Analyse von Hautleitwertdatenals Maß für emotionale Reaktionen

Christian Kaernbach

Institut für Psychologiederzeit: Universität Bonn

eigentlich: Universität Leipzigdemnächst: Karl-Franzens-Universität Graz

• Einführung in die bioelektrischen Phänomene der Haut

• Messung und Auswertung– template matching

• erste Versuchsergebnisse

• ein Softwarepaket zur Auswertung– derzeitiger Stand und Fragen

EDA - Definition

• EDA = Elektrodermale Aktivität• Sammelbegriff für die elektrischen Phänomene der

Haut (Johnson und Lubin, 1966)• umfaßt aktive und passive bioelektrische Phänomene• Beschreibungsgrößen:

– aktive Phänomene:• Hautpotential

– passive Phänomene:• Hautwiderstand

• Hautleitfähigkeitreziprok

EDA - Terminologie

HautpotentialreaktionSPRSkin Potential Response

HautpotentialniveauSPLSkin Potential Level

HautwiderstandsreaktionSRRSkin Resistance Response

HautwiderstandsniveauSRLSkin Resistance Level

Hautleitswertsreaktion

HautleitfähigkeitsreaktionSCRSkin Conductance Response

Hautleitwertsniveau

HautleitfähigkeitsniveauSCLSkin Conductance Level

Elektrodermale AktivitätEDAElectrodermal Activity

DeutschEnglish

exosomatisch

endosomatisch

Aufbau der HautC

utis

Hautleitwert

• Subcutis und Dermis sind gute und stabile Leiter.

• Epidermis fungiert als Barriere.

• Schweißdrüsenaktivität verändert Hautleitwert:• Schweiß = NaCl-Lösung besonders leitfähig

• Die Leitfähigkeit ist dort am größten, wo die meisten Schweißdrüsen sind.

• Durchtrennung der Innervationswege oder medikamentöse Blockade (Atropin) eliminiert Hautleitwertsreaktion.

Schweißdrüsen• Schweißdrüsen sind exokrine Drüsen.

• Innervation: autonomes Nervensystem

• ekkrine vs. apokrine Drüsen– ekkrin: Ausscheidung mittels Vesiklen.

Ekkrine Schweißdrüsen dienen der Thermoregulation.

– apokrin: Abstoßen eines Teils des Somas. Apokrine Schweißdrüsen befinden sich an behaarten Stellen und dienen der Ausscheidung von Duftstoffen.

• vermehrte Dichte ekkriner Schweißdrüsen auf Hand- und Fußflächen

– abweichende Innervation– Vermutung: palmare Schweißdrüsen stehen

unter zentraler Kontrolle („emotionales Schwitzen“)

Zentrale Innervation

– Vermutung: palmare Schweißdrüsen stehen unter zentraler Kontrolle („emotionales Schwitzen“)

Gerät

• Leybold Didactic netto brutto

– Pocket Cassy (11 Bit): 195,00 € 226,20 €– Hautwiderstandsbox: 270,90 € 314,24 €– CassyLab Software (einmalig): 355,00 € 411,80 €

• 820,90 € 952,24 €

Die Messung

Die Messung

Setup „ist“

VGATastatur

Maus

USB

Hintergrundmusik

StimulusMatlab

CassyLab

Setup „soll“

VGATastatur

Maus

Hintergrundmusik

Stimulus Matlab

CassyLab

USB

LP

T

CassyLab

• Events werden in Systemzeit gespeichert und nachträglich integriert

Analyse von EDA Daten

• mitteln (EEG Tradition)

• Minima/Maxima (Boucsein)

• template matching

Analyse von EDA Daten

• Wolfram Boucsein (1992), Electrodermal Activity, New York: Plenum Press, p. 132.– The evaluation of phasic changes mainly focuses on irregularly appearing

single events rather than on patterns that may be characterized by changes in frequency and/or amplitude. Hence, common procedures like power spectrum or Fourier analyses cannot be used in obtaining parameters from electrodermal recordings.

– ... most phasic changes of EDA show a rather characteristic course or Gestalt, which enables the experimenter to separate them from artifacts with sufficient reliability. Unfortunately, algorithms for the detection of an EDR Gestalt are not yet available for computer analysis, and therefore it has to be obtained with the visual aid of an experimenter.

