Analyse von Hautleitwertdatenals Maß für emotionale Reaktionen
Christian Kaernbach
Institut für Psychologiederzeit: Universität Bonn
eigentlich: Universität Leipzigdemnächst: Karl-Franzens-Universität Graz
• Einführung in die bioelektrischen Phänomene der Haut
• Messung und Auswertung– template matching
• erste Versuchsergebnisse
• ein Softwarepaket zur Auswertung– derzeitiger Stand und Fragen
EDA - Definition
• EDA = Elektrodermale Aktivität• Sammelbegriff für die elektrischen Phänomene der
Haut (Johnson und Lubin, 1966)• umfaßt aktive und passive bioelektrische Phänomene• Beschreibungsgrößen:
– aktive Phänomene:• Hautpotential
– passive Phänomene:• Hautwiderstand
• Hautleitfähigkeitreziprok
EDA - Terminologie
HautpotentialreaktionSPRSkin Potential Response
HautpotentialniveauSPLSkin Potential Level
HautwiderstandsreaktionSRRSkin Resistance Response
HautwiderstandsniveauSRLSkin Resistance Level
Hautleitswertsreaktion
HautleitfähigkeitsreaktionSCRSkin Conductance Response
Hautleitwertsniveau
HautleitfähigkeitsniveauSCLSkin Conductance Level
Elektrodermale AktivitätEDAElectrodermal Activity
DeutschEnglish
exosomatisch
endosomatisch
Aufbau der HautC
utis
Hautleitwert
• Subcutis und Dermis sind gute und stabile Leiter.
• Epidermis fungiert als Barriere.
• Schweißdrüsenaktivität verändert Hautleitwert:• Schweiß = NaCl-Lösung besonders leitfähig
• Die Leitfähigkeit ist dort am größten, wo die meisten Schweißdrüsen sind.
• Durchtrennung der Innervationswege oder medikamentöse Blockade (Atropin) eliminiert Hautleitwertsreaktion.
Schweißdrüsen• Schweißdrüsen sind exokrine Drüsen.
• Innervation: autonomes Nervensystem
• ekkrine vs. apokrine Drüsen– ekkrin: Ausscheidung mittels Vesiklen.
Ekkrine Schweißdrüsen dienen der Thermoregulation.
– apokrin: Abstoßen eines Teils des Somas. Apokrine Schweißdrüsen befinden sich an behaarten Stellen und dienen der Ausscheidung von Duftstoffen.
• vermehrte Dichte ekkriner Schweißdrüsen auf Hand- und Fußflächen
– abweichende Innervation– Vermutung: palmare Schweißdrüsen stehen
unter zentraler Kontrolle („emotionales Schwitzen“)
Zentrale Innervation
– Vermutung: palmare Schweißdrüsen stehen unter zentraler Kontrolle („emotionales Schwitzen“)
Gerät
• Leybold Didactic netto brutto
– Pocket Cassy (11 Bit): 195,00 € 226,20 €– Hautwiderstandsbox: 270,90 € 314,24 €– CassyLab Software (einmalig): 355,00 € 411,80 €
• 820,90 € 952,24 €
Die Messung
Die Messung
Setup „ist“
VGATastatur
Maus
USB
Hintergrundmusik
StimulusMatlab
CassyLab
Setup „soll“
VGATastatur
Maus
Hintergrundmusik
Stimulus Matlab
CassyLab
USB
LP
T
CassyLab
• Events werden in Systemzeit gespeichert und nachträglich integriert
Analyse von EDA Daten
• mitteln (EEG Tradition)
• Minima/Maxima (Boucsein)
• template matching
Analyse von EDA Daten
• Wolfram Boucsein (1992), Electrodermal Activity, New York: Plenum Press, p. 132.– The evaluation of phasic changes mainly focuses on irregularly appearing
single events rather than on patterns that may be characterized by changes in frequency and/or amplitude. Hence, common procedures like power spectrum or Fourier analyses cannot be used in obtaining parameters from electrodermal recordings.
– ... most phasic changes of EDA show a rather characteristic course or Gestalt, which enables the experimenter to separate them from artifacts with sufficient reliability. Unfortunately, algorithms for the detection of an EDR Gestalt are not yet available for computer analysis, and therefore it has to be obtained with the visual aid of an experimenter.
