21.07.2023

Neue Veröffentlichung

Neue Veröffentlichung über geschlechtsabhängige Muster in Elektroenzephalogrammen (EEG) und deren Relevanz bei KI-basierter Auswertung.

Unser Algorithmus zur Erkennung des Geschlechts aus EEG-Kurven macht die relevanten Bereiche sichtbar. In ungefilterten EEG-Daten zeigt sich eine erhöhte Relevanz der Zeitbereiche rund um den Herzschlag. Dieser Teil der Geschlechtsunterschiede im EEG-Signal kommt daher vermutlich gar nicht vom Gehirn, sondern von Signalartefakten der elektrischen Herzaktivität.

Deep Learning für die EEG-Analyse ist faszinierend, da es Muster nutzen kann, von denen wir Menschen nicht einmal wissen. Es kann neue Merkmale aufdecken und wesentlich komplexere Muster in diesen mehrkanaligen Zick-Zack-Kurven bewerten. Allerdings ist Deep Learning anfällig dafür, illegitime Merkmale auszunutzen. Als wir ein neuronales Netz darauf trainierten aus EEGs das Geschlecht zu erkennen haben wir entdeckt, dass unser Netzwerk sich zunächst auf Geschlechtsunterschiede in Herzartefakten anstatt auf tatsächliche Gehirnaktivität konzentriert.

Jochmann, T., Seibel, M. S., Jochmann, E., Khan, S., Hämäläinen, M. S., & Haueisen, J.:

Sex-related patterns in the electroencephalogram and their relevance in machine learning classifiers.
(2023) Human Brain Mapping, 1– 11.

https://doi.org/10.1002/hbm.26417

Ansprechpartner:    Dipl.-Phys. Thomas Jochmann