Barely depictive: Predicting imagery vividness relative to perception with EEGNet

Diese Studie nutzt einen probabilistischen Deep-Learning-Ansatz mit EEGNet, um die neuronale Lebendigkeit visueller mentaler Vorstellungen zu quantifizieren und zeigt, dass diese im Vergleich zur Wahrnehmung deutlich schwächer, aber dennoch skaliert mit der subjektiven Bewertung ist, was die Theorie einer „kaum" abbildenden Vorstellungskraft stützt.

Das Wesentliche

Das große Rätsel: Wie lebendig ist das Bild in deinem Kopf?

Stell dir vor, dein Gehirn ist wie ein riesiger Filmkino. Wenn du wirklich etwas siehst (z. B. eine echte Katze), ist der Film auf der Leinwand hell, scharf und laut. Das ist die Wahrnehmung.

Wenn du dir aber eine Katze nur vorstellst (Visualisierung), ist es, als würdest du den Film im Dunkeln abspielen. Du siehst die Umrisse, hörst vielleicht ein leises Miauen, aber es ist viel schwächer, unschärfer und leiser. Das ist die mentale Vorstellung.

Die Wissenschaftler wissen schon lange, dass das „Kino im Kopf" schwächer ist als das echte Kino. Aber die Frage war: Wie viel schwächer genau? Ist es wie ein schwacher Filmprojektor oder eher wie ein flackerndes Kerzenlicht? Und können wir das objektiv messen, ohne nur auf das zu hören, was die Leute sagen („Ich sehe es sehr klar!")?

Die Lösung: Ein digitaler Detektiv (EEGNet)

Die Forscher aus Plymouth haben eine clevere Methode entwickelt, um diese Frage zu beantworten. Sie haben sich einen digitalen Detektiv namens EEGNet gebaut. Das ist eine Art künstliche Intelligenz (ein neuronales Netzwerk), die auf Elektroden im Gehirn trainiert wurde.

So funktionierte das Experiment:

1. Das Training (Der echte Film):
   Zuerst zeigten sie den Teilnehmern echte Bilder (eine Katze und eine Erdbeere). Aber sie machten die Bilder absichtlich unscharf und blass, wie ein Film, der durch schlechtes Wetter gefilmt wurde.

   • Level 1: Nur ein grauer Bildschirm (nichts zu sehen).
   • Level 2: Ein sehr unscharfes, blasses Bild.
   • Level 3–4: Immer klarer.
   • Level 5: Das perfekte, scharfe Originalbild.

   Während die Leute diese Bilder sahen, maß der Detektiv ihre Gehirnströme (EEG). Der Detektiv lernte: „Aha! Wenn das Gehirn so aussieht, dann ist das Bild auf der Leinwand Level 2. Wenn es so aussieht, dann ist es Level 5." Er lernte also, die Helligkeit und Schärfe im Gehirn zu erkennen.

2. Der Test (Der Film im Kopf):
   Dann sagten sie den Teilnehmern: „Schließt die Augen und stellt euch dieselbe Katze vor!"
   Jetzt kam der Trick: Der Detektiv bekam keine Bilder zu sehen. Er bekam nur die Gehirnströme der Leute, die sich die Katze vorstellten.

   Die Frage war: Welches „Bilder-Label" würde der Detektiv den Gehirnströmen zuweisen? Würde er sagen: „Das ist ein Level 5 (perfekt)"? Oder „Das ist Level 1 (gar nichts)"?

Was hat der Detektiv herausgefunden?

Das Ergebnis war überraschend und sehr präzise:

• Nicht gar nichts, aber auch nicht viel: Als die Leute sich die Bilder vorstellten, sagte der Detektiv: „Das ist nicht Level 1 (nichts), aber es ist auch weit weg von Level 2 (dem schwächsten echten Bild)."
• Die Metapher: Stell dir vor, die echte Wahrnehmung ist ein lauter, klarer Radiosender. Die mentale Vorstellung ist wie ein sehr leises, statisches Rauschen, das man gerade noch als Musik erkennt. Es ist da, aber es ist kaum wahrnehmbar („barely depictive").
• Der Vergleich: Der Detektiv fand heraus, dass das Bild im Kopf zwar schwach ist, aber immer noch etwas stärker als ein leerer Bildschirm. Es ist also nicht komplett „leer", aber es ist viel schwächer als das, was die meisten Leute behaupten, wenn sie sagen: „Ich sehe es so klar wie mit offenen Augen!"

