EEG-Daten

Was sind EEG-Daten?

EEG-Daten sind eine digitale Aufzeichnung von Spannungsunterschieden, die von Elektroden gemessen werden, die auf oder nahe der Kopfhaut platziert sind. Die Elektroenzephalografie ist nichtinvasiv und bietet eine hohe zeitliche Auflösung, was es Forschern und Klinikern ermöglicht, Veränderungen der Gehirnaktivität im Millisekundenbereich zu untersuchen. Das resultierende Signal wird in der Regel als eine oder mehrere kontinuierliche Zeitreihen gespeichert, wobei jeder Kanal eine Messung relativ zu einer Referenz darstellt.

Das Signal spiegelt eine Mischung verschiedener Quellen wider. Neuronale Aktivität trägt zur Aufzeichnung bei, aber auch Artefakte wie Augenbewegungen, Muskelkontraktionen, Elektrodenbewegungen, Umgebungseinflüsse und Veränderungen des Kontakts können in der Spur erscheinen.

Aus diesem Grund sind EEG-Daten kein direktes Abbild eines einzelnen Gehirnprozesses. Sie sind eine Beobachtung, die Kontext, Qualitätsprüfungen und eine explizite Analysemethode erfordert.

Die Anzahl der Kanäle, die Abtastrate, die Referenz, die Elektrodenpositionen, die Ereignismarker und die Informationen über die Teilnehmer beeinflussen maßgeblich, wie die Daten interpretiert werden können. In der Praxis ist die Aufzeichnung am aussagekräftigsten, wenn das Signal zusammen mit der Aufgabe, dem Zustand, dem Timing und den Bedingungen, unter denen es erfasst wurde, betrachtet wird.

Wie Gehirnzellen das EEG-Signal erzeugen

Die Spannungsabweichungen, die eine EEG-Elektrode erfasst, stammen nicht von den abrupten Alles-oder-Nichts-Aktionspotenzialen, die Neuronen für die Fernkommunikation nutzen, sondern von den langsameren, abgestuften postsynaptischen Potenzialen, die sich über die Dendriten kortikaler Pyramidenzellen ausbreiten.

Wenn Tausende dieser Neuronen annähernd synchron aktiv werden, summieren sich ihre winzigen extrazellulären Ströme durch das leitende Medium des Gehirns, der Liquorflüssigkeit, des Schädels und der Kopfhaut – ein Prozess, der als Volumenleitung bezeichnet wird. Die Spannung, die schließlich den Aufzeichnungssensor erreicht, ist ein verschwommenes, aber reales Abbild dieser großflächigen neuronalen Synchronität.

Wie die EEG-Datenerfassung funktioniert

Während der Erfassung erkennen Elektroden kleine Spannungsschwankungen und ein Aufzeichnungssystem wandelt diese in digitale Abtastwerte um. Das System zeichnet in der Regel mehrere Kanäle gleichzeitig auf, während eine Referenz und die Masse den elektrischen Kontext liefern, der zur Berechnung der Kanalwerte erforderlich ist. Die Abtastrate bestimmt, wie häufig das Signal gemessen wird und welche Änderungen folglich originalgetreu dargestellt werden können.

Vor der Aufzeichnung positionieren Techniker oder Forscher die Elektroden gemäß einer definierten Montage und überprüfen die Kontaktqualität. Das Framework für die EEG-Elektrodenplatzierung beschreibt einen standardisierten Ansatz, der den Vergleich zwischen Sitzungen und Laboren unterstützt. Ereignismarker können hinzugefügt werden, wenn ein Stimulus erscheint, ein Teilnehmer reagiert oder ein klinisches Ereignis eintritt, wodurch eine Zeitachse entsteht, die später mit den aufgezeichneten Signalen abgeglichen werden kann.

