Google Suche
Prof. Dr.-Ing. habil. Jens Haueisen
BMTI Institutsleiter und Fachgebietsleiter Biomedizinische Technik
Prof. Dr.-Ing. habil. Jens Haueisen
Telefon +49 3677 69 2861
In den Neurowissenschaften ist die Untersuchung der Kopplungs- und Synchronisationseigenschaften oszillatorischer EEG/MEG-Aktivitäten auf Basis gemessener Sensorsignale oder daraus rekonstruierter Quellaktivitäten von besonderer Bedeutung. Ziel des Projekts ist es, ein qualitativ neues Niveau der zeitvarianten multivariaten Analyse der Kopplungs- und Synchronisationseigenschaften zu erreichen. Hierzu sollen sowohl Methoden der Kopplungs- und Synchronisationsanalyse als auch der dynamischen Rekonstruktion neuronaler Quellen entwickelt, optimiert und auf hochdimensionale MEG/EEG-Daten angewandt werden. In diese Zielstellung integriert sind Untersuchungen zum Einfluss notwendiger Vorverarbeitungsschritte auf die Analyseergebnisse (Filterung, Komponentenzerlegung, Artefaktrejektion) sowie eine daraus abgeleitete Optimierung der Analysestrategien. Weiterhin soll durch die Entwicklung spezieller Rekonstruktionsalgorithmen, die die Grundlage der zeitvarianten Kopplungsanalyse von Quellenaktivitäten darstellen, die Notwendigkeit der Vorverarbeitung reduziert und die Modellierung auch bei schlechterem Signal-Rausch-Verhältnis ermöglicht werden. Die Evaluierung der entwickelten Methoden sowie der Vergleich mit alternativen Verfahren erfolgt auf Basis hochdimensionaler MEG/EEG-Daten, wobei gerichtete Interaktionen zwischen Alpha- und Gamma-Oszillationen, zwischen höherfrequenter Oszillationen sowie zwischen den entsprechenden modellierten Quellenaktivitäten von besonderem Interesse sind. Hierzu werden sowohl vorhandene (Photic-Driving-Experimente) wie auch neu zu erhebende Daten (bewusste und unbewusste Wahrnehmung somatosensorischer Reize) verwendet.
Publikationen (Konferenzbeiträge):
Auf dem 4th International Workshop on Pattern Recognition in Neuroimaging, welcher vom Max-Planck-Institut für Intelligente Systeme in Tübingen ausgerichtet wurde, gewinnt Daniel Strohmeier den Best Student Paper Award.
Auf dem 4th International Workshop on Pattern Recognition in Neuroimaging, welcher vom Max-Planck-Institut für Intelligente Systeme in Tübingen ausgerichtet wurde, gewinnt Daniel Strohmeier den Best Student Paper Award.
Der vorgestellte Beitrag:
Daniel Strohmeier, Jens Haueisen, Alexandre Gramfort: Improved MEG/EEG source localization with reweighted mixed-norms.
präsentiert eine neue Methode, iterative reweighted Mixed-Norm Estimate (irMxNE), zur Rekonstruktion von fokalen Quellen im Gehirn aus MEG und EEG Daten.
Die Abbildung zeigt das Ergebnis einer Quellenlokalisation eines auditorisch evozierten Feldes mittels irMxNE (blaue Punkte) und dSPM in der rechte Hemisphäre des Gehirns. Die mittels irMxNE rekonstruierten Quellen sind in den primären auditorischen Zentren lokalisiert und zeigen eine gute Übereinstimmung mit den Maxima der dSPM-Verteilung.