Die spektrale Leistungsdichte (Power Spectral Density, kurz PSD) ist das Werkzeug, das EEG-Signale entmischt und Ihnen zeigt, wie viel Energie jede dieser Geschwindigkeiten oder Frequenzen zur Gesamtaufzeichnung beiträgt. Sobald Sie ein PSD-Diagramm lesen können, lesen Sie eine Art Rhythmus-Partitur für das Gehirn – ein Diagramm, das zeigt, welche Tempi dominieren und welche im Hintergrund verblassen.
Was ist die spektrale Leistungsdichte im EEG?
Man kann sich die rohe EEG-Aufzeichnung wie einen Akkord vorstellen, der von einem Orchester gespielt wird, bei dem jedes Instrument eine andere Frequenz von Gehirnwellen darstellt. Man kann nicht allein durch das Hören feststellen, wie viel jedes Instrument beiträgt.
Die PSD (Power Spectral Density) löst dies, indem sie die quadrierte Amplitude des Signals bei jeder Frequenz berechnet und diesen Messwert über eine bestimmte Aufzeichnungszeit mittelt. Das Ergebnis ist eine Kurve mit der Frequenz auf der einen Achse und der Leistung auf der anderen, die genau zeigt, wie sich die elektrische Aktivität des Gehirns auf langsame und schnelle Rhythmen verteilt.
Die PSD komprimiert einen gesamten Aufzeichnungszeitraum in eine einzige Kurve. Sie gibt also Aufschluss über das Gesamtgleichgewicht der Frequenzen während dieses Fensters, anstatt zu verfolgen, wie sich die Mischung von Sekunde zu Sekunde verschiebt. Das ist von entscheidender Bedeutung, da sich der Gehirnzustand einer Person schnell ändern kann, ein Standard-PSD-Plot diese Änderungen jedoch herausmittelt.
Forscher, die medizinische und Consumer-EEG-Headsets verglichen, verwendeten für diese Mittelwertbildung eine spezielle Berechnungsmethode namens Welchs modifiziertes Periodogramm, die die Aufzeichnung in überlappende Segmente unterteilt und deren Spektren mittelt, um eine sauberere, weniger verrauschte PSD-Schätzung zu erhalten.
Dieser Schritt der Signalverarbeitung ist Standardpraxis, um eine PSD-Kurve zu erstellen, die die zugrunde liegende Gehirnaktivität widerspiegelt und nicht zufällige Schwankungen.
Berechnung der spektralen Leistungsdichte Schritt für Schritt
Die Berechnung der PSD beinhaltet in der Regel eine Reihe von Entscheidungen zur Signalqualität und -verarbeitung und nicht nur einen einzigen Befehl. Die Aufzeichnung wird zunächst auf fehlende Daten, ungeeignete Kanäle und auffällige Artefakte überprüft. Die Analysten wählen dann Segmente aus, entfernen oder modellieren langsame Trends, falls angemessen, wenden ein Fenster an, transformieren die Daten in den Frequenzbereich und skalieren das Ergebnis.
Das resultierende Spektrum sollte zusammen mit der ursprünglichen Zeitreihe und gegebenenfalls mit Anmerkungen zu Bewegungen, Elektrodenstörungen, Augenaktivität, Muskelaktivität oder experimentellen Ereignissen überprüft werden. Dieser Vergleich hilft, ein echtes rhythmisches Muster von einer vorübergehenden Störung zu unterscheiden, die zufällig spektrale Leistung erzeugt.
Ein praktischer Arbeitsablauf kann in folgende Phasen unterteilt werden:
Überprüfen Sie die Abtastrate, die Kanalbezeichnungen, die Referenz und die Aufzeichnungsdauer.
Identifizieren Sie nutzbare Epochen und behandeln Sie Artefakte oder verworfene Segmente.
Wählen Sie Segmentlänge, Überlappung, Fenster und Frequenzbereich.
Schätzen und skalieren Sie die PSD, und überprüfen Sie dann Peaks und bandbegrenzte Leistung.
Dokumentieren Sie die Parameter, damit das Ergebnis reproduziert und verglichen werden kann.
Diese Schritte machen die Berechnung nachvollziehbar. Sie verhindern auch, dass ein optisch ansprechendes Spektrum als unabhängig von den Vorverarbeitungs- und Schätzentscheidungen behandelt wird, die es hervorgebracht haben.