Stimulus
EDA
Latenz
Amplitude
Ans
tiegs
zeit
Halbwertszeit
37%50%
Abklingzeit
Die ideale EDR Gestalt• Parameter, die von einer idealen einzelnen EDR
(Typ 1 nach Boucsein) abgeleitet werden können– Latenz, Amplitude– Anstiegszeit, Halbwerts/Abklingzeit
Überlappende EDRs• Typ 2 nach Boucsein: die erste EDR ist separierbar
– Minimum zu Maximum– Abziehen der extrapolierten EDR
Überlappende EDRs• Typ 3 nach Boucsein: kein Maximum der ersten EDR
– Extrapolation nicht mehr möglich– Wendepunkt versus Summe
suppose we knew the Gestalt• template matching
– Zerlegen einer engenÜberlagerung von EDRs in ihre Bestandteile
– EDA = Summe aus Basis (hier: linear) und einer kleinen Anzahl separater EDRs
– Minimieren des Fehlerquadrates (²)
• Zwei-Kompartiment-Modell– Ein Agens wird schlagartig in Kompartiment A freigesetzt.
– Es diffundiert mit Zeitkonstante k1 ins Kompartiment B.
– Von dort wird es mit Zeitkonstante k2 eliminiert.
– Es gibt keine Rückdiffusion von B nach A, z.B.: Kompartiment B ist sehr viel größer als Kompartiment A.
tktk eeCb 21
akbkb 12 aka 1
A Bk1 k2
Eine Gestalt für die EDR
Bateman Funktion
Minimieren des Fehlerquadrates• Gradientenverfahren (gradient descent)
Minimieren des Fehlerquadrates• Gradientenverfahren (gradient descent)
– Problem: lokale Minima
• Evolution
Explicit and implicit responses to environmental sounds
Alex Ronald López RolónChristian KaernbachRonny WernerInstitut für Allgemeine PsychologieUniversität Leipzig
Method, Context3x2x2 Design:
sound soundwithout with contextcontext context alone
Explicit: ratings
Implicit: physiological response
N=15 N=15 N=15
dimension:pleasure
arousal
pleasurearousal
Stimuli• 7 sounds from IADS sound database (Bradley & Lang)
– “International Affective Digitized Sound System”• in total 111 sounds• in analogy to IAPS “International Affective Picture System”• IADS sounds are 6 s long• some sounds in IADS are not well prepared
– IADS sounds come with valence and arousal ratings• choose 7 sounds such as to “cover the ground”
• 3 sounds from Peter Bailey, University of York– chalk on blackboard, grinding engine, dropping spade
• 2 musical instrument sounds• all sounds cut to 2 s length, and leveled in rms power
Stimuli
gähnende Frau
Babylachen
Babyschrei
lachende Menschen
Schrei einer Frau
Gesang
Schweinegrunzen
große Maschine
Kreidequietschen
fallender Spaten
tiefer Celloton
Klarinette
yawning women
laughing baby
crying baby
laughing people
cry of a woman
chant
grunting pig
big engine
squeaking chalk
dropping a spade
bass note on cello
clarinet
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9
pleasure ratings (5 = neutral)
aro
usa
l ra
tings
context
Explicit ratings
• Self Assessment Manikin, SAM (Bradley & Lang)– pleasure scale
– arousal scale
Explicit ratings
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9
pleasure ratings (5=neutral)
arou
sal r
atin
gs
soundN=15
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9
pleasure ratings (5=neutral)
aro
usa
l ra
ting
s
sound + contextN=14
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9
pleasure ratings (5=neutral)
arou
sal r
atin
gs
context aloneN=16
00.20.40.60.8
1
pleasure arousal
corr
elat
ion
with
IA
DS
00.20.40.60.8
1
pleasure arousal
corr
elat
ion
with
IA
DS
00.20.40.60.8
1
pleasure arousal
corr
elat
ion
with
IA
DS
Implicit responses
• Motivation:– It is often difficult to verbalize one’s feelings– It might not be politically correct to state
explicitly one’s emotional reaction to certain stimuli– Emotion systems are different from cognitive systems
• Intact emotional memory in amnesic patient (Claparède, 1911)• Emotional memory closely linked to implicit memory
• Methods– physiological responses
• arousal: EDA• pleasure: facial EMG
tktk eeCb 21
EDA analysis• Fit of appropriate template
Pharmacokinetics suggest: Bateman functiondiffusion from compartment A into B with time constant k1
elimination from compartment B with time constant k2
akbkb 12 aka 1
A Bk1 k2
intestines blood
Event-related EDA (ER-EDA)• visible increase of activity after event(N.B: EEhaah! Mamma, we got Event-Related EDA!)
