Advancements in EEG Simulation for Computational Neuropsychology and Cognitive Sciences

1. Anwendungsgebiete der EEG Simulation Computationale Neurowissenschaften Kognitionswissenschaften Simulation schwer messbarer Prozesse Simulation der Aufnahme von Medikamenten Überprüfung von Hypothesen Unterstützung von Vorhersagen Tests von Algorithmen

2. 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

3. Gesucht: Modell für die Weiterleitung des Aktionspotentials

4. 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

5. Patch-Clamp (1976, Erwin Neher und Bert Sakman) sehr kleine Pipette isoliert Stück der Membran (Patch) Spannung wird angelegt und der Strom gemessen (Clamp)

6. Patch-Clamp-Arbeitsplatz, Erzeugung der Messpipette

7. 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 Alan Hodgkin Andrew Huxley Cm: Kapazität der Zellmembran, GNa, GK: spannungsabhängige Leitwerte der Kanäle ENa, Ek: Gleichgewichtspotential von Na bzw. K Gm: Leitwert der passiven Kanäle, Vrest: Ruhemembranpotential

8. 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 empirisch Kurvenverläufe dritter bzw. vierter Potenz gemessen wurden -> Einführung fiktiver Aktivierungspartikel (gating-Partikel) Diese Partikel modellieren die Wahrscheinlichkeiten des Öffnens oder Schließens der Kanäle

9. 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:

10. Empirisch gefundene Werte für Alpha und Beta (Kalium-Kanal) : Stromfluß durch den Natrium- Kanal schwieriger zu modellieren, da dieser Kanal auch zeitlich inaktiviert wird: ÖffnungAktivierungspartikel m (m-gate) SchließenInaktivierungspartikel h (h-gate) GNa: max. Leitfähigkeit des Na-Kanals ENa : Gleichgewichtspotential für Natrium m: Wahrscheinlichkeit Aktivierungspartikel aktiv h: Wahrscheinlichkeit Inaktivierungs-Partikel nicht aktiv

11. Modell und reale Messung Leitwerte für Na (links) und K (rechts) bei konkreten Aktivierungsniveausdie Linie zeigt die Werte der Simulation, Kreise reale Messwerte

12. vollständige Gleichung für die Änderung des Membran-Potentials

13. Simulink- und Matlab Modelle (Präsentation)

14. Kopplung mehrerer Kompartimente Cable Theory-Models

15. 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,..

16. mögliche Vereinfachung auf Makro-Ebene: chaotisches System -> (quasi-) lineares System Modellierung der Systemwirkung zB. durch Signalgeneratoren oder Neuronale Netze: Hopfield-Netze mit Mehrfachverbindungen

17. Simulation pathologischer Signalformen Gründe: oft schwierige Messumstände, viele Artefakte Vergleich verschiedener Algorithmen durch Simulation einfacher Beispiel: Simulation eines Anfalls-EEGs bei Epilepsie von Neugeborenen

18. Simulierte und reale Signalformen :

19. 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

20. 3d-Modell mit Informationen der Gewebseigenschaften

21. Simulation einer Signalquelle in tieferen Hirnschichten und des gemessenen EEGs

22. 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, CellML NEXUS: Large-scale biological simulations, parallelisierbare Auswertung Matlab/Simulink –Toolboxen: SOM, FastICA package, Netlab, EEGToolbox

23. GENESIS – Simulation des Geruchszentrums einer Ratte

24. 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 Autokorrelation Event Related Potentials, ERPs: Mittelung mehrere Versuche (Trials) zur Verbesserung des Signal-Rausch-Verhältnisses

25. Brain Computer- Interfaces mu / beta ERD SCP (CNV, slow waves) P300 ERP VEP Elektroden: Oberflächen- Subdural- invasive bzw. Grid-Elektroden “Berlin-BCI”, Bewegungsvorstellung

26. ERD im Mu / Beta-Frequenzband bei Vorstellung einer Bewegung

27. Das Open EEG Projekt – ModularEEG designed by Jörg Hansmann 1 Digital- und 1–3 Analog-Boards Verbindung mit Flachbandkabel Kit wird bei Olimex gefertigt, Preis ca. 200 Euro für 4 Kanal Version

28. MonolithEEG von Reiner Münch SMD (double sided) USB (FTDI 232-chip, 1MBaud) USB-powered 2 Chn, 1kHz 10 bit sampling Expansion-port

29. Eine Aufnahme mit dem Modular-EEG

30. BrainBay openEEG Software brainbay, screenshot design und session-windows

31. Danke für die Aufmerksamkeit !