Stimulus

EDA

Latenz

Amplitude

Ans

tiegs

zeit

Halbwertszeit

37%50%

Abklingzeit

Die ideale EDR Gestalt• Parameter, die von einer idealen einzelnen EDR

(Typ 1 nach Boucsein) abgeleitet werden können– Latenz, Amplitude– Anstiegszeit, Halbwerts/Abklingzeit

Überlappende EDRs• Typ 2 nach Boucsein: die erste EDR ist separierbar

– Minimum zu Maximum– Abziehen der extrapolierten EDR

Überlappende EDRs• Typ 3 nach Boucsein: kein Maximum der ersten EDR

– Extrapolation nicht mehr möglich– Wendepunkt versus Summe

suppose we knew the Gestalt• template matching

– Zerlegen einer engenÜberlagerung von EDRs in ihre Bestandteile

– EDA = Summe aus Basis (hier: linear) und einer kleinen Anzahl separater EDRs

– Minimieren des Fehlerquadrates (²)

• Zwei-Kompartiment-Modell– Ein Agens wird schlagartig in Kompartiment A freigesetzt.

– Es diffundiert mit Zeitkonstante k1 ins Kompartiment B.

– Von dort wird es mit Zeitkonstante k2 eliminiert.

– Es gibt keine Rückdiffusion von B nach A, z.B.: Kompartiment B ist sehr viel größer als Kompartiment A.

tktk eeCb 21

akbkb 12 aka 1

A Bk1 k2

Eine Gestalt für die EDR

Bateman Funktion

Minimieren des Fehlerquadrates• Gradientenverfahren (gradient descent)

Minimieren des Fehlerquadrates• Gradientenverfahren (gradient descent)

– Problem: lokale Minima

• Evolution

Explicit and implicit responses to environmental sounds

Alex Ronald López RolónChristian KaernbachRonny WernerInstitut für Allgemeine PsychologieUniversität Leipzig

Method, Context3x2x2 Design:

sound soundwithout with contextcontext context alone

Explicit: ratings

Implicit: physiological response

N=15 N=15 N=15

dimension:pleasure

arousal

pleasurearousal

Stimuli• 7 sounds from IADS sound database (Bradley & Lang)

– “International Affective Digitized Sound System”• in total 111 sounds• in analogy to IAPS “International Affective Picture System”• IADS sounds are 6 s long• some sounds in IADS are not well prepared

– IADS sounds come with valence and arousal ratings• choose 7 sounds such as to “cover the ground”

• 3 sounds from Peter Bailey, University of York– chalk on blackboard, grinding engine, dropping spade

• 2 musical instrument sounds• all sounds cut to 2 s length, and leveled in rms power

Stimuli

gähnende Frau

Babylachen

Babyschrei

lachende Menschen

Schrei einer Frau

Gesang

Schweinegrunzen

große Maschine

Kreidequietschen

fallender Spaten

tiefer Celloton

Klarinette

yawning women

laughing baby

crying baby

laughing people

cry of a woman

chant

grunting pig

big engine

squeaking chalk

dropping a spade

bass note on cello

clarinet

1

2

3

4

5

6

7

8

9

1 2 3 4 5 6 7 8 9

pleasure ratings (5 = neutral)

aro

usa

l ra

tings

context

Explicit ratings

• Self Assessment Manikin, SAM (Bradley & Lang)– pleasure scale

– arousal scale

Explicit ratings

1

2

3

4

5

6

7

8

9

1 2 3 4 5 6 7 8 9

pleasure ratings (5=neutral)

arou

sal r

atin

gs

soundN=15

1

2

3

4

5

6

7

8

9

1 2 3 4 5 6 7 8 9

pleasure ratings (5=neutral)

aro

usa

l ra

ting

s

sound + contextN=14

1

2

3

4

5

6

7

8

9

1 2 3 4 5 6 7 8 9

pleasure ratings (5=neutral)

arou

sal r

atin

gs

context aloneN=16

00.20.40.60.8

1

pleasure arousal

corr

elat

ion

with

IA

DS

00.20.40.60.8

1

pleasure arousal

corr

elat

ion

with

IA

DS

00.20.40.60.8

1

pleasure arousal

corr

elat

ion

with

IA

DS

Implicit responses

• Motivation:– It is often difficult to verbalize one’s feelings– It might not be politically correct to state

explicitly one’s emotional reaction to certain stimuli– Emotion systems are different from cognitive systems

• Intact emotional memory in amnesic patient (Claparède, 1911)• Emotional memory closely linked to implicit memory

• Methods– physiological responses

• arousal: EDA• pleasure: facial EMG

tktk eeCb 21

EDA analysis• Fit of appropriate template

Pharmacokinetics suggest: Bateman functiondiffusion from compartment A into B with time constant k1

elimination from compartment B with time constant k2

akbkb 12 aka 1

A Bk1 k2

intestines blood

Event-related EDA (ER-EDA)• visible increase of activity after event(N.B: EEhaah! Mamma, we got Event-Related EDA!)