Gängige Methoden: Periodogramm und Welch-Methode
Ein Periodogramm berechnet das quadrierte Betragsquadrat der Fourier-Transformation für ein ausgewähltes Segment. Es ist unkompliziert und kann einen feinen nominalen Frequenzabstand bieten, wenn das Segment lang ist, aber seine Schätzung kann von einem Frequenz-Bin zum nächsten erheblich schwanken. Diese Variabilität ist besonders bei verrauschten biologischen Aufzeichnungen relevant.
Die Welch-Methode teilt das Signal in überlappende Segmente auf, wendet auf jedes Segment ein Fenster an, berechnet für jedes ein Periodogramm und mittelt die Ergebnisse. Die Mittelwertbildung führt im Allgemeinen zu einer glatteren Schätzung mit geringerer Varianz, während die kürzeren Segmente die Frequenzauflösung verringern können. Die beste Balance hängt davon ab, ob die Analyse den Schwerpunkt auf schmale Peaks, breite Bänder oder eine stabile durchschnittliche Aktivität legt.
Der Unterschied ist nicht nur kosmetischer Natur. Ein glatteres Spektrum kann den Vergleich breiter Muster erleichtern, aber eine übermäßige Mittelwertbildung kann kurzlebige oder eng lokalisierte Veränderungen verdecken. Für zeitvariate EEGs ist ein Zeit-Frequenz-Ansatz möglicherweise besser geeignet als eine einzelne PSD über die gesamte Aufzeichnung.
Wie ein gesundes Ruhe-EEG-Spektrum aussieht
Wenn man einen gesunden Erwachsenen bittet, sich hinzusetzen, sich zu entspannen, und sein EEG aufzeichnet, hat die resultierende PSD-Kurve eine erkennbare Form. Die Leistung ist bei den niedrigsten Frequenzen am höchsten und fällt mit zunehmender Frequenz stetig ab, was zu diesem 1/f-artigen Abfall führt.
Diese abfallende Kurve spiegelt die oben beschriebene aperiodische Komponente wider, und ihre Steilheit wird durch eine einzelne Zahl erfasst, die als spektraler Exponent bezeichnet wird, manchmal geschrieben als β. Ein steilerer Abfall bedeutet einen größeren negativen Exponenten; ein flacherer Abfall bedeutet, dass die Leistung gleichmäßiger über die Frequenzen verteilt ist.
Auf diesem Hintergrundabfall aufbauend, erzeugt ein ruhendes Gehirn bei geschlossenen Augen typischerweise eine sichtbare Erhebung um 8 bis 12 Hz, den Alpha-Peak. Diese Erhebung ist in der Regel über dem Hinterkopf am stärksten. Öffnet dieselbe Person die Augen, schrumpft dieser Alpha-Peak merklich.
Ein direkter Vergleich von Ratti et al. zwischen medizinischen EEG-Systemen und Consumer-Headsets zeigte genau dieses Muster: Bei allen getesteten Systemen war die größte rhythmische Signatur in den Daten ein posteriorer Alpha-Rhythmus, der vorhersagbar auf die Bedingungen mit geschlossenen versus offenen Augen reagierte.
Derselbe Vergleich warf auch eine praktischere Frage auf: Wenn man dieselbe Person zweimal bei zwei verschiedenen Terminen aufnimmt, sieht die PSD-Kurve dann gleich aus?
Die Antwort hing stark von der Qualität der Ausrüstung ab. Medizinische Systeme lieferten Fp1-Elektroden-PSDs (Fp1 sitzt auf der Stirn und war die eine Elektrode, die allen vier getesteten Systemen gemeinsam war), die über die Termine hinweg konsistent waren, während ein Consumer-System die höchste relative Variation zwischen Test- und Retest-Sitzungen zeigte. Dies zeigt uns, dass eine konsistente PSD-Kurve nicht nur eine Eigenschaft des Gehirns ist, sondern auch eine Eigenschaft dessen, wie sorgfältig das Signal erfasst wurde.
Wie eine Anästhesie die spektrale Signatur des Gehirns verändert
Die statische PSD wird besonders aussagekräftig, wenn sich der Zustand des Gehirns dramatisch verändert, und kein Beispiel ist direkter als die Anästhesie. Eine Studie von Colombo et al. aus dem Jahr 2019 zeichnete das Ruhe-EEG bei gesunden Probanden vor und während einer Anästhesie mit drei verschiedenen Wirkstoffen auf: Xenon, Propofol und Ketamin.
