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

独立成分分析(ICA)应用于数据分析技术、数据分析、脑电信号分析和功能磁共振信号分析，在统计学上无统计学意义。通常情况下，这是一种统计数据，它的解释也是如此，因此，我们的方法很简单，也就是说，所有的数据都是这样的，所以这些数据都不会出现在任何数据中。在此基础上，我们对脑电和功能磁共振成像进行了分析，并对其进行了标准化分析。这是我的杰多克，我知道了，这是一种新的算法。当für EEG信号发出Darin时，da？Bisher将死于动态神经网络分析器Prozesse Nur unzureichi End in den算法。用BEI功能磁共振成像技术检测神经元样改变。死亡之间的生理过程中提出了一种新的算法，这是一种新的算法。在设计项目的ICA算法中，所有的问题都是由我们自己来解决的，这些算法包括并分析了各种不同的信号，并对其进行了动态的分析。Es ist zu erwarten，da？sich hierduch Neue Erkenntnisseüber die zeitliche Dynamik Dynamik Nezesse and eine Methode für Verbesserte zeitliche and räumliche Lokalization Neer Aktiität MIT fMRI Aufahahmen ergeben.

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.