Die Informationsverarbeitung im menschlichen Gehirn ist ein komplexer Prozess und dementsprechend werden unsere Gehirnzellen beim Denken unterschiedlich aktiv. Mithilfe der Elektroenzephalographie (EEG) kann diese elektrische Aktivität des Gehirns gemessen, analysiert und grafisch dargestellt werden. Im klinischen Bereich ist die Analyse des EEGs beispielsweise während einer Operation oder im Schlaflabor von großer Bedeutung. Die Analyse der unterschiedlichen Bewusstseinszustände erfolgt mit Hilfe von Algorithmen, welche zumeist im Frequenzspektrum arbeiten. Ziel der Aktivitäten in der gemeinsamen Kooperation mit der Arbeitsgruppe Biosignalanalyse der Technischen Universität München ist es Parameter zu entwickeln, welche physikalisch und physiologisch sinnvoll den Bewusstseinszustand charakterisieren können und die zugehörigen Analysen im Zeitbereich ermöglichen. Dazu verwenden wir die Entropy of Difference und vergleichen diese mit der in der Literatur bereits verwendeten Permutation Entropy.
Weiters beschäftigen wir uns in diesem Zusammenhang auch mit der Granger Causality und deren Anwendung auf das EEG. Dieses Maß beschreibt die Menge des Informationsflusses zwischen zwei Elektroden durch Verwendung autoregressiver Modelle, um zu beurteilen, ob frühere Informationen in einer Elektrode bei der Vorhersage von aktuellen Informationen in einer anderen Elektrode helfen.