Die Erfassung wird auch durch das Protokoll geprägt. Ruhezustandsaufzeichnungen, Schlafstudien, kognitive Aufgaben und die Überwachung von Anfällen erfordern unterschiedliche Dauern, Anweisungen und zusätzliche Sensoren. Ein vollständiger Datensatz enthält daher mehr als nur Spannungsspuren: Er kann Kanalkennzeichnungen, Elektrodenpositionen, Geräteeinstellungen, Ereigniscodes, Annotationen und Aufzeichnungen von Unterbrechungen oder ungewöhnlichen Bedingungen enthalten.

Best Practices für die EEG-Datenerfassung

Eine gute Erfassung beginnt mit einem Protokoll, das die Forschungsfrage, die Aufzeichnungsdauer, die Kanalkonfiguration, die Abtastrate, die Referenz und das Verfahren zur Ereignismarkierung definiert, bevor die Teilnehmer getestet werden. Konsistenz verringert unerwünschte Abweichungen zwischen den Sitzungen und macht spätere Vergleiche fundierter. Das Protokoll sollte auch beschreiben, was passiert, wenn ein Kanal verrauscht ist, sich ein Teilnehmer bewegt oder ein Ereignismarker fehlt.

Die physische Vorbereitung ist ebenfalls entscheidend, da sich die Signalqualität durch normale Bewegungen und schlechten Elektrodenkontakt verschlechtern kann. Aus diesem Grund überprüfen Anwender üblicherweise die Impedanz oder gleichwertige Kontaktindikatoren, erklären die Aufgabe klar und zeichnen relevante Änderungen des Teilnehmerzustands auf. Diese Schritte beseitigen zwar nicht jedes Artefakt, machen aber deren Quelle leichter identifizierbar und verhindern, dass vermeidbare Probleme mit neuronalen Befunden verwechselt werden.

Eine kurze Checkliste für die Erfassung kann betriebliche Details im Blick behalten, ohne das wissenschaftliche Urteilsvermögen zu ersetzen:

• Bestätigen Sie Kanalkennzeichnungen, Elektrodenpositionen, Referenz und Masse.

• Zeichnen Sie Abtasteinstellungen, Filtereinstellungen und die Gerätekonfiguration auf.

• Markieren Sie Stimuli, Reaktionen, Pausen und klinisch relevante Ereignisse konsistent.

• Dokumentieren Sie Unterbrechungen, Bewegungen, Elektrodenwechsel und ungewöhnliche Zustände der Teilnehmer.

Nach der Erfassung sollte die Checkliste mit einer Überprüfung der Rohaufzeichnung und ihrer Metadaten kombiniert werden. Klare Erfassungsaufzeichnungen ermöglichen es Analysten, ein echtes Signalmerkmal von einer Veränderung zu unterscheiden, die durch Hardware, Einrichtung oder Protokolldrift verursacht wurde.

Nasse vs. trockene Elektroden und Qualität des Hautkontakts

Alle EEG-Aufzeichnungen beginnen mit einem physischen Sensor auf der Haut, und dieser Sensor gehört zu einer von zwei großen Familien.

Nasse Elektroden verwenden ein leitfähiges Gel oder eine Paste, um die Lücke zwischen Metall und Kopfhaut zu überbrücken und so die Impedanz zu senken. Trockene Elektroden verzichten auf das Gel und setzen auf fortschrittliche Materialien sowie eine integrierte Vorverstärkung, um die Signaltreue aufrechtzuerhalten.

Einige Elektroden sind aktiv, was bedeutet, dass sie direkt an der Aufzeichnungsstelle eine Schaltung zur Impedanzwandlung enthalten; passiven Elektroden fehlt diese integrierte Elektronik. Unabhängig von der Art bestimmt die Qualität der Schnittstelle zwischen Elektrode und Kopfhaut, wie viel des biologischen Signals erhalten bleibt, bevor es überhaupt den Verstärker erreicht.

Ein schlechter Kontakt begünstigt Umgebungsrauschen und Bewegungsartefakte, die die schwache Gehirnaktivität überlagern können. Winkler et al. machten diese Herausforderung deutlich, als sie das universelle Problem artefaktbehafteter Quellenkomponenten angingen, indem sie einen subjektunabhängigen Klassifikator für Komponenten der Unabhängigen Komponentenanalyse (ICA) entwickelten.

