zum Hauptinhalt wechseln zum Hauptmenü wechseln zum Fußbereich wechseln Universität Bielefeld Play Search

Abteilung für Psychology

Enya Weidner

Unterstützung bei experimenteller Arbeit in den neurophysiologischen Laboren

Zielgruppe

  • Forschende (Promovierende/ PostDocs) mit Interesse an Studien/ Experimenten in einem der Neurolabore der verschiedenen AEs und der entsprechenden Datenauswertung
  • Studierende der Psychologie (insbesondere bei Praktika und Abschlussarbeiten)

Sprechzeiten

Di 11 - 13 Uhr in UHG T4-134

Kontakt

Dipl.-Inform. Andrea Finke

Email: neurolabs-psy@uni-bielefeld.de

 

Inhalte der Sprechstunde


Messsensorik

  • EEG
  • EMG
  • Eyetracking
  • Peripherphysiologische Messungen (z.B. Hautleitwiderstand, Herzrate, usw.)

Experimentelle Setups

  • Stimuluspräsentationen auf dem Bildschirm (z.B. mit Psychopy) 
  • Virtual Reality (VR), Augmented Reality (AR)
  • Zeitliche Synchronisation verschiedener Modalitäten / Sensoren (z.B. EEG und Eyetracking) 
  • Hyperscanning (Simultanmessungen von zwei oder mehr Probanden)


 

Datenverarbeitung und -analyse


Tools:

  • Matlab, Python, R
  • Für alle Tools: Verwendung spezifischer Toolboxen (z.B. EEGLAB, mne) und/ oder Programmierung von individuellen Funktionen und Skripten

Methoden:

  • Synchronization verschiedener Modalitäten und deren gemeinsame Auswertung
  • Visualisierung von Daten (auch hochdimensionalen), Erzeugung von Graphiken für Publikationen und Abschlussarbeiten
  • Ereigniskorrelierte Potentiale (EKPs)
  • Temporale Filter (Bandpass und Notch)
  • Frequenzanalysen/ -transformationen (z.B. Multi Taper, Wavelets, Parametrische Spektralanalyse mit autoregressiven Modellen, usw.)
  • Räumliche Filter (z.B. Laplacian, Current Source Density - CSD)
  • Transformation vom Sensor Space in den Source Space
  • Kohärenz und Phase Locking (auch in Hyperscanning Setups)
  • Graphentheoretische Netzwerkmodelle

Methoden aus dem Bereich des Maschinellen Lernens:

  • Klassifikation (z.B. Fisher Diskriminante - FDA, Support Vector Machines - SVM)
  • Datamining: Clustern (z.B. k-means, Gaussian Mixture Models - GMM), Hauptkomponenten Analyse - PCA, Independent Component Analysis - ICA, usw.
  • Neuronale Netze und Deep Learning

Closed-Loop Systeme mit Datenauswertung in Echtzeit:

  • EEG-basierte und multi-modale Brain-Computer Interfaces (BCI)
  • Wearable BCI
  • Blickgesteuerte (d.h. Eyetracking-basierte) Interfaces
  • Neurofeedback Systeme
Zum Seitenanfang