6. Linguistischer Methodenworkshop 2015 Brain Vision 23.02.2015 Juliane Domke.

Präsentation zum Thema: "6. Linguistischer Methodenworkshop 2015 Brain Vision 23.02.2015 Juliane Domke."—  Präsentation transkript:

1 6. Linguistischer Methodenworkshop 2015 Brain Vision 23.02.2015 Juliane Domke

2 Inhalt Teil I - Einführung –EEG –EKP –Sprachspezifische EKP Effekte Syntaktische Effekte –ELAN –LAN –P600 Semantische Effekte –N400 –Beispielmodell zur Sprachverarbeitung Teil II – Aufbereitung von Beispiel EEG-Daten mit Brain Vision Analyser I

3 Teil I Einführung in die EKP- Methode

4 EEG Elektroenzephalogramm: –Bei der Elektroenzephalographie handelt es sich um ein Verfahren zur Messung elektrischer im  Volt-Bereich liegender Gehirnströme –Diese Gehirnströme entstehen durch die Kommunikation zwischen Nervenzellen und Nervenzellverbänden.

5 Die EEG-Messung… …ermöglicht die Ableitung von Spannungs- unterschieden innerhalb dieser Gehirnströme. Unterschiede werden auch als Potenzial- schwankungen bezeichnet. Ableitung der Potenzialschwankungen erfolgt durch Elektroden

6 EEG-Ableitung

7 EEG Ableitung Es entsteht ein Spannungs-Zeit-Diagramm Unterscheidung zwischen: –Spontanaktivität –ereigniskorrelierte Aktivität http://infokurs.de/wiki/index.php?title=Bild:Signal1.gif

8 Spontanaktivität –relativ kontinuierliche Schwingungsabfolgen mit unterschiedlichen Frequenzen und Amplituden- mustern –unterschiedliche Muster hängen von der mentalen Aktivierung bzw. dem Aufmerksamkeitszustand der einzelnen Person ab

9 Spontanaktivität Alphawellen, die im Bereich von 8 bis 13 Hz liegen und die so genannte Grundaufmerksamkeit anzeigen Betawellen, die im Bereich von 13 bis 30 Hz liegen und den so genannten erhöhten Aufmerksamkeitszustand kennzeichnen Thetawellen, die im Bereich von 4 bis 8 Hz liegen und eine leichte Schlafaktivität anzeigen Deltawellen, die im Bereich unter 4 Hz liegen und Zustände des Tiefschlafs oder Komas zeigen

10 Ereigniskorrelierte (Hirn) Potenziale Innerhalb eines EEGs gibt es Signale, die ausschlaggebend sind für die Informations- verarbeitung im Gehirn. Diese Signale (die Potenzialschwankungen) sind wiederholbar und haben die gleiche Charakteristik, was bedeutet, dass sie nach zeitlich exakt definierbaren Reizen (Ereignissen) auftreten können

11 Ereigniskorrelierte (Hirn) Potenziale Dies ist ein EKP (Englisch: ERP für Event-Related (Brain-) Potential). Für die Sprachverarbeitung ist die EKP Methode ein nützliches Verfahren, da man die Sprachverarbeitung online, also dann wann sie passiert, messen kann.

12 EKP

13 Die EKP-Amplituden –zwischen 0,5  Volt und maximal 20  Volt, –sind also geringer als die der Spontanaktivität (deren Amplituden liegen durchschnittlich zwischen 10 und 40  Volt, erreichen aber auch maximal 200  Volt). –Die Spontanaktivität überdeckt die ereigniskorrelierte Aktivität, welche daher aus dem EEG evoziert werden muss.

14 EKP –Trennung des EKP vom EEG-Hintergrund: der Versuchsperson wird wiederholt ein Reiz dargeboten dieser Reiz resultiert dann in einem Schwingungsprozess, der systematisch erfolgt und somit getriggert dann summiert und gemittelt wird. Bei der Mittelungstechnik (Average-Technik) bleibt der Wert erhalten Die evozierte Aktivität wird nun in Potenzialkomponenten aufgespaltet.