Die Existenz dieser Bemühungen unterstreicht, dass die Kontamination mit Artefakten ein beständiges Problem bei EEG-Aufzeichnungen ist. Die anfängliche Anbringung der Elektroden – Reinigung der Haut, korrekte Platzierung des Sensors und Überprüfung einer stabilen Verbindung – ist der erste und direkteste Weg, um die Artefaktlast zu verringern, mit der sich die spätere Verarbeitung befassen muss.

Montagedesign und das standardisierte 10-20-System

Da Kopfhautpotenziale keine inhärente räumliche Kennzeichnung haben, hat die Fachwelt vor langer Zeit ein Koordinatengitter eingeführt. Das internationale 10-20-System definiert Elektrodenpositionen proportional zwischen vier anatomischen Landmarken: dem Nasion (Nasenwurzel), dem Inion (knöcherner Vorsprung am Hinterkopf) und den linken und rechten präaurikulären Punkten direkt vor den Ohren. Diese Standardisierung führt dazu, dass sich ein mit „Cz“ gekennzeichneter Kanal in jedem Labor auf dieselbe zentrale Scheitelpunktposition bezieht, was Datensätze direkt vergleichbar macht.

Eine Montage, definiert als die Spezifikation, wie die Spannung jeder Elektrode im Verhältnis zu einer Referenz gemessen wird und wie diese bipolaren oder referenziellen Ableitungen dargestellt oder gespeichert werden, baut auf diesem physischen Layout auf. Arnaud Delormes Studie veranschaulicht eindringlich, warum genaue Montageinformationen im weiteren Verlauf wichtig sind. Sie zeigt, dass die Interpolation fehlerhafter Kanäle – einer der wenigen Vorverarbeitungsschritte, die die statistische Aussagekraft ereigniskorrelierter Potenziale konsistent verbesserten – von der Kenntnis der präzisen räumlichen Nachbarn jeder Elektrode abhängt. Ohne eine korrekte Kanalkarte kann eine solche Interpolation nicht zuverlässig funktionieren.

Er fügt hinzu, dass der Artefakt-Klassifikator so konzipiert wurde, dass er auf Daten mit unterschiedlichen Kanal-Setups verallgemeinerbar ist, was unterstreicht, dass die räumlichen Merkmale des Klassifikators eine gut dokumentierte Anordnung voraussetzen. Eine standardisierte, getreu dokumentierte Montage wird so zum unsichtbaren Gerüst, das sowohl die menschliche Interpretation als auch die algorithmische Wiederverwendung unterstützt.

Auswahl und Dokumentation der Online-Referenz

Jeder EEG-Verstärker zeichnet die Spannungsdifferenz zwischen zwei Punkten auf. Während der Online-Aufzeichnung ist einer dieser Punkte eine physische Referenzelektrode, die von der Hardware als feste Baseline behandelt wird.

Häufige Optionen sind der Scheitelpunkt (Cz), verbundene Ohrläppchen oder Mastoidfortsätze oder ein Mittelwert aller Kopfhautkanäle. Da die Rohdatendatei Spannungen in Bezug auf diese ursprüngliche Referenz speichert, hinterlässt die Wahl eine dauerhafte Spur in den Zahlenwerten, selbst wenn ein Forscher das Signal später mathematisch auf einen anderen gemeinsamen Punkt umreferenziert.

In der erwähnten Studie von Delorme, die automatisierte Vorverarbeitungspipelines an drei öffentlichen EEG-Sammlungen testete, stellte er fest, dass sich Referenzierung und fortschrittliche Methoden zur Baseline-Entfernung signifikant nachteilig auf die Leistung auswirkten und den Prozentsatz der Kanäle verringerten, die einen signifikanten experimentellen Effekt zeigten.

