PDF 5.373kB - TOBIAS-lib - Universität Tübingen

Methode
2.8 Aufbereitung der EEG-Daten für die statistische
Auswertung
Die Vorbereitung der EEG-Daten für die statistische Auswertung wurde anhand
des Programms BrainVisionAnalyzer 2.0 durchgeführt. In einem ersten Schritt wurden
die EEG-Daten, auf die an den Mastoiden angebrachten Elektroden rereferenziert und
40Hz tiefpassgefiltert. Im Anschluss wurde das EEG von Artefakten bereinigt, die durch
Augenbewegungen verursacht worden waren. Dafür wurde der Algorithmus der
„OcularCorrection IndependentComponent Analysis (OC-ICA)“ verwendet, der
Bestandteil der Software BrainVisionAnalyzer 2.0 ist. In einem nächsten Schritt wurden
die EEG-Daten entsprechend der vier experimentellen Bedingungen (kongruent,
inkongruent, neutral, neutral1) segmentiert und Baseline-korrigiert. Anschließend
erfolgte eine halbautomatische Artefaktkorrektur. Datenabschnitte wurden als
Artefakten definiert, wenn sie Spannungsunterschiede größer als 50 µV/ms oder
Spannungsunterschiede größer als 200 µV innerhalb eines Zeitintervalls von 200 ms
beinhalteten. Datenabschnitte, deren Amplitude unter -100 µV oder über 100 µV lag,
wurden ebenfalls von der weiteren Analyse ausgeschlossen. Als geringste elektrische
Aktivität wurden 0.5 µV toleriert. Zusätzlich zu diesen Parametern fand eine visuelle
Kontrolle der EEG-Daten statt. Dabei wurden auffällige Intervalle gekennzeichnet und
von der Analyse ausgeschlossen.
Zur Vorbereitung des Datenexports für die P300-Latenz fand eine weitere
Segmentierung der Daten statt. Dabei wurden Durchgänge mit richtigen Antworten von
Durchgängen mit falschen Antworten getrennt. Für die Auswertung der P300-Latenz
wurden nur die Durchgänge mit den richtigen Antworten verwendet. Diese Durchgänge
wurden gemittelt und im Anschluss diejenigen Elektrodenkanäle ausgewählt, die für die
P300-Latenz von Relevanz waren (Cz, P3, Pz, P4). Im Anschluss daran wurde ein
Tiefpassfilter von 30 Hz gesetzt. Die Identifizierung der P300 erfolgte anhand der „Peak
Detection“ Funktion des BrainVisionAnalyzer 2.0. Die P300 wurde als positives Maximum
in einem Zeitintervall zwischen 260 ms und 500 ms definiert. Die Identifizierung der
P300 durch das Programm wurde manuell überprüft und gegebenenfalls korrigiert.
Zur Vorbereitung des Datenexports für das LRP fand eine weitere
Segmentierung der Daten statt. Bei dieser Segmentierung fand eine Trennung der Daten
nach Reaktionen, die mit der linken oder der rechten Hand gegeben wurden, statt. Es
wurden nur die Durchgänge mit den richtigen Antworten verwendet. Des Weiteren fand
eine Segmentierung statt, nach welcher der zeitliche 0-Punkt auf dem Zeitpunkt der
Reaktion lag. Insgesamt lagen somit zwei Versionen von Daten vor, die einen waren
Stimulus bezogen, die anderen reaktionsbezogen. Im Anschluss an diese Prozeduren
wurden die Mittelwerte pro Segmentierung pro Proband berechnet. Im Anschluss an die
Mittelung erfolgte die Berechnung des LRP. Diese fand anhand der dafür vorbereiteten
Funktion von BrainVisionAnalyzer 2.0 statt. Die Berechnung des LRP fand für alle
50