Der große Unterschied: Kopf vs. Bericht

Hier wird es spannend:

• Die Teilnehmer sagten: „Ich sehe die Katze sehr deutlich!" (Sie gaben hohe Bewertungen ab).
• Der Gehirn-Detektiv sagte: „Nein, das Signal in eurem Gehirn ist sehr schwach und unscharf."

Es gab also eine Lücke zwischen dem, was die Leute fühlten, und dem, was in ihrem Gehirn passierte.

Warum ist das so?
Die Forscher vermuten, dass wir beim Vorstellen unsere eigene Vorstellungskraft oft überbewerten. Wenn wir uns etwas vorstellen, fühlen wir uns vielleicht sehr intensiv damit verbunden, aber das eigentliche „Bild" in den frühen Sehzentren des Gehirns ist winzig und schwach. Es ist, als würde man einen Traum haben, der sich sehr real anfühlt, aber wenn man aufwacht, merkt man, dass er eigentlich nur aus ein paar vagen Schatten bestand.

Warum ist das wichtig?

Diese Studie ist wie ein neues Maßband für das Gehirn.

1. Objektivität: Wir müssen nicht mehr nur darauf vertrauen, was Menschen sagen. Wir können objektiv messen, wie stark ihr Gehirn aktiv ist, wenn sie sich etwas vorstellen.
2. Aphantasie: Es gibt Menschen, die behaupten, sie könnten sich gar nichts vorstellen (Aphantasie). Mit dieser Methode können wir genau prüfen, ob ihr Gehirn wirklich „stumm" ist oder ob sie nur anders berichten.
3. Verständnis: Es hilft uns zu verstehen, dass unser Gehirn beim Vorstellen viel weniger Arbeit leistet als beim echten Sehen. Wir nutzen nicht den vollen „Filmprojektor", sondern eher nur ein schwaches Taschenlampenlicht.

Zusammenfassend:
Die Studie zeigt, dass das Bild in unserem Kopf zwar existiert, aber viel schwächer ist als wir denken. Es ist wie ein „barely depictive" (kaum darstellbares) Bild – vorhanden, aber kaum sichtbar im Vergleich zur Realität. Der digitale Detektiv hat uns geholfen, diese unsichtbare Schwäche endlich zu messen.

Technische Zusammenfassung

Titel: Barely depictive: Predicting imagery vividness relative to perception with EEGNet

(Deutsch: Kaum abbildend: Vorhersage der Lebendigkeit mentaler Bilder im Verhältnis zur Wahrnehmung mit EEGNet)

1. Problemstellung und Motivation

Visuelle mentale Vorstellungskraft (Visual Mental Imagery, VMI) wird oft als eine „schwächere Form" der top-down gesteuerten visuellen Wahrnehmung (Visual Perception, VP) beschrieben. Während Studien gezeigt haben, dass VMI und VP ähnliche neuronale Repräsentationen in den frühen visuellen Arealen (EVAs) teilen, bleibt das Ausmaß dieser Ähnlichkeit und die genaue Quantifizierung der „Schwäche" von VMI im Vergleich zu VP unklar.

Ein zentrales Hindernis ist die fehlende Möglichkeit, die Lebendigkeit (Vividness) mentaler Bilder objektiv auf neuronaler Ebene zu messen. Herkömmliche Methoden stützen sich auf subjektive Selbstberichte, die oft nur schwach mit neuronalen Aktivitäten korrelieren. Bisherige Ansätze zum „Cross-Decoding" (Trainieren auf Wahrnehmung, Testen auf Vorstellung) haben sich meist auf Kategorien (z. B. „Katze" vs. „Hund") konzentriert, nicht jedoch auf die kontinuierliche Skala der Lebendigkeit. Die Autoren stellen die Frage: Wie lebendig ist ein mentaler Bild im Vergleich zu einem wahrgenommenen Bild, wenn beide auf einer gemeinsamen neuronalen Skala bewertet werden?