Nach jeder Sitzung fragten die Forscher, ob sich die Person an ein bewusstes Erleben während der Phase der Reaktionslosigkeit erinnern könne, und unterschieden so Zustände, in denen über ein Bewusstsein berichtet wurde, von Zuständen, in denen es abwesend oder dem Gedächtnis nicht zugänglich schien.
Der spektrale Exponent bildete diese Unterscheidung genau ab. Xenon und Propofol, beides Wirkstoffe, die mit einem Verlust des bewussten Erlebens einhergehen, führten bei jedem Probanden zu einer erheblichen Verringerung des negativen spektralen Exponenten, was bedeutet, dass die PSD-Kurve merklich steiler wurde. Diese Versteilung über den breiten Bereich von 1 bis 40 Hz scheint eher das Fehlen von bewusstem Erleben als eine einfache Reaktionslosigkeit anzuzeigen.
Ketamin erzählte eine andere Geschichte. Obwohl die Probanden unter Ketamin verhaltensmäßig nicht reagierten, behalten sie in der Regel ein gewisses bewusstes Erleben bei, und der gesamte PSD-Abfall sah dem normalen Wachzustand ähnlich. Die einzige Ausnahme war eine Abflachung der Kurve speziell im Bereich von 20 to 40 Hz, ein Detail, das mit dem im Vergleich zu den anderen beiden Wirkstoffen unterschiedlichen Wirkmechanismus von Ketamin übereinstimmt.
Das vielleicht überzeugendste Beweisstück war eine Korrelation zwischen diesem spektralen Exponenten und einem separaten, unabhängig abgeleiteten Maß namens Perturbational Complexity Index (PCI). Dieser wird mit einer anderen Technik generiert, die das Gehirn stimuliert und misst, wie komplex die resultierende Reaktion ist. Die hohe Korrelation zwischen diesen zwei sehr unterschiedlichen Messungen stützt die Idee, dass der spektrale Exponent kein zufälliges Muster ist, sondern ein echter Marker, der mit dem Vorhandensein von Bewusstsein selbst zusammenhängt.
Wie ADHS das EEG-Leistungsspektrum verändert
Derselbe aperiodische Abfall, der sich unter Anästhesie verschiebt, scheint sich auch bei Kindern mit ADHS zu unterscheiden. Eine Studie an Kindern im Alter zwischen 3 und 7 Jahren, die Kinder mit ADHS mit typischerweise entwickelten Gleichaltrigen verglich, maß die spektrale Steigung und den Offset (die Höhe der aperiodischen Kurve) zusammen mit traditionelleren Maßen wie der Alpha-Peak-Frequenz und den Bandleistungsverhältnissen.
Medikamentennaive Kinder mit ADHS zeigten im Vergleich zu typischerweise entwickelten Kindern eine höhere Alpha-Leistung, größere aperiodische Offsets und steilere spektrale Steigungen. Bei diesem Versteilungsmuster lohnt es sich, kurz innezuhalten, da es die gleiche Veränderungsrichtung widerspiegelt wie in der Anästhesie-Studie, obwohl die beiden Zustände in ihrer Schwere oder ihrem Mechanismus offensichtlich nicht vergleichbar sind.
Die spektrale Steigung korrelierte auch mit dem traditionellen Theta/Beta-Verhältnis, das in der ADHS-Forschung seit Jahren verwendet wird. Dies legt nahe, dass die Steigung überschneidende Informationen erfasst und gleichzeitig potenziell einen saubereren, umfassenderen Marker bietet.
Ein weiteres Detail verleiht diesem Befund zusätzliches Gewicht. Kinder mit ADHS, die mit St刺激anz-Medikamenten behandelt worden waren, zeigten selbst nach einer 24-stündigen Auswaschphase, in der die aktiven Wirkungen des Medikaments abgeklungen sein sollten, Steigungen und Offsets, die mit der typischerweise entwickelten Gruppe vergleichbar waren.
Dies wirft die Möglichkeit auf, dass das veränderte Spektralmuster bei ADHS nicht fixiert ist, obwohl die Studie dies eher als Hinweis denn als bestätigten Behandlungseffekt einordnet. Da die spektrale Steigung in der Vergangenheit auch mit exekutiven Funktionen und dem Gleichgewicht zwischen erregender und hemmender Gehirnaktivität in Verbindung gebracht wurde, vermuten die Autoren, dass die veränderte Steigung etwas Bedeutsames über die zugrunde liegende Erkrankung widerspiegelt, anstatt ein statistisches Artefakt der Berechnung des Theta/Beta-Verhältnisses zu sein.
