Anwendungsgebiete der EEG Simulation Computationale Neurowissenschaften Kognitionswissenschaften...

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 !