Dieses Ergebnis bedeutet nicht, dass man niemals umreferenzieren darf, aber es bedeutet, dass die ursprüngliche Online-Referenz im Datei-Header aufgezeichnet werden muss. Nur mit diesem Hinweis kann ein zukünftiger Analyst verstehen, welche Baseline ursprünglich abgezogen wurde, und beurteilen, ob eine nachfolgende Transformation die echte Gehirnantwort verzerrt.

Analog-Digital-Wandlung und Abtastrate

Die kontinuierliche Spannung, die von jeder Elektrode fließt, wird durch einen Analog-Digital-Wandler (ADC) in eine Reihe diskreter Zahlen umgewandelt. Die Rate, mit der der ADC abtastet, bestimmt die zeitliche Auflösung der resultierenden Zeitreihe.

Eine Abtastrate von 500 Hz bedeutet beispielsweise, dass der elektrische Zustand des Gehirns alle 2 Millisekunden erfasst wird. Nach dem Nyquist-Theorem ist die höchste Frequenz, die im digitalisierten Signal originalgetreu dargestellt werden kann, kleiner als die Hälfte der Abtastrate. Eine Aufzeichnung mit 500 Hz kann also Frequenzen bis knapp unter 250 Hz erfassen. EEG in Forschungsqualität arbeitet in der Regel zwischen 250 Hz und 1000 Hz, abhängig von den interessierenden Frequenzbändern.

Was die Abtastrate als Metadaten besonders wichtig macht, ist, dass sie die analytischen Entscheidungen im weiteren Verlauf unbemerkt einschränkt. Fraschini et al. untersuchten genau diesen Dominoeffekt, indem sie testeten, wie sich die Epochenlänge – das für die Konnektivitätsanalyse extrahierte Zeitfenster der Daten – auf die Ergebnisse auswirkt.

Unter Verwendung von Ruhe-EEG gesunder Erwachsener zeigte die Studie, dass sowohl die Werte für den mittleren Phase-Lag-Index als auch für die Amplituden-Hüllkurven-Korrelation mit zunehmender Epochenlänge abnahmen und sich erst nach etwa 12 beziehungsweise 6 Sekunden stabilisierten. Sogar die Topologie der aus den Daten rekonstruierten graphentheoretischen Netzwerke variierte mit der Epochendauer, obwohl sich die Parameter des Minimum Spanning Trees auf Quellebene als robuster erwiesen.

Die wesentliche Erkenntnis für die Rohdatendokumentation ist, dass die Anzahl der Abtastwerte pro Sekunde eine absolute Untergrenze dafür festlegt, wie zeitliche Segmente geschnitten werden können. Wenn die Abtastrate falsch aufgezeichnet wird, erbt jeder nachfolgende Ereignismarker, jede Epochengrenze und jede Konnektivitätsschätzung diesen Fehler. Daher ist die Angabe der genauen ADC-Rate im Datei-Header ein unverzichtbarer Teil der Datenverwaltung.

Standard-Datenspeicherformate: EDF und BrainVision

Einmal digitalisiert, müssen die Zeitreihen und die zugehörigen Metadaten in einem Dateiformat vorliegen, das andere Softwareprogramme und andere Labore ohne Unklarheiten öffnen können.

Zwei offene Formate dominieren das Feld. Das European Data Format (EDF) ist ein kompaktes, weit verbreitetes Containerformat, das in der Schlafforschung und im klinischen Bereich üblich ist und mehrere Kanäle zusammen mit einem Header speichert, der die Abtastrate, Kanalkennzeichnungen und physikalischen Dimensionen angibt.

BrainVision, ein von Brain Products entwickeltes Format, verteilt dieselben Informationen auf drei verknüpfte Dateien: einen Text-Header (.vhdr), der Kanalnamen, die Abtastrate und die ursprüngliche Referenz auflistet; eine Marker-Datei (.vmrk), die Ereigniscodes und deren Latenzen aufzeichnet; und eine Binärdatendatei (.eeg), die die rohen Spannungsabtastwerte enthält.