Korrelation zu Ratings „Wohlgefallen“• ER-EDA ist nicht korreliert zu Wohlgefallen
Korrelation zu Ratings „Erregung“• ER-EDA ist korreliert zu Erregung
in der Bedingung „Geräusch“
Discussion
• Explicit ratings correlate with IADS ratings– pleasure: good correlation even for “description only”– arousal: correlation is best for “sound only”
• Event-related EDA correlates with arousal ratings for condition “sound only”– simultaneous visual cue lessens arousal– context (if given) should be non-predictive
• Ansätze für weitere Forschung:– Optimierung der Zeitabstände– nichtprädikativer Kontext– Vergleich verschiedener Auswertemethoden
Ein Programmpaket
• ein Satz von Matlab Routinen
• zunächst entwickelt für den Eigenbedarf
• wuchs sich aus zu eigenständigem Projekt
Ledalab
ein Softwarepaket zur Analyse von elektrodermaler Aktivität
von Christian Kaernbach
Leipzig electrodermal activity laboratory
Paul Prosper Tillier (1834-1915), Öl auf Leinwand, Privatsammlung
Leda und der Schwan• Leda: Königin der Spartaner,
Frau von Tyndareos, Geliebte des Zeus (der ihr als Schwan erschien), Mutter von Castor, Pollux, Helena und Klytemnestra
Keramik aus Kreta, ca. 1000 v. Chr. Leonardo da Vinci, ca. 1505 n. Chr.
Der Parameterraum
• Template– zwei Zeitkonstanten
• Hintergrund– Polynom 1. Ordnung
– evtl. Exponential
• Peaks– Amplitude
– Zeitpunkt
2
2
1
N
N
2N+5
Der Parameterraum
• Template– zwei Zeitkonstanten
• Hintergrund– Polynom 1. Ordnung
– evtl. Exponential
• Peaks– Amplitude
– Zeitpunkt
2
2
1
N
N
2N+5N+2 Vandermonde Matrix
für Polynom und (Peak- und Exponential-) Amplituden
Ledalab• implementiert als Satz von Matlab Routinen
– template: Bateman Funktion
– stochastisches Abstiegsverfahren, „Evolution“• line search (Parabelfit) in stochastische Richtung
for mefor you
Ledalab• implementiert als Satz von Matlab Routinen
– template: Bateman Funktion, evtl. weitere templates
– konjugiertes Gradientenverfahren, verbesserte Evolution
for mefor you
Ledalab
– 50 Seiten Dokumentation mit Index– Programmierer
• objektorientierte Programmierung
• neue Features nach Nutzeranregungen
• Wartung, Fehlerbehebung,bedienerfreundliche Meldungen
– web: www.ledalab.de– groups.yahoo.com/group/ledalab/
[email protected]– FAQ, Analyse-Bibliothek
for you
• implementiert als Satz von Matlab Routinen– template: Bateman Funktion, evtl. weitere templates
– konjugiertes Gradientenverfahren, verbesserte Evolution
Nutzer programmiert Konversions-Routinen
für Input-Daten
Nutzer programmiert Auswerteroutinen
Ledalab ermittelt Latenzen und Amplituden
Fragen
• Gradientenverfahren– optimale Formel für konjugierten Gradienten
– Steuerung des für den Gradienten, line search
• Evolution– 1 intelligentes Kind, viele dumme Kinder?
– Ähnlichkeitsmaß für vorzeitigen Exitus
• vergleichende Bewertung– jeder Peak erniedrigt df (nur) um 2
– evtl. ist die Zahl der Meßpunkte N (600) zu hoch angesetzt• Abhängigkeit x(n+1) von x(n) überprüfen, N reduzieren
• Analytisches Verfahren statt Optimierung?
• Benchmarking
= 0.1 s bestimme mit den konjugierten Gradienten
Betrag des Gradienten kleiner als Limit: Abbruchgehe in ermittelte Abstiegsrichtung
² wird größer: halbieren, go to
² wird kleiner: Leiter 0, , 2, 4, 8, 16.. bis nonmonoton(evtl. Abbruch, Minimalforderung konvex)Parabelfit auf letzte drei Punkte, go to
Danke für die Aufmerksamkeit