anwendungsgebiete der eeg simulation computationale neurowissenschaften kognitionswissenschaften...
TRANSCRIPT
Anwendungsgebiete der EEG Simulation
Computationale NeurowissenschaftenKognitionswissenschaftenSimulation schwer messbarer ProzesseSimulation der Aufnahme von MedikamentenÜberprüfung von HypothesenUnterstützung von VorhersagenTests von Algorithmen
Probleme: detailliertes Modell des gesamten Gehirns nicht möglich Angabe der Nähe zum biologischen Vorbild ev. schwierig
High-Level Systems Approach Top–Down Black Box-Methoden
Low-Level Systems Approach Bottom-Up „Realistic Modelling“
Zellkörper, Axon, Dendriten, Synapse und Rezeptortypen, Membrankanäle, Aktionspotentiale ...
-> Bausteine für die Simulation, Tests von Hypothesen
Gesucht: Modell für die Weiterleitung des Aktionspotentials
Datengewinnung
Anatomische Modelle bildgebende Verfahren: PET, MRI und EEG Tracer-Methoden Messung der Aktivität von Ionenkanälen
Voltage Clamp (Cole, 1949)
Kompensationsstrom wirkt Änderungen des Membran- Potentials entgegen Blockieren von Typen von Ionenkanälen durch Gifte zb. TTX (Thetrodotoxin) zur Blockierung von Na-Kanälen dann wird der Stromfluss gemessen
Patch-Clamp (1976, Erwin Neher und Bert Sakman)
sehr kleine Pipette isoliert Stück der Membran (Patch) Spannung wird angelegt und der Strom gemessen (Clamp)
Patch-Clamp-Arbeitsplatz,Erzeugung der Messpipette
Das Modell von Hodgkin und Huxley (1952)
Erforschung des Tintenfisch-Axons Verwendung der Voltage-Clamp Technik -> Isolierung der Kanalströme für Na und K Entwicklung eines Modells für die AP-Entstehung
Cm: Kapazität der Zellmembran,GNa, GK: spannungsabhängige Leitwerte der KanäleENa, Ek: Gleichgewichtspotential von Na bzw. KGm: Leitwert der passiven Kanäle, Vrest: Ruhemembranpotential
Alan Hodgkin
Andrew Huxley
Änderung der Spannung an der Membran ist proportional zum Gesamtstrom der in bzw. aus dem Kompartment fließt:
Der spannungsabhängige Leitwert eines Ionenkanals bestimmt den Strom durch die zugehörigen Ionen:
Schwierigkeit:
Bestimmung der spannungsabhängigen Leitfähigkeiten, da empirischKurvenverläufe dritter bzw. vierter Potenz gemessen wurden-> Einführung fiktiver Aktivierungspartikel (gating-Partikel)
Diese Partikel modellieren die Wahrscheinlichkeiten des Öffnens oder Schließens der Kanäle
Modellierung des Kalium-Kanals:
n : Wahrscheinlichkeit Aktivierungspartikel geöffnet (0<n<1, Wahrscheinlichkeit für den geschlossenen Zustand ist 1-n). Die Öffnung ist von 4 Aktivierungs-Partikeln abhängig, die alle gleichzeitig geöffnet sein müssen. Gk: maximale Leitfähigkeit des Kalium-Kanals (36mS/cm2) Ek: Gleichgewichtspotential für Kalium
Alpha und Beta: spannungsabhängige Änderungsraten (in Hz),geben die Anzahl der Zustandsänderungen in den geöffneten (Alpha) bzw. in den geschlossenen Zustand (Beta) an:
Empirisch gefundene Werte für Alpha und Beta (Kalium-Kanal) :
Stromfluß durch den Natrium- Kanal schwieriger zu modellieren, da dieser Kanal auch zeitlich inaktiviert wird:
Öffnung Aktivierungspartikel m (m-gate)Schließen Inaktivierungspartikel h (h-gate)
GNa: max. Leitfähigkeit des Na-KanalsENa : Gleichgewichtspotential für Natrium m: Wahrscheinlichkeit Aktivierungspartikel aktivh: Wahrscheinlichkeit Inaktivierungs-Partikel nicht aktiv
Leitwerte für Na (links) und K (rechts) bei konkreten Aktivierungsniveausdie Linie zeigt die Werte der Simulation, Kreise reale Messwerte
Modell und reale Messung
vollständige Gleichung für die Änderung des Membran-Potentials
Simulink- und Matlab Modelle (Präsentation)
Cable Theory-Models
Kopplung mehrerer Kompartimente
Grenzen für Detailliertheit der Modelle
Rechenkapazität und Speicher
-> Modellierung größerer Einheiten zB:
synaptische Dichten, Aktivierungsgewinne an der Synapse, Grad der Verbundenheit mit Interneuronen, Verhältnis von exzitatorischen und inhibitorischen Verbindungen, Eigenschaften von Makro-Columns,..