15 EKP Komponenten: Latenz keine exakte Definition von Potenzialkomponenten Differenzierung in quantitative als auch qualitative Parameter quantitativen Parameter  Latenz –zeitlich im Millisekunden liegender Bereich, der für eine Potenzialschwankung festgelegt wird. –es wird der Zeitbereich vom Potenzialanfang (der Zeitpunkt an dem der Reiz der Versuchsperson präsentiert wird) bis zur höchsten Potenzialamplitude (wird auch als Gipfellatenz bezeichnet) gemessen. –Die Latenzkomponente steht in Relation mit weiteren Komponenten.

16 EKP Komponenten: Latenz Unterscheidung der Latenz zwischen zwei Bereichen –kurze (oder mittlere) Latenz liegen relativ zur Baseline vor dem Bereich von 100 ms sind auf eine erhöhte Aufmerksamkeitsregung zurückzuführen und zeigen somit keine relevanten Komponenten für die Sprachverarbeitung darstellen –späte (lange) Latenz für die kognitive Forschung sind also die Effekte zentral, die sich auf die späte Latenz beziehen.  alle Effekte, die im zeitlichen Abschnitt nach 100 ms entstehen Komponenten, die im Zeitbereich nach 250 ms auftreten, kognitive Prozesse komplexerer Art  auf die Sprachverarbeitung bezogen

17 EKP Komponenten: Polarität Auslenkungsrichtung der Kurve Unterscheidung zwischen positiver (P) und negativer (N) Auslenkung Relation der Polarität zur Latenz: –z.B. P250  positive Auslenkung der Amplitude im zeitlichen Bereich von 250 ms Latenz und Polarität reichen für eine genaue Definition der Komponenten nicht aus  Potenzialschwankungen entstehen in einer räumlich ausgedehnten Spannungsquelle und lassen sich zu bestimmten Zeitpunkten jeweils nur auf räumlich begrenzte Bereiche der Schädeldecke übertragen

18 EKP Komponenten: Topographie bezeichnet den Ort - an dem sich die Elektrode am Kopf befindet – an welchem die Auslenkung maximal auftritt –standardisiert –die einzelnen Bereiche differenzieren sich durch festgelegte Nomenklatur –da sich mehrere Elektroden am Kopf befinden, ist hier die maximale Auslenkung der Amplitude als Wert zu sehen, der an einer einzelnen Elektrode, relativ zu den anderen Elektroden, entsteht –Die Amplitude einer Komponente gibt an, wie groß die Ausprägung der Kurve ist.

19 Vor- und Nachteile der EKP Methode in der Sprachverarbeitung Vorteile: EKP-Verfahren stellt für die Sprachverarbeitungsforschung eine wichtige Untersuchungsmethode dar gehaltvolle Quelle für die Ableitung von temporärer Information, da der gesamte Zeitraum der Stimuluspräsentation online aufgezeichnet werden kann EKPs können quantitativ und qualitativ differenzieren, sie sind also nicht nur zeitlich extrem fixier- und auflösbar, sondern spiegeln auch Bereiche der experimentellen Manipulation wider Nachteile: keine eindeutige Definition des Begriffs Komponente unklar, ob sich Komponenten anhand eines Kurvenverlaufs oder anhand des Vergleichs zweier Kurven bestimmen lassen. keine exakte Interpretation von Effekten und es ist zudem unklar inwieweit sich dabei ein Bezug auf die Sprachverarbeitung erstellen lässt

20 EKPs in der Sprachverarbeitung Ungrammatikalität von Sätzen oder Ausdrücken (im Vergleich mit den dazu analogen grammatischen Ausdrücken) kann im menschlichen Gehirn zu Reaktionen oder Effekten führen Frage: Inwieweit sind diese Effekte auf die einzelnen sprachtheoretischen Bereiche, in denen die Grammatikalitäts-verletzungen vorkommen, applizierbar? Frage: inwiefern lässt sich zwischen z.B. syntaktischen und semantischen Verletzungen unterscheiden

21 EKPs in der Sprachverarbeitung Dissoziation zwischen semantischer und syntaktischer Verarbeitung Verletzungsparadigma

22 EKP-Effekte in der Sprachverarbeitung Negativität bzw. Positivität einer Auslenkung. Gipfellatenz (Peak) örtliche Verteilung (Topographie)

23 Was ist ein EKP-Effekt? Kos et al. (2010)

24 Semantische Effekte: N400 Als Reflektion einer semantischen Anomalie ist der N400-Effekt bekannt ist als sprachspezifische Komponente weitestgehend anerkannt Negativierung, die ihre höchste Auslenkung in einem Zeitbereich um die 400 ms erreicht Verteilung ist bilateral; man findet sie meist im zentro-parietalen Raum.