Korrelation zu Ratings „Wohlgefallen“• ER-EDA ist nicht korreliert zu Wohlgefallen

Korrelation zu Ratings „Erregung“• ER-EDA ist korreliert zu Erregung

in der Bedingung „Geräusch“

Discussion

• Explicit ratings correlate with IADS ratings– pleasure: good correlation even for “description only”– arousal: correlation is best for “sound only”

• Event-related EDA correlates with arousal ratings for condition “sound only”– simultaneous visual cue lessens arousal– context (if given) should be non-predictive

• Ansätze für weitere Forschung:– Optimierung der Zeitabstände– nichtprädikativer Kontext– Vergleich verschiedener Auswertemethoden

Ein Programmpaket

• ein Satz von Matlab Routinen

• zunächst entwickelt für den Eigenbedarf

• wuchs sich aus zu eigenständigem Projekt

Ledalab

ein Softwarepaket zur Analyse von elektrodermaler Aktivität

von Christian Kaernbach

Leipzig electrodermal activity laboratory

Paul Prosper Tillier (1834-1915), Öl auf Leinwand, Privatsammlung

Leda und der Schwan• Leda: Königin der Spartaner,

Frau von Tyndareos, Geliebte des Zeus (der ihr als Schwan erschien), Mutter von Castor, Pollux, Helena und Klytemnestra

Keramik aus Kreta, ca. 1000 v. Chr. Leonardo da Vinci, ca. 1505 n. Chr.

Der Parameterraum

• Template– zwei Zeitkonstanten

• Hintergrund– Polynom 1. Ordnung

– evtl. Exponential

• Peaks– Amplitude

– Zeitpunkt

2

2

1

N

N

2N+5

Der Parameterraum

• Template– zwei Zeitkonstanten

• Hintergrund– Polynom 1. Ordnung

– evtl. Exponential

• Peaks– Amplitude

– Zeitpunkt

2

2

1

N

N

2N+5N+2 Vandermonde Matrix

für Polynom und (Peak- und Exponential-) Amplituden

Ledalab• implementiert als Satz von Matlab Routinen

– template: Bateman Funktion

– stochastisches Abstiegsverfahren, „Evolution“• line search (Parabelfit) in stochastische Richtung

for mefor you

Ledalab• implementiert als Satz von Matlab Routinen

– template: Bateman Funktion, evtl. weitere templates

– konjugiertes Gradientenverfahren, verbesserte Evolution

for mefor you

Ledalab

– 50 Seiten Dokumentation mit Index– Programmierer

• objektorientierte Programmierung

• neue Features nach Nutzeranregungen

• Wartung, Fehlerbehebung,bedienerfreundliche Meldungen

– web: www.ledalab.de– groups.yahoo.com/group/ledalab/

ledalab-subscribe@yahoogroups.de– FAQ, Analyse-Bibliothek

for you

• implementiert als Satz von Matlab Routinen– template: Bateman Funktion, evtl. weitere templates

– konjugiertes Gradientenverfahren, verbesserte Evolution

Nutzer programmiert Konversions-Routinen

für Input-Daten

Nutzer programmiert Auswerteroutinen

Ledalab ermittelt Latenzen und Amplituden

Fragen

• Gradientenverfahren– optimale Formel für konjugierten Gradienten

– Steuerung des für den Gradienten, line search

• Evolution– 1 intelligentes Kind, viele dumme Kinder?

– Ähnlichkeitsmaß für vorzeitigen Exitus

• vergleichende Bewertung– jeder Peak erniedrigt df (nur) um 2

– evtl. ist die Zahl der Meßpunkte N (600) zu hoch angesetzt• Abhängigkeit x(n+1) von x(n) überprüfen, N reduzieren

• Analytisches Verfahren statt Optimierung?

• Benchmarking

= 0.1 s bestimme mit den konjugierten Gradienten

Betrag des Gradienten kleiner als Limit: Abbruchgehe in ermittelte Abstiegsrichtung

² wird größer: halbieren, go to

² wird kleiner: Leiter 0, , 2, 4, 8, 16.. bis nonmonoton(evtl. Abbruch, Minimalforderung konvex)Parabelfit auf letzte drei Punkte, go to

Danke für die Aufmerksamkeit