholungen 16

Mittelung von MEG/EEG-Rohdaten 17 Quelle: Yeung et al., Psychophysiology 41 (2004)