25 N400

26 mit semantischer Anomalie assoziiert  diese Komponente tritt auf, wenn sich eine semantische oder thematische Verletzung im Ausdruck befindet –thematische Anomalien zwischen kasusmarkierten Strukturen –semantisches Priming –semantische Inkongruenz –nicht wohlgeformte Polaritätskonstruktionen

27 Syntaktische Effekte drei zentrale Effekte –ELAN (Early Left Anterior Negativity), –LAN (Left Anterior Negativity) –P600

28 ELAN frühe Negativierung. höchste Auslenkung in einem Zeitbereich zwischen 120 und 220ms Verteilung ist links oder bilateral anterior geringe Latenz assoziiert mit Effekt, der meist bei strukturellen Anomalien wie die Phrasenstrukturverletzung auftritt *Der Freund wurde im besucht. wird als Effekt der initialen Strukturbildungsprozesse angenommen

29 ELAN

30 LAN ist der ELAN topographisch ähnlich erreicht ihre höchste Auslenkung zeitlich später, zwischen 300 und 500 ms Effekt assoziiert sich sprachspezifisch mit morphosyntaktischen Verletzungen wie Kongruenz und Rektionsanomalien

31 LAN

32 ELAN und LAN Interpretation dieser beiden Komponenten wird kontrovers diskutiert Uneinigkeit über die Bedeutung als sprachspezifisches Korrelat da sie auch mit erhöhter Belastung des Arbeitsgedächtnisses assoziiert werden können.

33 P600 relativ spät – zwischen 600 und 900ms - auftretende positive Auslenkung. topographisch im zentro-parietalen Bereich als Komponente mit der syntaktischen Diagnose bzw. Reanalyse und/oder Reparatur assoziiert

34 P600

35 assoziiert: –syntaktisch komplexe Ausdrücke, z.B. Ambiguitäten –Syntaktische Verletzungen –in nicht lizenzierten Polaritätskonstruktionen P600 ist stärker ausprägt, je stärker die Verletzung innerhalb einer Konstruktion ist

36 Zusammenfassung: EKP EKP-Methode spielt eine relevante Rolle für die Forschung im Bereich der Sprachverarbeitung. Die EKP-Methode untersucht die Verarbeitung online hohe zeitliche Auflösung Klassifizierung in quantitative und qualitative Parameter detaillierte Untersuchung der Hirnpotentiale

37 Noch Fragen???

38 Teil II EEG – Rohdatenaufbereitung mit Brain Vision Analyser II

39 Brain Vision Analyser Öffnen der Datei: Symbol auf dem Desktop anklicken

40 Brain Vision Analyser

41 Workspace Einrichten des Workspaces: –File / New –Browse – Pfad

42 Rohdaten Doppelclick auf die erste Versuchsperson Doppelclick auf VP 1 ; dann Doppelclick auf Raw Data

43 Rohdaten typische Augenbewegung Kanäle Trigger/Marker

44 Change Sampling Rate

45 Linear Derivation

46 Filter Warum filtern wir die EEG-Daten? –Reduzieren von Rauschen Luck, 2006:78

47 Filter – IRR-Filter

48 Filters Transformations / Filter Hochpassfilter von 0,2 Hz

49 Ocular Correction

50

51 Raw Data Inspection

52 Wir bezeichnen alle Kanäle, die wir bereinigen möchten Transformations / Raw Data Inspector automatische Inspektion für jeden Kanal individuell

53 Raw Data Inspection

54 Gradient – hier: die Steigung der Kurve Check Gradient – ja 50 μV maximal erlaubte Spannungs- differenz zwischen zwei Datenpunkten Markierung beginnt 200 ms vor und endet 200 ms nach der Stelle

55 Raw Data Inspection Max - Min maximale Spannungsdifferenz Zeitraum, innerhalb dessen die Spannungsdifferenz nicht überschritten Werden soll

56 Raw Data Inspection

57 Low Activity erlaubte Minimalaktivität Zeitraum, innerhalb dessen die Angegebene erlaubte Minimalaktivität nicht unterschritten werden darf

58 Segmentierung

59 Segmentierung der Daten Transformations/Segmentation Wir segmentieren anhand der Marker, die wir vorher fest- gelegt haben Wir speichern die Daten im Cache

60 Segmentierung

61 Wir suchen nun die relevanten Marker für unsere Auswertung aus allen Markern heraus Unser Marker ist S140

62 Segmentierung Nun legen wir den Zeitraum fest, der vor/nach unseren festgelegten Markern angezeigt werden soll Überlappende Segmente werden erlaubt Fertigstellen!

