Grundlagen der ereignisbezogenen Potenziale

1. Einführung

Willkommen! In diesem zweiten Tutorial werden wir lernen, wie man eine Gehirnreaktion auf Reize markiert.

Wir werden lernen:

• Was ist ein ereignisbezogener Potential (ERP)?

• Was sind ERP-Spitzen und -Komponenten?

• Typische Schritte zur Erfassung eines ERP

• Praktische Anwendung mit dem Emotiv EPOC-Gerät und -Software

  
  
  

2. Was ist ein ereignisbezogener Potential (ERP)?

Ein ereignisbezogener Potential (ERP), auch evokiertes Potential genannt, ist die Gehirnreaktion auf ein Ereignis oder einen Reiz (wie das Hören eines lauten Tons). Genauer gesagt – es ist die Änderung der Spannungsamplitude, die im EEG als Ergebnis eines sensorischen oder kognitiven Ereignisses zu sehen ist.

Wir können ‚ERP-Komponenten‘ beobachten, die stabile Spitzen sind, die nach dem Auftreten eines Reizes auftreten. Ein ERP kann viele positive oder negative Spitzen haben, aber nicht alle sind gut charakterisierte ERP-Komponenten wie die N100 oder P300 Komponenten.

Denken Sie daran, die Achsenausrichtung zu beachten, wenn Sie ein EEG im Zeitbereich sehen. Manchmal wird das – oben und das + unten auf der Achse angezeigt, besonders in klinischen EEGs

Hinweis: Ein ERP kann von einem einzelnen Ereignis oder durch das Mittel der Amplituden über mehrere Wiederholungen dieses Ereignisses dargestellt werden. Typischerweise werden glatte ERPs mit so unterscheidbaren Komponenten – wie im Bild – nur durch das Mittel über Hunderte von Wiederholungen erhalten

Abb. 1 – Typische auditorische ERP-Komponenten

Typische Komponenten sind durch ihre Polarität (d.h. positiv (P) oder negativ (N)) und den Zeitpunkt ihrer Eintreffen (z.B. erste negative Komponente N1) gekennzeichnet. Die gleiche N1-Komponente kann auch durch die Zeit, die sie auftraten (z.B. 100 ms nach dem Beginn des Tons) identifiziert werden – N100

3. Schritte zur Erfassung eines ERPs

Experimentelle Phase:

Wir gestalten Experimente, um spezifische ERPs von Interesse zu erfassen.

Zum Beispiel können wir EEG aufzeichnen, während die Teilnehmer Audiotöne hören.

Um die EEG-Daten sinnvoll zu interpretieren, müssen wir die Zeit markieren, zu der der Teilnehmer einen Ton im EEG gehört hat. Diese werden als Ereignismarker bezeichnet (Vertikale rote Linien in Abbildung 2).

Abb. 2 – Ereignismarker (rote Linien) auf einem Roh-EEG angezeigt

Es ist sehr wichtig, dass die zeitliche Ausrichtung der Ereignismarker genau mit dem Beginn des Tons abgestimmt ist, um ein ERP sehen zu können! Daher ist es wichtig, die richtige Hardware und Software auszuwählen, um genaue Zeitstempel zu erhalten.

Auswahl eines Referenzwerts

Denken Sie daran, dass elektrische Aktivitäten immer zwischen zwei Punkten gemessen werden. Bei EEG-Geräten wird das elektrische Potential an jedem Sensor im Vergleich zu den Referenzsensoren (DRL + CMS) gemessen.

Bei Emotiv EPOC Geräten gibt es zwei Optionen für Referenzsensoren

Abb. 3 – Referenzoptionen in Emotiv EPOC-Typ-Geräten

• Mastoid-Referenz – Um den Mastoid als Referenzsensor zu verwenden, setzen wir Gummistopper auf die P3/P4-Sensoren und nassen Filz auf die Mastoid-Sensoren.

• P3/P4-Referenz – Um P3/P4 als Referenzsensoren zu verwenden, setzen wir Gummistopper auf die M1/M2 Mastoid-Sensoren und nassen Filz auf die P3/P4-Sensoren.

Es ist üblich, Mastoid-Referenzierung für ERP-Experimente zu verwenden, aber Sie können auch P3/P4-Referenzierung verwenden, da Sie die Daten später online immer neu referenzieren können, wenn Sie Ihre Daten vor der Analyse vorbehandeln. Es ist üblich, die Daten auf das Durchschnitt aller Sensoren zu re-referieren, bevor die Daten analysiert werden.

Für unser Experiment werden wir Daten mit Mastoid-Referenzierung erfassen. Die gewöhnlich gute Annahme hier ist, dass der Mastoidprozess nicht so viele EEG-Daten wie andere Stellen am Kopf überträgt, sodass es ein guter Referenzpunkt ist.

Vorverarbeitung:

Wir können ein ERP im Roh-EEG nicht sofort sehen, da es ein sehr kleiner Effekt (~ ±5uV) im Vergleich zu allem anderen, was im und um unser Gehirn abläuft (~ ±40uV) ist!

