Kurzbericht 2007 Electronics und Medical Signal Processing

Berechnung und Vergleich der ICA-Komponenten aus
simultanen MEG- und EEG-Messungen
Master Eng. Heriberto Zavala-Fernández
Partner: Physikalisch-Technische Bundesanstalt (PTB), Fachbereich Biosignale (8.2)
Abbildung 2: ICA Modell in Verbindung mit funktionelen Untersuchung des Gehirns.
Beschreibung des Problems
Aufgrund der neuen Methoden zur anatomischen und funktionelen Untersuchung
des Gehirns ist es heutzutage ohne invasive Verfahren möglich, Daten über das
lebende menschliche Gehirn zu sammeln. Für die Interpretation ist sehr wichtig
die wesentlichen Merkmale dieser Daten zu extrahieren. Zu den nicht invasiven
Methoden gehören das Elektro- und Magneto-Enzephalogram (EEG bzw. MEG),
d. h. die Messung der elektrischen und magnetischen Felder der neuronalen Ströme
im Gehirn. Diese Methoden geben Informationen darüber, welche Teile des Gehirns
zu einem bestimmten Zeitpunkt aktiv sind.
Die Anwendung der Independent Component Analysis (ICA) auf die gemessenen
EEG- und MEG-Signale erlaubt die Trennung der lokalen Quellen voneinander sowie
die Unterdrückung unvermeidbarer Störsignale, ohne ein explizites Modell für diese
entwickeln zu müssen. Solche Störsignale entstehen nicht im Gehirn und verhindern
häufig die genaue Identifizierung der im Gehirn erzeugten Signale.
Forschungsziel
Das Ziel der Arbeit sind die Entwicklung und der Einsatz von Algorithmen zur
ICA-Zerlegung von kombinierten EEG- und MEG-Messungen. Zur Erprobung des
Verfahrens werden kombinierte EEG- und MEG-Messungen nach akustischer bzw.
visueller Stimulation genutzt. Diese kombinierten Datensätze werden mit einem
3