mögliche Vereinfachung auf Makro-Ebene:
chaotisches System -> (quasi-) lineares SystemModellierung der Systemwirkung zB. durch Signalgeneratoren oder Neuronale Netze:
Hopfield-Netze mit Mehrfachverbindungen
Simulation pathologischer Signalformen
Gründe: oft schwierige Messumstände, viele ArtefakteVergleich verschiedener Algorithmen durch Simulation einfacher
Beispiel: Simulation eines Anfalls-EEGs bei Epilepsie von Neugeborenen
Simulierte und reale Signalformen :
3D- Kopfmodelle in der EEG-Simulation
Quellenlokalisation angenommener Dipole realistische Modellierung von Ausbreitungsgeschwindigkeiten in den verschiedenen Gewebearten
Beispiel: 115 sagittale MRI-Aufnahmen von je 256 x 256 Pixel zu einem 3d-Modell aufgebauen
Semi-automatischer Algorithmus zur Gewebebestimmung:
Kopfhaut, Knochen, Cerebrospinale Flüssigkeit, graue und weiße Hirnsubstanz, Augengewebe und Hohlräume
3d-Modell mit Informationen der Gewebseigenschaften
Simulation einer Signalquelle in tieferen Hirnschichten und des gemessenen EEGs
High-Level Simulationssprachen für EEG und Neurale Netze
- einfaches Hinzufügen und Löschen von funktionalen Elementen - Bibliotheken für: Ionenkanal, Neuron, Zellverband, Synapse usw.- eingebaute Tools und Graphikroutinen, Volt- und Amperemeter- Standards und Dokumentation, Austausch von Modellen- Support und große Wissensbasis für Applikationen wie Matlab
Beispiele:
GENESIS (GEneral NEural SImulation System):
Funktionen zB: „makeneuron“ oder „connect” gute Dokumentation: “The Book of GENESIS: Exploring Realistic Neural Models” Native Linux (Windows-fähig durch Verwendung von cygwin/xwin) Freeware, Download unter http://www.genesis-sim.org/GENESIS
NeuroML, CellMLNEXUS: Large-scale biological simulations, parallelisierbare AuswertungMatlab/Simulink –Toolboxen: SOM, FastICA package, Netlab, EEGToolbox
GENESIS – Simulation des Geruchszentrums einer Ratte
Anwendungen aus der EEG-Biometrie
- Artefakterkennung und –elimination (Lidschlag, Bewegung, …)- Automatische Schlafstadienklassifikation- Erkennung bzw. Früherkennung von epileptischen Anfällen- Vergleich und Analyse pathologischer EEGs- Aufbau von und Suche in Datenbanken
Bespiele für verwendete Techniken
Fourier- oder Wavelet-Transformation (-> Zeit/Frequenzbereich)Verschiedene Arten von Filtern (zB. Bandpass-Filter)Kreuz- oder AutokorrelationEvent Related Potentials, ERPs: Mittelung mehrere Versuche (Trials) zur Verbesserung des Signal-Rausch-Verhältnisses
Brain Computer- Interfaces
mu / beta ERD SCP (CNV, slow waves) P300 ERP VEP
Elektroden: Oberflächen- Subdural- invasive bzw. Grid-Elektroden “Berlin-BCI”, Bewegungsvorstellung
ERD im Mu / Beta-Frequenzband bei Vorstellung einer Bewegung
1 Digital- und 1–3 Analog-Boards
Verbindung mit Flachbandkabel
Kit wird bei Olimex gefertigt, Preis ca. 200 Euro für 4 Kanal Version
Das Open EEG Projekt – ModularEEG designed by Jörg Hansmann
MonolithEEG von Reiner Münch
SMD (double sided)
USB (FTDI 232-chip, 1MBaud)
USB-powered
2 Chn, 1kHz 10 bit sampling
Expansion-port
Eine Aufnahme mit dem Modular-EEG
BrainBay openEEG Software
brainbay, screenshot design und session-windows
Danke für die Aufmerksamkeit !