2. Methodik

Studiendesign und Teilnehmer:

• Teilnehmer: 34 gesunde junge Erwachsene (nach Ausschluss von 6 aufgrund technischer Probleme oder Ausreißern).
• Aufgaben: Teilnehmer durchliefen zwei Aufgaben: eine Wahrnehmungsaufgabe (VP) und eine Vorstellungsaufgabe (VMI).
• Stimuli: Zwei Bilder (Katze, Erdbeere) wurden parametrisch in ihrer Lebendigkeit manipuliert, indem Schärfe (Gauß-Filter) und Helligkeitskontrast reduziert wurden. Es gab fünf Stufen:
  • Level 1: Baseline (dunkler Hintergrund, kein Bild).
  • Level 2–4: Progressiv unscharf und kontrastarm.
  • Level 5: Originalbild (maximale Lebendigkeit).
• Messung: Während der Aufgaben wurde EEG mit 64 Kanälen (512 Hz) aufgezeichnet. Teilnehmer gaben nach jedem Trial eine bildbasierte Lebendigkeitsbewertung ab.

Neuronale Datenverarbeitung und Modellierung:

• Vorverarbeitung: Nutzung der Prep Pipeline und ICA (PICARD) zur Artefaktkorrektur. Filterung (0,1–42 Hz), Epochierung (0–1000 ms post-Stimulus) und Resampling auf 128 Hz.
• Region of Interest (ROI): Fokus auf 8 posteriore Elektroden (O1, O2, Oz, PO3, PO4, PO7, PO8, POz), die den frühen visuellen Arealen (EVAs) am nächsten liegen.
• Modellarchitektur: Einsatz von EEGNet, einer kompakten Convolutional Neural Network (CNN)-Architektur, die für BCI-Anwendungen entwickelt wurde.
  • Training: Das Modell wurde auf den VP-Daten trainiert, um die 5 (bzw. später 3) Lebendigkeitsklassen zu klassifizieren.
  • Validierung: Leave-One-Subject-Out (LOSO) Cross-Validation, um sicherzustellen, dass das Modell subjektunabhängig generalisiert.
  • Output: Das Modell liefert eine Wahrscheinlichkeitsverteilung über die Klassen. Daraus wurde eine kontinuierliche Variable „erwartete Lebendigkeit" (Expected Vividness) berechnet, um Unsicherheiten und graduelle Unterschiede zu erfassen.

Experimenteller Ablauf:

1. Training des Modells auf VP-Daten (Wahrnehmung).
2. Anwendung des trainierten Modells auf VP-Daten (zur Validierung der Interpolation auf nicht-trainierte Stufen).
3. Anwendung des Modells auf VMI-Daten (Vorstellung), um die „erwartete" neuronale Lebendigkeit mentaler Bilder zu schätzen.
4. Vergleich der neuronalen Vorhersagen mit den subjektiven Berichten der Teilnehmer.

3. Wichtige Ergebnisse

Modellleistung bei der Wahrnehmung (VP):

• Das EEGNet-Modell konnte die 5 Lebendigkeitsklassen bei der Wahrnehmung signifikant über dem Zufallsniveau klassifizieren (mittlere Genauigkeit: 44,32 % vs. 20 % Chance).
• Bei einer reduzierten 3-Klassen-Aufgabe (Level 1, 2, 5) stieg die Genauigkeit auf 69,31 %.
• Das Modell zeigte eine Interpolationsfähigkeit: Es konnte die Lebendigkeit von nicht-trainierten Stimuli (Level 3 und 4) korrekt vorhersagen, was beweist, dass es eine graduelle neuronale Signatur gelernt hat und nicht nur Kategorien auswendig gelernt hat.

