07.07. grundlagen statistik weitere auswerteverfahren, zb ... · bertram opitz, uds 2006 3...
Post on 14-Aug-2019
215 Views
Preview:
TRANSCRIPT
Bertram Opitz, UdS 2006
1
Fahrplan
07.07.Grundlagen Statistikweitere Auswerteverfahren, zB. PCAQuellenanalyse
Bertram Opitz, UdS 2006
3
Statistik
Standardverfahren = ANOVA
sensitiv für Outlier- Artefaktkorrektur der Einzel-VP, bad channels
Freiheitsgrade- große Anzahl Elektroden- 2 „gleichrangige“ Varianzquellen (Messungenauigkeit,
Intersubjektvarianz)
Elektrodenfaktor- wenn keine Varianzquelle, kann er Effekte anderer
Faktoren beeinträchtigen- Faktoren repräsentieren räumliche Dimension
⇒ benutze ROIs
Bertram Opitz, UdS 2006
7
Statistik
ERPs to novel stimuli were quantified as mean voltages in an early (320–360 ms) and late (400–440 ms) time interval and in six regions
novel type x region, F(5,75) = 3.51, P < .03novel type x time interval, F(1,15) = 5.67, P < .03novel type x time interval x region, F(5,75) = 3.73, P < .02
Mecklinger et al. 1997
Bertram Opitz, UdS 2006
9
Statistik
verschiedene Topographien = qualitative Unterschiede
verschiedene kognitive Prozesse ?
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Am
pli
tud
e (
µV
)
Novel 1 1 2 1
Novel 2 2 4 2
Fz Cz Pz
Bertram Opitz, UdS 2006
10
Statistik
ANOVA additive Effekte
EKP multiplikative Effekte
Topograhische Profilanalyse (McCarthy & Wood, 1985):
Skalieren der Effekte separat (Novel 1, Novel 2) mit
Sqrt (∑(Fz²+Cz²+Pz²))
Bertram Opitz, UdS 2006
11
Statistik
Skalierung für Noveltyp und Zeitfenster
marginally significant novel type x time interval x region, F(5,75) = 2.60, P < .09 (P < .02 before df-correction)
providing some tentative support for the view that theparietal P3 and N4 effects were generated by different neuronal structures
Mecklinger, Opitz et al. 1997
Bertram Opitz, UdS 2006
12
Statistik
Signifikante Interaktion mit Elektrodenfaktor nach dem Skalieren
verschiedene kognitive Prozesse
Kontra (Haig et al. 1997; Urbach & Kutas, 2002):
nur Reliabilitätsmaßrauschanfällig (kleine Effekte stärker betroffen)sollte für jede VP separat ausgeführt werdenkann verschiedene relative Beiträge mehrerer Hirnregionen reflektieren
Bertram Opitz, UdS 2006
13
PPrincipal CComponent AAnalysis
Faktor-analytisches Verfahren zur Bestimmung „latenter Faktoren“ zur Aufklärung von CovarianzVersuchspersonen-, Aufgaben-, räumliche und zeitliche Varianz Idealerweise entspricht jeder Faktor einer Komponente
Bertram Opitz, UdS 2006
14PPrincipal CComponent AAnalysisAnwendungen
DatenreduktionRauschunterdrückung
DatenexplorationHochkanal-EEG überlappende räumliche Muster
Datenbeschreibungobjektive Datenbeschreibung zB. für Quellenanalysen
Bertram Opitz, UdS 2006
15PPrincipal CComponent AAnalysisAnwendungen
zeitliche PCA - Faktorladungen beschreiben den Zeitverlauf- ein Faktor für alle EKPs mit ähnlichem Zeitverlauf
aber unterschiedlicher Topographie- Zeitverlauf = Variable,
VP, Aufgabe, Topographie = Observationen
räumliche PCA - Faktorladungen beschreiben Topographie- ein Faktor für alle EKPs mit ähnlicher Topographie
aber distinktem Zeitverlauf
Bertram Opitz, UdS 2006
16PPrincipal CComponent AAnalysisAnwendungen
Alternative: sequentielle raum-zeitliche (od vice versa) PCA
1. Extrahiere räumliche (zeitliche) Faktoren2. Wende zeitliche (räumliche) PCA auf
jeden dieser Faktoren an
Bertram Opitz, UdS 2006
19
Hintergrund der Studie
Differenzierung der verschiedenen P300 Komponenten, P3a vs P3b
Bertram Opitz, UdS 2006
23Ergebnissezeitliche Faktoren
Temporal Factor Loadings
SF1 SF3
Temporal Factor 1
Bertram Opitz, UdS 2006
24
Zusammenfassung
Reaktion auf seltene und neue Ereignisse besteht aus mindestens zwei EKP Komponenten die sich räumlich und zeitlich überlagern