Der Wert dieser standardisierten Formate wird besonders deutlich, wenn große Datensätze öffentlich geteilt werden. Beispielsweise veröffentlichten Forscher in einer Studie aus dem Jahr 2019 einen Multi-Paradigma-Brain-Computer-Interface-Datensatz (BCI-Datensatz), der motorische Vorstellungskraft, ereigniskorrelierte Potenziale und visuell evozierte Steady-State-Potenziale von 54 Teilnehmern abdeckte. Die Verbreitung einer solchen Ressource mit Open-Source-Analyseskripten wäre bedeutungslos, wenn die Daten in einem proprietären Format verschlossen wären.

Ob die Dateien letztendlich in EDF oder BrainVision archiviert werden, die Wahl garantiert, dass jeder Forscher die Aufzeichnung herunterladen und die Ergebnisse reproduzieren kann, wodurch die Rohspur mit der Reproduzierbarkeitskette der gesamten wissenschaftlichen Gemeinschaft verknüpft wird.

Grundlegende Datenpflege: Kanalkarten und Abtastmetadaten

Eine EEG-Rohdatei wird wissenschaftlich erst dann nutzbar, wenn sie eine vollständige, genaue Beschreibung ihres räumlichen und zeitlichen Gerüsts enthält. Das bedeutet, dass jeder Kanal eine Standardkennzeichnung (z. B. Fz, C3, O2 usw.) zusammen mit seinen dreidimensionalen Koordinaten auf der Kopfhaut aufweisen muss. Diese Koordinaten ermöglichen jede spätere Analyse, die räumliche Beziehungen einbezieht, wie die Interpolation eines schlechten Kanals aus seinen Nachbarn oder die Projektion des Signals auf ein kortikales Quellmodell.

Die Studie von Fraschini et al. stützte sich auf räumliche, spektrale und zeitliche Merkmale, um ICA-Komponenten als Gehirnaktivität oder Artefakt zu klassifizieren; die räumliche Topographie einer Komponente ist ohne die Kenntnis der physischen Position jeder Elektrode, die dazu beigetragen hat, bedeutungslos.

Ebenso stellte Delorme fest, dass die Interpolation fehlerhafter Kanäle, die die Werte benachbarter Elektroden nutzt, eine der wenigen Korrekturen war, die experimentelle Effekte zuverlässig aufrechterhielten. Ein Interpolator kann diese räumliche Schätzung nur dann vornehmen, wenn die Kanalkarte des Datensatzes korrekt ist.

Der Datei-Header muss außerdem die genaue Abtastrate, das Datum der Aufzeichnung und eindeutige Kennzeichnungen für alle Hilfskanäle wie Elektrookulogramm (Augenbewegungen) oder Elektromyogramm (Muskelaktivität) enthalten. Selbst wenn diese Kanäle bei der ersten Datenexploration ungenutzt bleiben, sollte ihr Vorhandensein transparent sein. Eine Diskrepanz zwischen der gespeicherten Abtastrate und dem tatsächlichen ADC-Takt kann das Timing irreversibel verzerren, sodass eine spätere Abstimmung mit Stimulusmarkern unmöglich wird.

EEG-Daten im klinischen vs. wissenschaftlichen Umfeld

Klinische und wissenschaftliche Aufzeichnungen teilen grundlegende Prinzipien, dienen jedoch unterschiedlichen unmittelbaren Zwecken. Ein klinisches EEG wird erfasst, um die Beurteilung, Überwachung oder Diagnose von Patienten im Rahmen etablierter professioneller und institutioneller Verfahren zu unterstützen. Ein Forschungs-EEG wird in der Regel gesammelt, um eine definierte Hypothese zu testen, Bedingungen zu vergleichen oder eine Analysemethode zu entwickeln, wobei studienspezifische Protokolle und Dokumentationen verwendet werden.

