Algorithmen zur Analyse der zeitlichen Dynamik von EEG und fMRI Signalen durch Independent Component Analysis

点击翻译按钮获取中文摘要

Independent component analysis (ICA) bezeichnet eine Datenanalysetechnik, mit der korrelierte Meßdaten, wie sie etwa bei Vielkanal-EEG und fMRI Signalen auftreten, in statistisch unabhängige Komponenten zerlegt werden können. Oft eignen sich die statistisch unabhängigen Komponenten besser zur Interpretation als die ursprünglichen Meßwerte, so daß durch diese Methode Strukturen offengelegt werden können, die in den gemessenen Daten nicht unmittelbar sichtbar sind. ICA wurde unter anderem zur Analyse von EEG und fMRI Daten vorgeschlagen und entwickelt sich zu einer von zahlreichen Gruppen benutzten Standardanalysetechnik. Es sind jedoch auch klare Grenzen der zur Zeit verwendeten ICA Algorithmen sichtbar. Diese bestehen für EEG Signale darin, daß bisher die zeitliche Dynamik neuronaler Prozesse nur unzureichend in den Algorithmen berücksichtigt wird. Bei fMRI Signalen kann neuronale Aktivität nur indirekt über den Blutsauerstoffgehalt gemessen werden. Die beteiligten physiologischen Prozesse legen dabei ebenfalls die Berücksichtigung der zeitlichen Signalentwicklung in den verwendeten ICA Algorithmen nahe. Zur Lösung beider Probleme sollen in diesem Projekt ICA Algorithmen entwickelt und zur Analyse von biomedizinischen Signalen genutzt werden, die die zeitliche Dynamik durch Faltungsüberlagerung und durch zeitlich variable Signalmischung berücksichtigen. Es ist zu erwarten, daß sich hierdurch neue Erkenntnisse über die zeitliche Dynamik neuronaler Prozesse und eine Methode für verbesserte zeitliche und räumliche Lokalisation neuronaler Aktivität mit fMRI Aufnahmen ergeben.