P300 (parietal, reagiert auf seltene und neue Stimuli)
Novelty P3 (frontal, reagiert mehr auf neue Stimuli)
Bertram Opitz, UdS 2006
25
Quellenlokalisation
zieht Rückschlüsse von der Topographie der Effekte auf die zugrunde liegenden
neuroanatomischen Quellen
Bertram Opitz, UdS 2006
31
Das wirkliche Problem
inverse
ill-posedNicht eindeutigBasiert auf dem VorwärtsmodellBasiert auf vielen Annahmen
vorwärtsMatematisches Modelleindeutig
Bertram Opitz, UdS 2006
32
Das wirkliche Problem
inverse
Ill-posedNicht eindeutigBasiert auf ForwärtsmodellBasiert auf vielen Annahmen
vorwärtsMatematisches Modelleindeutig
Ziel:Ziel:
Transformation der gemessenen hochkanaligenraum - zeit Daten in ein niedrig dimensionalesModell der Gehirnaktivität
Zusammenhang zwischen der modellierten Hirn-aktivität und ihrer Funktion
Bertram Opitz, UdS 2006
33Annahmen1. Volumenleitermodelle
– Spheres
– Realistical shapes: individually scaled ‘standard’-model– Realistical shapes: individually segmented MR datasets
Adapted from Knösche 99
spherical standard individual
Bertram Opitz, UdS 2006
34
Head models – concentric spheres
Simple model – small computational effort
Analytical forward calculations
Excellent accuracy for restricted regions– Adjust radius and center– Use known anatomical
references
Limited anatomical constraints(hemispherical symmetry)
Bertram Opitz, UdS 2006
35
Head models – standard
Improved overall accuracy
Numerical approximation by boundaries (BEM)
Based on averaged MR data sets (Montreal brain)
Proved quality of meshes
Instantaneous availability
Coarse anatomical constraints(lobes)
Bertram Opitz, UdS 2006
36Head models – individualsegmentation
Superior accuracy
Individual cortex segmentation
Almost any anatomicalconstraint possible
Additional restrictions to subjects
Computational and processingeffort higher
Comparison between subjectsmore complex
Bertram Opitz, UdS 2006
37Annahmen1. Volumenleitermodelle
Conductivity– Homogeneous, isotropic (MEG)– Multilayer, each homogeneous, isotropic (EEG, MEG)
– Anisotropy → Finite Element Method (FEM)
Wagner 99
Skin Skull Liquor & Brain
Bertram Opitz, UdS 2006
38Annahmen2. Elektrodensetups
Wieviele Elektroden ?Wie sollten die platziert sein ?Anpassung an das Kopfmodell ?Artefakte ?
Wie beeinflusst das meine Analyse ?
Bertram Opitz, UdS 2006
41Annahmen3. Art der Modellierung
• Goal Function Scan
• MUSIC
• Surface Laplacian
• Minimum Norm L2, L1
• LORETA
Focal Sources(few dipoles)
Distributed Sources(many dipoles)
Dipole fit Scan methods 2-D 3-D
• unconstraint
• constraint
• linear estimation
Bertram Opitz, UdS 2006
42Annahmen3. Art der Modellierung
• Goal Function Scan
• MUSIC
• Surface Laplacian
• Minimum Norm L2, L1
• LORETA
Focal Sources(few dipoles)
Distributed Sources(many dipoles)
Dipole fit Scan methods 2-D 3-D
• unconstraint
• constraint
• linear estimation
Bertram Opitz, UdS 2006
43
Equivalent Current Dipole
Einfachstes physikalisches Model der Aktivitäteines begrenzten Hirnareals (mm²) 6 Parameter: Position (3), Orientierung (2) &
StärkeOrientierung parallel zu PyramidenzellenLinearkombination bilden komplexe ModelleAnnahme: Aktivität fokaler Regionena priori - Wissen: – Anzahl der Quellen– Anfangspositionen (constraints)
Bertram Opitz, UdS 2006
47
Das oddball – Paradigma & die MMN
Deviant
StandardStandard
DeviantDeviant
GedGedäächtnisvergleichsprozess chtnisvergleichsprozess der aktuellen Stimulation mit der aktuellen Stimulation mit der Gedder Gedäächtnisreprchtnisreprääsentation sentation invarianter Reizmerkmaleinvarianter Reizmerkmale
Bertram Opitz, UdS 2006
48Funktionelle Neuroanatomie derDevianzverarbeitung
Auditorischer Cortex Heschl‘s Gyrus, Gyrus Temporalis Superior(Alho et al., 1998; Giard et al., 1990; Opitz et al., 1999 etc.)
