EUVIMEDEUVIMED entdecken
Crossref

Affekterkennung auf Basis von EEG-Signalen unter Verwendung künstlicher neuronaler Netze

Angelo Valentino Bannout, Korbinian Holzapfel, Thorsten Schoeler, Antonios Bayas, Markus Naumann, Daniel Joachim

Klinische Neurophysiologie · 01.06.2025 · 56 (02) · 80-86

DOI: 10.1055/a-2517-1205 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Klinische Neurophysiologie, erschienen am 01.06.2025. Verfasst von Angelo Valentino Bannout und 5 weiteren Autor:innen. Die Arbeit nennt 23 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Die Beurteilung des Affekts erfolgt bei erhaltener Kommunikationsfähigkeit durch psychometrische Testverfahren bzw. im Rahmen einer strukturierten Anamnese, jedoch kann eine Objektivierung je nach Krankheitsbild eingeschränkt sein. In unserer Studie sollten daher Affekte mit Elektroenzephalografie (EEG) und KI (Künstliche Intelligenz)-gestützter Auswertung untersucht werden. 14 gesunde Probanden wurden nach Ableitung eines Ruhe-EEGs akustischen emotionalen Stimuli ausgesetzt und währenddessen ein EEG aufgezeichnet. Anschließend erfolgte eine emotionale Selbstauskunft mithilfe einer 5-stufigen Likert-Skala. Als emotionale Stimuli wurden jeweils drei Audioclips verwendet mit bis zu vier Valenzkategorien. Nachfolgend wurden die Veränderungen in den neurologischen EEG-Signalen in Zusammenhang mit der Selbstauskunft mithilfe von künstlichen, neuronalen Netzwerken bzw. hybriden neuronalen Netzwerken klassifiziert und mit einer Vorhersagewahrscheinlichkeit (Accuracy) bestätigt. Durch die Verwendung eines aktuellen, am Stand der Technik orientierten, CNN-Netzwerks konnten Affekte mit bis zu 90% Accuracy im EEG suffizient detektiert werden. Angesichts der hohen Erkennungsrate durch Auswertung künstlicher neuronaler Netzwerke und des einfachen Versuchsaufbaus eröffnet sich großes Potenzial für zukünftige klinische Anwendungen, die eine individuelle Analyse und Beurteilung des Affekts anhand von EEG-Daten bei Patienten ermöglichen.

Zitieren

APA

Bannout, A. V., Holzapfel, K., Schoeler, T., Bayas, A., Naumann, M., & Joachim, D. (2025). Affekterkennung auf Basis von EEG-Signalen unter Verwendung künstlicher neuronaler Netze. Klinische Neurophysiologie, 56(02), 80-86. https://doi.org/10.1055/a-2517-1205

Vancouver

Bannout AV, Holzapfel K, Schoeler T, Bayas A, Naumann M, Joachim D. Affekterkennung auf Basis von EEG-Signalen unter Verwendung künstlicher neuronaler Netze. Klinische Neurophysiologie. 2025;56(02):80-86. doi:10.1055/a-2517-1205

BibTeX
@article{Bannout2025,
  author = {Bannout, Angelo Valentino and Holzapfel, Korbinian and Schoeler, Thorsten and Bayas, Antonios and Naumann, Markus and Joachim, Daniel},
  title = {Affekterkennung auf Basis von EEG-Signalen unter Verwendung künstlicher neuronaler Netze},
  journal = {Klinische Neurophysiologie},
  year = {2025},
  volume = {56},
  number = {02},
  pages = {80--86},
  doi = {10.1055/a-2517-1205}
}
Kostenlos starten →