Gruppe | Spektrale Steigung | Alpha-Leistung | Offset |
|---|---|---|---|
Typischerweise entwickelt | Normale Steigung | Normale Leistung | Normaler Offset |
ADHS, medikamentennaiv | Steilere Steigung | Höhere Leistung | Größerer Offset |
ADHS, mit Stimulanzien behandelt | Ähnlich wie typisch | Nicht berichtet | Ähnlich wie typisch |
Nutzung der spektralen Leistungsdichte zur Klassifizierung epileptischer Anfälle
Bewusstsein und Aufmerksamkeit sind nicht die einzigen Bereiche, in denen sich eine statische PSD als nützlich erweist. Die Klassifizierung von Epilepsie bietet ein eher automatisiertes, computergestütztes Beispiel.
Ein Ansatz wandelte epileptische EEG-Aufzeichnungen in das um, was die Forscher als Energiediagramme der spektralen Leistungsdichte bezeichneten – im Wesentlichen visuelle Darstellungen der PSD –, und speiste diese Bilder dann in ein tiefes konvolutionales neuronales Netzwerk ein, eine Art von maschinellem Lernmodell, das sich gut für die Erkennung von Mustern in bildähnlichen Daten eignet.
Das Modell wurde darauf trainiert, EEG-Segmente in vier Kategorien einzuteilen:
Interiktal (zwischen Anfällen)
Zwei verschiedene präiktale Fenster (30 Minuten und 10 Minuten vor Beginn eines Anfalls)
Der Anfallszustand selbst
Unter Verwendung eines öffentlichen Epilepsie-Datensatzes erreichte diese Methode eine durchschnittliche Klassifizierungsgenauigkeit von über 90 Prozent in allen vier Kategorien. Das Ergebnis bestätigt, dass die Gesamtform der statischen PSD genügend Unterscheidungsmerkmale enthält, damit ein Algorithmus diese klinisch wichtigen Gehirnzustände zuverlässig voneinander unterscheiden kann, ohne dass von Moment zu Moment stattfindende Änderungen des Signals verfolgt werden müssen.
Häufige Fehler bei der Interpretation der PSD
Eine PSD-Kurve ist nur so vertrauenswürdig wie die Aufzeichnung, aus der sie stammt, und mehrere praktische Probleme können die Form dieser Kurve auf eine Weise verzerren, die nichts mit der zugrunde liegenden Gehirnfunktion zu tun hat.
Artefakte sind das unmittelbarste Problem. Augenzwinkern und Muskelbewegungen erzeugen ihre eigenen elektrischen Signale, die von Kopfhautelektroden erfasst werden, insbesondere an frontalen Stellen.
Der Vergleich von Consumer- und medizinischen EEG-Systemen ergab, dass Consumer-Geräte anfälliger für diese Art von Kontamination waren. Insbesondere ein Consumer-Headset zeigte einen breitbandigen Leistungsanstieg über das gesamte Spektrum, eine Signatur, die eher auf Muskel- und Blinzelartefakte als auf echte neuronale Rhythmen hindeutet. Daher ist eine sorgfältige Bereinigung der Daten und die Auswahl von artefaktarmen Segmenten vor der Berechnung einer PSD ein notwendiger und kein optionaler Schritt.
Volumenleitung (Volume Conduction) ist eine weitere viel diskutierte Einschränkung in der EEG-Forschung im Allgemeinen. Da sich elektrische Felder durch Gewebe und Schädel ausbreiten, bevor sie die Kopfhaut erreichen, kann sich eine einzelne Aktivitätsquelle im Gehirn gleichzeitig an mehreren nahe beieinander liegenden Elektroden registrieren, was die räumliche Präzision jeder gegebenen PSD-Messung verwischt.
Die Wahl der Referenz stellt eine ähnliche Situation dar. Das EEG ist von Natur aus eine differenzielle Messung, was bedeutet, dass das Signal jeder Elektrode relativ zu einem bestimmten Referenzpunkt berechnet wird, sei es ein Mittelwert aller Elektroden, ein Mastoidknochen hinter dem Ohr oder eine zentrale Kopfhautposition wie Cz. Eine Änderung dieses Referenzpunkts kann die Leistung über die Kanäle hinweg neu verteilen und die absolute Form einer PSD-Kurve verändern.