63 Segmentierung

64 Segmentierung - Umbenennen Damit wir nicht durcheinander- kommen, geben wir der Segmentierung einen genauen Namen: Segmentation_140 rechte Maustaste/Rename

65 Baseline Correction Was ist die Baseline Correction?

66 Average Rename – Average140

67 Nächste Segmentierung

68 Segmentierung Segmentierung der Daten Transformations/Segmentation Wir segmentieren anhand der Marker, die wir vorher fest- gelegt haben Wir speichern die Daten im Cache

69 Segmentierung

70

71 Remove S140 Unser Marker ist nun S141

72 Segmentierung Nun legen wir den Zeitraum fest, der vor/nach unseren festgelegten Markern angezeigt werden soll Überlappende Segmente werden erlaubt Fertigstellen!

73 Segmentierung - Umbenennen Damit wir nicht durcheinander- kommen, geben wir der Segmentierung einen genauen Namen: Segmentation141 rechte Maustaste/Rename

74 Baseline Correction Was ist die Baseline Correction? Die Baseline-Korrektur dient zur Justierung der Grundlinie eines jeden Segments. Die Korrektur wird im Allgemeinen vor dem Mitteln durchgefu ̈ hrt. Hierbei wird ein Intervall innerhalb eines Segments bestimmt, dessen mittlerer Spannungswert dem neuen Nullpunkt der Segmentwerte entspricht, d.h. es wird der Mittelwert (Baseline) der Punkte im vorher festgelegten Intervall ermittelt und dieser von allen Punkten im Segment subtrahiert. Diese Operation wird fu ̈ r alle Kanäle im Datensatz durchgefu ̈ hrt. (vgl. BV Handbuch)

75 Average Rename – Average141

76 Anschauen der Averages Doppelclick auf Average_140 mit der Maus auf Average_141 gehen und auf den Grid ziehen

77 History Template Nun haben wir ein Template für eine VP gebaut. Damit wir dieses Template nicht für jede weitere VP einzeln erstellen müssen, können wir ein History Template erstellen, das dann automatisch für die weiteren VPn angewendet werden kann

78 History Template History Template / New

79 History Template Speichern  File / save as

80 History Template

81 Grand Average Transformations / Result Evaluation / Grand Average

82 Grand Average Nun wurden unsere Einzel Averages der Segmente noch einmal über alle VPn gemittelt Grand Average Secondary

83 Grand Average

84 Darstellungsmöglichkeiten

85 Grand Average Pooling und Filter

86 Exportieren Export / Area Information Wir exportieren die Daten in einem bestimmten Zeitfenster (hier: N400) pro Bedingung und pro Versuchsperson Name der Exportdatei

87 Zusammenfassung EEG und EKP Komponenten der Sprachverarbeitung Brain Vision –Rohdatenaufbereitung –Mittelung –Grand Average –Export

88 Vielen Dank für Ihre Aufmerksamkeit! Großer Dank geht an Carsten Schliewe!

89 Referenzen Brain Vision Analyser Benutzerhandbuch Domke [Schütte], J. (2005). Zur Verarbeitung von Polaritätskonstruktionen. Unveröffent- lichte Magisterarbeit Friederici, A.D. (1995). The time course of syntactic activation during language processing. A model based on neuropsychologival and neurophysiological data. Brain and Language 50. 259-281 Frisch, S. (2000). Verb-Argument-Struktur, Kasus und thematische Interpretation beim Sprachverstehen. Dissertation zur Erlangung des Doktorgrades der Philosophischen Fakultät II der Universität Potsdam. Luck, S.D. (2005). Introduction to the Event related brain protential technique. Cambridge: MIT Press. Sharbrough, F.W. Chatrian, G.E. Lesser R.P. Lüders, H.O. Nuwer, M.R. & Picton, T.W. (1991). American Electroencephalographic Society guidelines for standard electrode position nomenclature. Journal of Clinical Neurophysiology, 8. 200-202