Klinische Arbeit legt großen Wert auf eine zeitnahe Überprüfung, klinisch aussagekräftige Montagen, eine validierte Interpretation und eine dauerhafte Aufzeichnung innerhalb des jeweiligen Versorgungssystems. Die Forschung legt größeren Wert auf kontrollierte Bedingungen, vordefinierte Ergebnisse, Reproduzierbarkeit und den transparenten Umgang mit Ausschlüssen. Ein Forschungsergebnis ist nicht automatisch ein klinischer Befund, und eine klinische Beobachtung ist nicht automatisch ein validiertes Forschungsmaß.

Die Unterscheidung betrifft auch die Data Governance. Klinische Daten können durch Pflichten zur Führung von Krankenakten und direkte Versorgungsanforderungen geregelt sein, während Forschungsdatensätze durch Einverständniserklärungen, institutionelle Prüfungen, Pläne zur Datennutzung und Studienendpunkte geprägt sind. In beiden Kontexten sind eine geschulte Interpretation und eine sorgfältige Dokumentation erforderlich, da EEG-Muster vom Kontext und nicht von isolierten Zahlenwerten abhängen.

Datenschutz und ethische Erwägungen bei EEG-Daten

EEG-Aufzeichnungen können über Identifikatoren, Sitzungsinformationen, den klinischen Kontext oder Kombinationen von Metadaten mit einer Person verknüpft werden. Selbst wenn die Wellenform selbst außerhalb eines Fachumfelds schwer zu interpretieren ist, sollte sie als sensible Daten menschlicher Probanden behandelt werden, wenn sie mit einem identifizierbaren Teilnehmer in Verbindung steht. Erfassung und Wiederverwendung sollten mit dem genehmigten Protokoll und den geltenden Datenschutzanforderungen übereinstimmen.

Die Einwilligungserklärung sollte den Zweck der Aufzeichnung, die erwarteten Analysearten, die Speicherdauer, eine mögliche Weitergabe und die Zulässigkeit zukünftiger Verwendungen erläutern. Forscher sollten vermeiden zu implizieren, dass das EEG mehr offenbaren kann, als die Studie zu messen ausgelegt ist. Eine klare Kommunikation ist besonders wichtig, wenn Teilnehmer annehmen könnten, dass eine Forschungsaufzeichnung eine Diagnose oder eine individuelle Beurteilung liefert.

Ethisches Handeln setzt sich nach der Erfassung fort. De-Identifizierung, kontrollierter Zugriff, Aufbewahrungsfristen, Audit-Trails und die sorgfältige Freigabe von Metadaten tragen zur Risikominderung bei, aber keine Methode eliminiert Risiken vollständig. Ergebnisse sollten berichtet werden, ohne die prädiktive oder diagnostische Bedeutung zu übertreiben, und automatisierte Klassifizierungen sollten als Analyseergebnisse behandelt werden, die eine entsprechende Validierung erfordern, und nicht als unumstößliche Urteile über eine Person.

Warum die Qualität der Rohaufzeichnung das Fundament für eine vertrauenswürdige EEG-Analyse bildet

Eine einzelne EEG-Sitzung ist der Moment, in dem die elektrische Architektur des Gehirns in dauerhafter Form erfasst wird, und die Komplexität dieser Rohspur spiegelt bereits die neuronalen Netzwerke unter der Kopfhaut wider. Die hier hervorgehobenen, auf den Neurowissenschaften basierenden Studien vermitteln eine einheitliche Botschaft: Das relevante Signal lebt in den Rohdaten selbst, sofern der Erfassungsschritt mit Sorgfalt durchgeführt wird. Die Qualität des Elektrodenkontakts, eine genaue Kanalkartierung, dokumentierte Referenzen und Abtastraten sowie offene Speicherformate entscheiden darüber, ob dieses Signal über Labore und Jahre hinweg zugänglich bleibt.