Daher ist das Wissen darüber, welche Referenz verwendet wurde, oft eine Standardinformation, die beim Vergleich von PSD-Ergebnissen in verschiedenen Arbeiten oder Datensätzen überprüft werden muss.
Schließlich gibt es noch die Test-Retest-Reliabilität. Selbst wenn Proband und Ausrüstung konstant gehalten werden, können wiederholte Aufzeichnungen bei separaten Terminen eine gewisse natürliche Variation in der PSD-Kurve aufweisen.
Medizinische Systeme lieferten über zwei Termine hinweg konsistentere Fp1-PSDs, während das getestete Consumer-System die größte relative Variation zeigte. Dies ist eine praktische Warnung davor, zu viel in kleine PSD-Unterschiede hineinzuinterpretieren, die bei einem einzelnen Probanden beobachtet werden, insbesondere wenn die Aufzeichnungsausrüstung oder das Protokoll nicht streng kontrolliert werden.
Tools und Software zur Berechnung der spektralen Leistungsdichte
Die PSD kann mit wissenschaftlichen Programmierbibliotheken, speziellen EEG-Analysepaketen oder allgemeiner Signalverarbeitungssoftware berechnet werden. Die wesentlichen Voraussetzungen sind der Zugriff auf die abgetasteten Daten und eine transparente Kontrolle über Abtastrate, Segmentierung, Fensterung, Detrending, Überlappung, Skalierung und Frequenzgrenzen. Eine grafische Ausgabe allein reicht nicht aus, um festzustellen, wie die Schätzung zustande gekommen ist.
Eine reproduzierbare Implementierung zeichnet die Vorverarbeitungs- und Schätzparameter zusammen mit dem Spektrum auf. Sie bewahrt auch die Kanalreferenz, die Einheiten, die verworfenen Epochen und alle vor der Berechnung angewendeten Transformationen. Diese Details sind besonders wichtig, wenn die Ergebnisse in einem Gruppenvergleich verwendet oder über verschiedene Aufzeichnungssitzungen hinweg kombiniert werden.
Ergebnisse lassen sich leichter überprüfen, wenn der Arbeitsablauf sowohl numerische Arrays als auch Diagnose-Plots erzeugt. Sinnvolle Überprüfungen umfassen die ursprüngliche Wellenform, mit Artefakten markierte Intervalle, den ausgewählten Frequenzbereich und einen Vergleich der Schätzungen bei verschiedenen plausiblen Segmenten. Solche Überprüfungen machen die Interpretation zwar nicht automatisch, aber sie machen verborgene Annahmen leichter erkennbar.
Fazit
Das Diagramm der spektralen Leistungsdichte fungiert als Rhythmus-Partitur für das Gehirn, und die Steilheit seines Hintergrundabfalls erweist sich als bemerkenswert konsistenter Marker über völlig unterschiedliche Geisteszustände hinweg.
Ob eine Person unter bestimmten Anästhetika das Bewusstsein verliert, ein Kind ADHS-bedingte Aufmerksamkeitsdefizite zeigt oder ein Anfall beginnt – diese Gesamtform verschiebt sich auf vorhersagbare Weise und verbindet diese Zustände durch eine gemeinsame messbare Signatur. Dieses Muster legt nahe, dass das elektrische Ruheprofil des Gehirns bedeutsame, übergreifende Hinweise auf seinen Funktionszustand enthält und nicht nur isolierte Peaks bei bestimmten Frequenzen.
Obwohl die PSD nur einen statischen Mittelwert über ein Aufzeichnungsfenster liefert, demonstriert ihre Fähigkeit, bewusste von unbewussten Phasen zuverlässig zu unterscheiden oder Algorithmen Anfälle mit hoher Genauigkeit erkennen zu lassen, ihren praktischen Wert in den Neurowissenschaften. Diese Korrelationen beweisen zwar nicht, was diese Zustände verursacht, aber sie bieten eine leicht zugängliche, einzahlige Zusammenfassung – die Steigung der Kurve –, die helfen kann, das Bewusstsein, Aufmerksamkeitsunterschiede oder das Anfallsrisiko einzuschätzen.
Für Forscher und Kliniker bietet dieses einfache Maß einen leistungsstarken Einstieg in die Gehirndynamik und schlägt eine Brücke von abstrakten Rhythmen zu realen Unterschieden.
Referenzen
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
Häufig gestellte Fragen
Was ist die spektrale Leistungsdichte (PSD) im EEG?