Vorhersage bei mentaler Vorstellung (VMI):

• Quantifizierung: Die „erwartete Lebendigkeit" mentaler Bilder lag signifikant über der Baseline (Level 1), aber signifikant unter der Lebendigkeit selbst der am schwächsten wahrgenommenen Bilder (Level 2).
• Vergleich: Im Durchschnitt lag die neuronale Lebendigkeit von VMI etwa 38–46 % niedriger als bei der Wahrnehmung des Originalbildes (Level 5).
• Schlussfolgerung: Dies unterstützt die Hypothese, dass VMI „kaum abbildend" (barely depictive) ist, im Gegensatz zu einer „quasi-abbildenden" Vorstellung, die der Wahrnehmung sehr nahe käme.

Korrelation mit subjektiven Berichten:

• Es gab eine Diskrepanz zwischen neuronaler Vorhersage und subjektivem Bericht: Die meisten Teilnehmer berichteten über lebendige Bilder (durchschnittlich 3,71 von 5), obwohl die neuronale Signatur schwach war.
• Die Korrelation zwischen erwarteter (neuronal) und berichteter Lebendigkeit war zunächst nicht signifikant.
• Ausreißer-Analyse: Drei Teilnehmer zeigten extrem niedrige Selbstberichte (vermutete Aphantasie). Nach Ausschluss dieser drei Personen korrelierte die neuronale Vorhersage signifikant (wenn auch schwach bis moderat, $\rho \approx 0,31-0,42$) mit den Selbstberichten der verbleibenden 91 % der Stichprobe.

4. Hauptbeiträge

1. Neuer methodischer Rahmen: Einführung eines probabilistischen Deep-Learning-Ansatzes, der VMI und VP auf einer gemeinsamen neuronalen-skala vergleicht. Dies umgeht das Problem fehlender objektiver Labels für mentale Bilder.
2. Quantifizierung der „Schwäche": Erstmals wurde VMI nicht nur qualitativ, sondern quantitativ als „deutlich schwächer" als VP charakterisiert. Die neuronale Aktivität in den EVAs während der Vorstellung entspricht eher einem sehr schwachen visuellen Reiz als einem klaren Bild.
3. Validierung der EEGNet-Architektur: Demonstration, dass EEGNet subjektunabhängige, graduelle neuronale Signaturen von Lebendigkeit lernen und auf neue, nicht-trainierte Stufen sowie auf Imagery-Daten generalisieren kann.
4. Diskrepanz zwischen Neurowissenschaft und Phänomenologie: Die Studie hebt die Lücke zwischen der schwachen neuronalen Repräsentation in den frühen visuellen Arealen und dem starken subjektiven Erleben lebendiger Bilder hervor.

5. Bedeutung und Implikationen

• Theoretische Bedeutung: Die Ergebnisse stützen die Theorie, dass VMI eine „barely depictive" (kaum abbildende) Form der Wahrnehmung ist. Die frühen visuellen Areale sind zwar beteiligt, aber die Aktivität ist stark abgeschwächt.
• Klinische Relevanz: Der Ansatz bietet ein objektives Werkzeug zur Untersuchung individueller Unterschiede, insbesondere im Kontext von Aphantasie (fehlende Vorstellungskraft). Die Studie deutet darauf hin, dass Personen mit sehr niedrigen Selbstberichten möglicherweise keine „Defizite" haben, sondern eine realistischere Einschätzung der tatsächlichen Stärke ihrer neuronalen Repräsentationen abgeben.
• Zukünftige Forschung: Der Rahmen ist flexibel und kann auf andere Sinnesmodalitäten (auditiv, auditiv-verbal) oder andere Messmethoden (z. B. Pupillometrie) übertragen werden. Er ermöglicht es, die Beziehung zwischen neuronaler Kodierung und bewusstem Erleben präziser zu untersuchen.

Zusammenfassend liefert das Paper einen robusten, datengesteuerten Beweis dafür, dass mentale Bilder im Vergleich zur visuellen Wahrnehmung auf neuronaler Ebene nur eine sehr schwache, kaum wahrnehmbare Spur in den frühen visuellen Arealen hinterlassen, auch wenn das subjektive Erleben oft viel lebendiger erscheint.