Um also den Gehirneffekt spezifisch für unseren Ton zu sehen, müssen wir unsere Daten bereinigen, um Rauschen oder Artefakte zu entfernen. Dann werden wir die Daten 'epochieren' – ein Begriff, der verwendet wird, um die Gehirnreaktionen in ein Zeitfenster aufzuteilen, das wir definiert haben (z.B. die Gehirnreaktion, die 50 ms vor dem Ton und 400 ms nach dem Ton beginnt). Dann mitteln wir alle separaten epochierten EEG-Daten (d.h. die Gehirnreaktionen auf alle Töne), um ein distintes ERP zu erhalten.

Unten sind die grundlegenden Schritte in einer typischen ERP-Pipeline. Forscher wählen Schritte je nach ihren Daten und Zielen aus.

Abb. 4 – Eine typische ERP-Verarbeitungspipeline

4. Lassen Sie uns unser eigenes ERP erzeugen

Zuerst richten wir die Software ein

1. Laden Sie die neueste Version von PsychoPy herunter – https://www.psychopy.org/ Wir werden PsychoPy verwenden, um den Teilnehmern die Töne vorzuspielen.

2. Holen Sie sich die Emotiv Launcher und EmotivPRO Apps, um EEG aufzuzeichnen und anzusehen.

3. Verbinden Sie PsychoPy mit Ihrer Emotiv-Software, damit sie miteinander kommunizieren können.

Folgen Sie den Schritten im Video:

Erstellen Sie ein EMOTIV EEG-Experiment mit PsychoPy

Ein glattes ERP kann durch mehrfache Wiederholungen beliebiger Reize (z.B. ein Bild, ein Ton) erhalten werden. Hier werden wir dem Teilnehmer den gleichen 50 ms Ton alle 4 Sekunden für ~150 Mal präsentieren!

Folgen Sie dem Video, um ein einfaches auditorisches Experiment mit einem einzelnen Ton zu erstellen:

Lassen Sie uns einige Daten erhalten

Jetzt, wo Sie den Referenzwert ausgewählt haben, können Sie das Video ansehen, um zu lernen, wie Sie Ihr Headset einrichten, um die beste Qualität des EEG zu erhalten:

ERP-Pipeline mit EmotivPRO Analyzer

Sehen Sie sich das Video an und folgen Sie den Schritten, um Ihr eigenes ERP zu erstellen:

Verständnis des ERP-Ausgangs vom Analyzer

Für jeden Kanal sehen Sie eine gemittelte Wellenform. Ein typisches glattes ERP mit einem negativen Gipfel bei 100 ms ist unten zu sehen. Die durchgehende Linie zeigt die durchschnittliche Amplitude an, und die hellere Schattierung zeigt den Standardfehler des Mittelwerts an:

Hier ist eine rauschhafte Wellenform ohne klare ERP-Komponenten. Dies kann aus einer geringen Anzahl von Wiederholungen resultieren:

Beachten Sie

Beim Vergleich von ERPs zwischen Teilnehmern ist es allgemein besser, den Unterschiedseffekt zu vergleichen.

Zum Beispiel können wir das durchschnittliche ERP zu einem häufigeren Ton (Standard) im Vergleich zu Tönen, die seltener auftreten (abweichend/einmalig), in einem Muster betrachten. Wir können eine Differenzwelle erhalten, indem wir einfach die Amplituden einer Welle von einer anderen abziehen. Wie in Abbildung 5 können wir dann eine ERP-Komponente beobachten, die typischerweise als Mismatch Negativity (MMN) bekannt ist und die häufig in der ERP-Forschung untersucht wird.

Abb. 5 – Mismatch Negativität kann im ERP beobachtet werden, wenn es eine Verletzung eines Musters in der Umgebung gibt

5. Anwendungen von ERPs

Identifizierung von Biomarkern :

Eine der häufigsten Anwendungen von ERPs besteht darin, dass klinische Forscher bessere Wege finden, psychiatrische Störungen wie Schizophrenie zu diagnostizieren. Menschen, die an Schizophrenie leiden, können von gesunden Kontrollpersonen anhand ihrer Mismatch Negativity-Reaktion unterschieden werden.

Abb. 6 – Mismatch Negativität-Amplituden sind signifikant höher als bei chronischer Schizophrenie, bei kürzlich aufgetretener Schizophrenie sowie bei Personen, die gefährdet sind, die Störung zu entwickeln (Jashan 2012)

ERP – BCI (Gehirn-Computer-Schnittstellen)

ERPs zu verschiedenen mentalen Kommandos oder visuellen Reizen (wie Buchstaben auf einer Tastatur) können verwendet werden, um Rollstühle zu bewegen oder BCI-Textausgaben zu steuern.

6. Ressourcen

Emotiv Handbücher

1. EmotivPRO Builder-Handbuch

2. EmotivPRO-Handbuch

3. EmotivPRO Analyzer-Handbuch

Empfohlene Lektüre

Luck, S.J., 2005. Zehn einfache Regeln zur Gestaltung und Interpretation von ERP-Experimenten. Ereignisbezogene Potenziale: Ein Methodenhandbuch, 4.