Die PSD ist eine Methode, die die quadrierte Amplitude von EEG-Signalen bei jeder Frequenz berechnet und diese über einen Aufzeichnungszeitraum mittelt. Die resultierende Kurve zeigt, wie sich die Energie auf langsame und schnelle Gehirnrhythmen verteilt, und entwirrt so die komplexe rohe Aufzeichnung.
Wie sieht eine gesunde Ruhe-PSD-Kurve aus?
Die Leistung ist bei niedrigen Frequenzen am höchsten und nimmt mit der Frequenz stetig ab, was einen 1/f-artigen Hintergrund bildet. Ein sichtbarer Alpha-Peak um 8–12 Hz erscheint typischerweise über dem Hinterkopf, wenn die Augen geschlossen sind, und nimmt ab, wenn die Augen geöffnet werden.
Wie unterscheidet sich die aperiodische Komponente von oszillatorischen Peaks?
Die aperiodische oder 1/f-artige Komponente ist der gleichmäßige Abfall der Leistung mit zunehmender Frequenz, ohne dass sich ausgeprägte Erhebungen bilden. Oszillatorische Peaks, wie der Alpha-Rhythmus, heben sich bei bestimmten Frequenzen von diesem Hintergrund ab und tragen andere Informationen über die Gehirnfunktion.
Wie verändert eine Anästhesie die spektrale Signatur des Gehirns?
Wirkstoffe wie Xenon und Propofol, die zum Verlust des bewussten Erlebens führen, bewirken, dass die PSD-Kurve über 1–40 Hz steiler wird. Ketamin, das das bewusste Erleben trotz Reaktionslosigkeit aufrechterhält, zeigt eine Kurve ähnlich dem Wachzustand, außer einer Abflachung im Bereich von 20–40 Hz.
Welche PSD-Unterschiede finden sich bei Kindern mit ADHS?
Kinder mit ADHS zeigen im Vergleich zu typischerweise entwickelten Gleichaltrigen eine höhere Alpha-Leistung, größere aperiodische Offsets und steilere spektrale Steigungen. Nach einer Stimulanzienbehandlung, selbst nach einer Auswaschphase, können Steigungen und Offsets denen der typischerweise entwickelten Gruppe ähneln.
Wie kann die PSD epileptische Anfallszustände klassifizieren?
Eine statische PSD-Kurve kann in ein Bild umgewandelt und in ein tiefes neuronales Netzwerk eingespeist werden, um zwischen interiktalen, präiktalen und Anfallszuständen zu unterscheiden. Dieser Ansatz erreichte in mindestens einer Studie eine hohe Klassifizierungsgenauigkeit, was bestätigt, dass die spektrale Gesamtform genügend Unterscheidungsmerkmale enthält.
Warum wird die PSD als statische Momentaufnahme betrachtet?
Die PSD komprimiert einen gesamten Aufzeichnungszeitraum in eine einzige Kurve und mittelt so sekundenweise Änderungen heraus. Sie zeigt das Gesamtgleichgewicht der Frequenzen während dieses Fensters, anstatt zu verfolgen, wie sich die Mischung im Laufe der Zeit verschiebt.
Was sind häufige Fehler bei der Interpretation der PSD?
Muskel- und Augenartefakte können das Signal verunreinigen und die Kurve verzerren, insbesondere bei Consumer-Geräten. Volumenleitung und die Wahl der Referenz beeinflussen ebenfalls die PSD-Form, und selbst bei stabiler Ausrüstung bedeuten natürliche Test-Retest-Variationen, dass kleine Unterschiede möglicherweise nicht aussagekräftig sind.
Was ist der Unterschied zwischen der PSD und einem Amplitudenspektrum?
Die PSD stellt die quadrierte Amplitude pro Frequenz dar und eignet sich zur Berechnung der Leistung, während ein Amplitudenspektrum die Größe der Frequenzkomponenten darstellt und andere Einheiten verwendet.
Deutet ein größerer PSD-Peak immer auf eine stärkere Gehirnaktivität hin?
Nein. Ein größerer Peak kann sowohl Artefakte, Referenzeffekte, Aufzeichnungsbedingungen oder Analyseparameter als auch physiologische Aktivität widerspiegeln.
Emotiv ist ein führender Anbieter von Neurotechnologie, der die neurowissenschaftliche Forschung mit zugänglichen EEG- und Gehirndaten-Tools vorantreibt.
Christian Burgos