Schließlich ist Zurückhaltung oft effektiver als eine exzessive Verarbeitung. Forscher, die Rohdaten weitgehend unberührt ließen, erhielten echte Gehirnantworten besser als diejenigen, die aggressive Korrekturen anwandten. Sorgfältige Aufzeichnung, ehrliche Metadaten und minimale Eingriffe bilden eine Disziplin, die das wissenschaftliche Signal intakt hält.

Jede vertrauenswürdige Analyse beginnt daher nicht mit hochentwickelten Algorithmen, sondern mit dem einfachen Akt, eine originalgetreue, gut dokumentierte Spur zu erfassen.

Literaturverzeichnis

1. Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30

2. Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0

3. Fraschini, M., Demuru, M., Crobe, A., Marrosu, F., Stam, C. J., & Hillebrand, A. (2016). The effect of epoch length on estimated EEG functional connectivity and brain network organisation. Journal of neural engineering, 13(3), 036015.

4. Lee, M. H., Kwon, O. Y., Kim, Y. J., Kim, H. K., Lee, Y. E., Williamson, J., ... & Lee, S. W. (2019). EEG dataset and OpenBMI toolbox for three BCI paradigms: An investigation into BCI illiteracy. GigaScience, 8(5), giz002. https://doi.org/10.1093/gigascience/giz002

Häufig gestellte Fragen (FAQ)

Was genau erfasst eine EEG-Aufzeichnung und warum gilt sie als Abbild der Gehirnaktivität?

Eine EEG-Aufzeichnung erfasst die winzigen Spannungsschwankungen an der Kopfhaut, die aus der synchronisierten Aktivität großer Gruppen kortikaler Neuronen resultieren. Diese Schwankungen stammen in erster Linie von abgestuften postsynaptischen Potenzialen in Pyramidenzellen, die sich durch Volumenleitung summieren und so ein verschwommenes, aber reales Maß für großflächige neuronale Synchronität bilden.

Warum stammen EEG-Signale von postsynaptischen Potenzialen und nicht von Aktionspotenzialen?

Aktionspotenziale sind kurze Alles-oder-Nichts-Ereignisse, die kaum zur Kopfhautspannung beitragen, während sich langsamere, abgestufte postsynaptische Potenziale über Dendriten ausbreiten und sich über Tausende von Neuronen summieren. Diese Summation erzeugt nachweisbare Spannungsabweichungen an der Kopfhaut, was postsynaptische Potenziale zur Hauptquelle des EEG-Signals macht.

Was ist der Unterschied zwischen nassen und trockenen Elektroden und wie beeinflusst die Qualität des Elektrodenkontakts eine Aufzeichnung?

Nasse Elektroden verwenden ein leitfähiges Gel, um die Impedanz zu senken und die Signalübertragung zu verbessern, während trockene Elektroden auf fortschrittliche Materialien und eine integrierte Vorverstärkung setzen, um die Signalqualität ohne Gel aufrechtzuerhalten. Die Qualität der Schnittstelle zwischen Elektrode und Haut ist kritisch, da ein schlechter Kontakt Umgebungsrauschen und Bewegungsartefakte begünstigt, die das schwache Gehirnsignal überlagern können.

Wie standardisiert das internationale 10-20-System die Elektrodenplatzierung und warum ist das wichtig?

Das 10-20-System definiert Elektrodenpositionen proportional zwischen vier anatomischen Landmarken – Nasion, Inion sowie den linken und rechten präaurikulären Punkten –, sodass sich ein gekennzeichneter Kanal wie „Cz“ in jedem Labor auf dieselbe Stelle bezieht. Diese Standardisierung stellt sicher, dass Datensätze direkt vergleichbar sind, und ermöglicht genaue räumliche Analysen wie die Interpolation fehlerhafter Kanäle.

Warum ist es wichtig, die während einer EEG-Aufzeichnung verwendete Online-Referenzelektrode zu dokumentieren?

