Abschlussarbeit

Bachelor Thesis

VISUALISIERUNG VON EEG-DATEN IM BEREICH STRESS: METHODEN UND HERAUSFORDERUNGEN

Kurzfassung / Abstract: Stress stellt ein wachsendes globales Gesundheitsproblem dar, das mit psychischen und physischen Folgen verbunden ist. Die Elektroenzephalografie (EEG) bietet als nichtinvasive Methode zur Erfassung neuronaler Aktivität die Möglichkeit, stressinduzierte Muster sichtbar zu machen. Die Verarbeitung von EEG-Daten erfordert jedoch die Bewältigung von Herausforderungen wie Signalverarbeitung, Interpretation und Visualisierung. Diese Arbeit verfolgt daher das Ziel, einen interaktiven Webprototyp zur Visualisierung von EEG-Daten zu entwickeln, der es ermöglicht, stressbezogene Aktivitätsmuster intuitiv zu analysieren. Im Fokus stehen dabei drei Forschungsfragen: Wie lassen sich stressinduzierte EEG-Muster visuell aufbereiten? Welche Unterschiede bestehen zwischen Ruhe und Belastungsphasen? Und wie kann die Anwendung nutzerfreundlich gestaltet werden? Zur Beantwortung dieser Fragen wurde eine systematische Literaturrecherche durchgeführt und ein Prototyp mit Python und dem Streamlit-Framework entwickelt. Zusätzlich wurden EEG-Messungen unter Ruhe-, mentaler Belastungs- und optionaler Tanzbedingung mit einer 8-Kanal-Haube durchgeführt, aufbereitet und mithilfe des Prototyps visualisiert. Die Analyse ergab deutliche Unterschiede zwischen Ruhe und mentaler Belastung, insbesondere in den Delta-, Theta- und Beta-Bändern. Die Ruhebedingung zeigte eine Alpha- Dominanz, während unter mentaler Belastung eine Zunahme von Delta- und Theta- Aktivität sowie eine Alpha-Suppression beobachtet wurde. Die Tanzbedingung war aufgrund starker Bewegungsartefakte kaum auswertbar. Die Ergebnisse belegen, dass EEG-Daten genutzt werden können, um stressinduzierte Veränderungen in der Gehirnaktivität sichtbar zu machen. Der entwickelte Webprototyp erwies sich dabei als unterstützendes Werkzeug zur Visualisierung und Analyse dieser Daten. Technische Grenzen zeigten sich vor allem im Zusammenhang mit auftretenden Bewegungsartefakten und den Einschränkungen des verwendeten Frameworks. Die Anwendung bildet dennoch eine praxisnahe Grundlage für weiterführende Forschungsprojekte im Bereich der Datenanalyse und -visualisierung.

Zum Volltext: Download