Rechter Lateraler Präfrontaler Cortex ?erste Evidenz basierend auf SCD-Analysen (Giard et al., 1990)
Bertram Opitz, UdS 2006
49
Methoden
passives Oddball-paradigma (N = 15) mitdrei Typen von Frequenzdeviants (p = .04):
kleine Deviants ( 10 % Abweichung)mittlere Deviants ( 30 % Abweichung)große Deviants (100 % Abweichung)
Bertram Opitz, UdS 2006
50
EKP Ergebnisse
F7
T7
P7
F8
T8
P8
µV EOGV EOGH
kleine Deviantsmittlere Deviantsgroße Deviants
CZ
PZ
FZ
Bertram Opitz, UdS 2006
51
EKP Ergebnisse
F7
T7
P7
F8
T8
P8
µV EOGV EOGH
small Deviantsmedium Deviantslarge Deviants
CZ
PZ
FZ
0
-
kleine Deviantsmittlere Deviantsgroße Deviants
FZ-5 µV
5 µV
100 ms
frühe MMN späte MMN
Opitz et al., 2002
Bertram Opitz, UdS 2006
52
fMRT Ergebnisse
grogroßßee DeviantsDeviants mittleremittlere DeviantsDeviants kleinekleine DeviantsDeviants
00 11 22 33 44 ZZ
Opitz et al., 2002
Bertram Opitz, UdS 2006
54
Zusammenfassung
sinnvoll bei bekannten neuroanatomischen Beschränkungen
kann Beteiligung neuroanatomischer Regionen an EKPs aufklären- beste Varianzaufklärung- senkrecht zur Kortexoberfläche- physiologische Plausibilität (Stärke)
Zeitverlauf der Quellenaktivität
Bertram Opitz, UdS 2006
55
Verteilte Quellen
Verteilung der elektrischen Aktivität im Gehirnnicht eindeutig tausende Quellen (freie Parameter), aber nur ca. 64 (unabhängige) DatenpunkteReduktion der Quellenzahl durch Beschränkung auf Kortex
Bertram Opitz, UdS 2006
57Verteilte QuellenCurrent Density Mappings
Zweite Ableitung nach dem Ort (Laplace-Operator)
Stromdichteverteilung auf der Kortexoberflächedeshalb: surface laplacian
Unterdrückt tiefe Quellen
Referenzfrei !!!
Bertram Opitz, UdS 2006
58Surface Current Density (SCD)Laplacian
ERF of auditory speech perceptionERF of auditory speech perception
Knösche 99
Bertram Opitz, UdS 2006
59Surface Current Density (SCD)Laplacian
AEP 500 Hz
SL with regularization 75
Bertram Opitz, UdS 2006
60
Verteilte Quellen
Verteilung der elektrischen Aktivität im Gehirnnicht eindeutig tausende Quellen (freie Parameter), aber nur ca. 64 (unabhängige) DatenpunkteReduktion der Quellenzahl durch Beschränkung auf KortexWeitere Beschränkungen- Minimum der gesamten Quellenstärke- Maximal glatte Verteilung (LORETA)- Tiefenwichtung
Bertram Opitz, UdS 2006
61
LORETA
1.No assumption about a few hot spots.
2. Construct a 3D grid (as fine as you can) in the brain, keep all voxels that fall in the cortical grey matter. Each voxel has an unknown value for impressed current density.
3. LORETA assumptions:3.a. The current density must be consistent with
the measured scalp electric potentials.3.b. Depth weighting3.c. There must be synchronization
Bertram Opitz, UdS 2006
62What are the consequences of forcing “mathematical synchronization” ?
LORETA yields a spatial low-pass filtered version of the true cortical current density.
LORETA localizes correctly, with low spatial resolution
Bertram Opitz, UdS 2006
63
Assumption: synchronization
Mathematical implementation: Current density at one voxel must be as equal as possible to average current density for nearest neighboring voxels. Apply to all!
Bertram Opitz, UdS 2006
65Visual Evoked Potential: pattern reversal (checkerboard), only left
hemiretina (right visual field)
100 ms: left BAs 18 and 19, 39
(Data from Dietrich Lehmann)
Bertram Opitz, UdS 2006
66
Auditory Evoked Potential (N100)
BAs 41 & 42[From B.Saletu and P.Anderer(Vienna)]
BAs 41 & 42[From K.Hirata and H.Tanaka(Dokkyo)]
Bertram Opitz, UdS 2006
67
Language processing
Image of t-statisticsβ2 band (18.5 - 21 Hz): Verbal activity significantly higher than Rest activity in BAs 44 and 45 (Broca’sarea).
Esslen et al.
Bertram Opitz, UdS 2006
68
LORETA: LIMITATIONS
If you have many EEG/MEG electrodes/sensors,
if you have clean (no-noise) measurements,
if you make a good experimental design,
if you use correct statistical procedures for analysis,
if there are no high spatial frequency peaks for the instantaneous cortical current density,
then LORETA produces images with low then LORETA produces images with low spatial resolution, but with fairly good spatial resolution, but with fairly good localization. localization.
top related