Die Rohdatendatei speichert Spannungen im Verhältnis zur Online-Referenz. Daher prägt die Wahl der Referenz (z. B. Cz, verbundene Ohrläppchen oder Mittelwert) die Zahlenwerte dauerhaft, selbst bei einer späteren Umreferenzierung. Ohne Dokumentation der ursprünglichen Referenz kann ein zukünftiger Analyst die abgezogene Baseline nicht nachvollziehen oder beurteilen, ob nachfolgende Transformationen echte Gehirnantworten verzerren.

Welche Rolle spielt die Abtastrate bei EEG-Aufzeichnungen und wie wird das Nyquist-Theorem angewendet?

Die Abtastrate bestimmt die zeitliche Auflösung des digitalisierten Signals, wobei das Nyquist-Theorem besagt, dass die höchste originalgetreu dargestellte Frequenz weniger als die Hälfte der Abtastrate beträgt. Beispielsweise kann eine Abtastrate von 500 Hz Frequenzen bis knapp unter 250 Hz erfassen; EEG in Forschungsqualität arbeitet typischerweise zwischen 250 und 1000 Hz. Eine genaue Abtastrate ist entscheidend, da sie alle nachfolgenden zeitbezogenen Analysen einschränkt.

Was sind die zwei dominierenden offenen Datenformate für EEG und was speichern sie?

Das European Data Format (EDF) ist ein kompaktes Containerformat, das mehrere Kanäle mit einem Header speichert, der Abtastrate, Kanalkennzeichnungen und physikalische Dimensionen angibt. BrainVision verteilt Informationen auf drei verknüpfte Dateien: einen Header (.vhdr), eine Marker-Datei (.vmrk) und eine Binärdatendatei (.eeg), was eine eindeutige gemeinsame Nutzung und Reproduzierbarkeit gewährleistet.

Warum sind eine vollständige Kanalkarte und räumliche Koordinaten für eine EEG-Rohdatei erforderlich?

Eine Kanalkarte mit Standardkennzeichnungen und 3D-Koordinaten ermöglicht jede räumliche Analyse, wie die Interpolation schlechter Kanäle aus Nachbarkanälen oder die Projektion von Signalen auf kortikale Quellmodelle. Beispielsweise stützen sich Artefakt-Klassifikatoren auf räumliche Topographien, und die Interpolation erfordert die Kenntnis der genauen Elektrodenpositionen; ohne diese schlagen solche Analysen fehl.

Welche wesentlichen Metadaten müssen in einem EEG-Datei-Header aufgezeichnet werden und warum?

Der Header muss die präzise Abtastrate, das Aufzeichnungsdatum, Kanalkennzeichnungen mit 3D-Koordinaten und eindeutige Kennzeichnungen für Hilfskanäle wie EOG oder EMG enthalten. Diese Informationen sind kritisch, da eine falsche Abtastrate das Timing irreversibel verzerren kann und eine korrekte Kanalkarte für die räumliche Interpolation und Quellmodellierung notwendig ist.

Warum ist das EEG für die Forschung nützlich?

Das EEG bietet eine sehr feine zeitliche Auflösung, was es nützlich macht, um ereigniskorrelierte Antworten, laufende Rhythmen, Schlaf, Aufmerksamkeit, sensorische Verarbeitung und andere zeitkritische Phänomene zu untersuchen. Seine Interpretation bleibt vom experimentellen Design und der Signalqualität abhängig.

Was sind häufige EEG-Artefakte?

Häufige Artefakte sind Augenzwinkern, Augenbewegungen, Muskelaktivität, Elektrodenbewegung, schlechter Kontakt, Kabelbewegung und elektrische Störungen. Sie können einen oder viele Kanäle betreffen und sich mit Frequenzen von wissenschaftlichem Interesse überschneiden.

Was ist Vorverarbeitung in der EEG-Analyse?

Die Vorverarbeitung ist die dokumentierte Reihe von Operationen, mit denen Aufzeichnungen auf die Analyse vorbereitet werden. Sie kann Filterung, Umreferenzierung, den Umgang mit fehlerhaften Kanälen, Artefaktidentifikation, Epochenbildung, Baseline-Korrektur und Qualitätskontrolle umfassen.