Quantitatives EEG

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Qsicon Fokus2.svg Dieser Artikel wurde am 8. Dezember 2014 auf den Seiten der Qualitätssicherung eingetragen. Bitte hilf mit, ihn zu verbessern, und beteilige dich bitte an der Diskussion!
Folgendes muss noch verbessert werden: Bitte wikifizieren Christian2003·???RM 19:29, 8. Dez. 2014 (CET)

Das QEEG (quantitative Elektroenzephalographie) ist eine Form der Analyse des EEGs, bei der es darum geht, die gemessenen EEG-Metriken wie z.B. Frequenz, Amplitude und Konnektivität grafisch in Form von sogenannten Brainmaps, Spektralgrafiken, bzw. Zahlenwerten (z.B. Ratios) darzustellen. Diese Methode findet vor allem im Bereich des Neurofeedbacks Anwendung, wird jedoch immer mehr auch in der Diagnostik von Hirnfunktionsstörungen eingesetzt.

EEG im Unterschied zum QEEG[Bearbeiten]

Die Elektroenzephalografie (EEG, von griechisch Encephalon Gehirn, Graphien schreiben) ist eine Methode der medizinischen Diagnostik und der neurologischen Forschung zur Messung der summierten elektrischen Aktivität des Gehirns durch Aufzeichnung der Spannungsschwankungen an der Kopfoberfläche. Das Elektroenzephalogramm (ebenfalls mit EEG abgekürzt) ist die grafische Darstellung dieser Schwankungen in der typischen Wellenform. Das EEG ist neben der Elektroneurografie(ENG) und der Elektromyografie (EMG) eine standardmäßige Untersuchungsmethode in der Neurologie. Ursache dieser Potentialschwankungen sind physiologische Vorgänge an den Synapsen von Gehirnzellen, die durch ihre elektrischen Zustandsänderungen zur Funktionsweise des Gehirns entscheidend beitragen. Entsprechend ihrer spezifischen räumlichen Anordnung addieren sich die von einzelnen Neuronen erzeugten Potentiale auf, so dass sich über den gesamten Kopf verteilte Potentialänderungen messen lassen. Anhand der Form der Aufzeichnung können Neurologen z.B. epilepsietypische Muster erkennen oder andere für die Diagnostik relevante Eigenschaften des EEGs verwenden. Die quantitative Elektroenzephalographie ist eine Weiterentwicklung, die mittels EDV-technischer Verfahren der EEG-Daten weitere Schlüsse hinsichtlich von Störungen zulässt. Im Wesentlichen werden hier die die Amplituden von Frequenzen mittels der schnellen FourierTransformation gemessen und in Beziehung zueinander gesetzt. So haben z.B. quantitative EEGUntersuchungen (QEEG) zu Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung gezeigt, dass eine von ADHS betroffene Person eine von der Norm abweichende Frequenzverteilung ihrer EEG-Wellen aufweist,was als Fehlregulation in der Selbstregulation des Gehirns angesehen wird und mittels operanter Konditionierung in eine gewünschte positive Richtung trainiert werden kann. Als Indikator für die Diagnose ADHS dient nach Monastra u. a. das Amplituden-Verhältnis bzw. die sog. Power-Ratio der Theta und Beta-Frequenzbänder der EEG-Wellen. Falls der Quotient Theta/Beta-Amplitude oder Power mehr als 1,5 Standardabweichungen gegenüber dem Mittelwert der gleichaltrigen Normgruppe nach oben abweicht, kann ADHS mit einer 86-prozentigen Wahrscheinlichkeit diagnostiziert werden, und weniger als 2 % der mit dieser Diagnosemethode identifizierten Fälle werden unzutreffend diagnostiziert. Eine Metastudie aus dem Jahr 2009 (15 Studien mit 1194 Studienteilnehmern) kommt zu dem Ergebnisdass ADHS wirksam mit Neurofeedback behandelt werden kann. In dieser Metastudie erreichten die Neurofeedbackgruppen im Vergleich zu den Kontrollgruppen eine mittlere bis große Effektstärke (ES) in Bezug auf die Kernsymptome Unaufmerksamkeit (ES 0.81) und Impulsivität (ES 0.69) sowie eine mittlere ES in Bezug auf die Hyperaktivität (ES 0.40).[94] Neuere mathematische Verfahren bieten auch gute Modelle, mit welchen auch auf die Aktivität von tieferliegenden Strukturen geschlossen werden kann (LORETA = Low Resolution Electromagnetic Tomography Analysis). Im Rahmen der Spektralanalyse wird für jedes Frequenzband die Power berechnet, diese bezeichnet die Amplitude des entsprechenden Bandes (hier das mathematische Quadrat zur Amplitude).

Die Amplitude des jeweilige Frequenzbandes verändert sich über das Alter sowie bei verschiedenen Zuständen der Wachheit, bzw. mentaler und kognitiver Aktiviertheit charakteristisch. Aus Veränderungen in diesen Verteilungen können entsprechende Rückschlüsse auf die Funktionsweise des Gehirns oder gewisser Gehirngebiete gezogen werden. Die Neuere Forschung zeigt, dass auch andere Dysfunktionen, wie z.B. Schizophrenie, Zwangsstörungen, Depression, Angststörungen, spezifische Lernstörungen und andere mit spezifischen Mustern der Aktivierung assoziiert sind und deswegen eine hohe Aussagekraft besitzen.

Die durch die EEG-Messung erhobenen EEG-Werte können mit einer normativen Datenbank verglichen werden (z.B. BrainDX von der New York University oder Neuroguide von Applied Neurosciences Inc.) Durch Vergleich der Daten mittels parametrischer statistischer Verfahren können die Unterschiede der klinischen Symptomatik zu deren entsprechenden alters-angepassten Referenzgruppe berechnet werden. Diese Computeranalyse dient dann als wertvolles Hilfsmittel um die Diagnose zu untermauern und die Therapie zu planen.

Die folgende Tabelle zeigt die für das EEG übliche Einteilung der Frequenzen:

Frequenzband Hertz
Delta 0.1 - 4
Theta 4 - 8
Alpha 8 -12
Beta 13 - 30
Gamma 35 - 42


Durchführung der QEEG-Aufzeichnung und Analyse[Bearbeiten]

Das EEG wird für das QEEG an 19 Elektrodenpositionen (Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, O2) aufgezeichnet, dazu werden handelsübliche EEG-Verstärker verwendet. Für die Neurofeedback-Therapie werden jedoch meist Kombinationsgeräte verwendet, die neben der Aufnahme der EEG-Daten auch ein Training des EEGs ermöglichen. Die Daten der EEG-Messung werden dann mit einer Datenbank verglichen. Hier wrrden zusätzlich Z-Scores berechnet. Berechnet werden jeweils absolute und relative Powerspektren. Relative Powerwerte geben die relative Power des Frequenzbandes im Verhältnis zur Power der anderen Frequenzbänder an. Da im Bereich der absoluten Power starke interindividuelle Unterschiede bestehen, werden bei entsprechenden Symptomen von der Norm abweichende Werte gefunden. Hier liefert das relative Powerspektrum zusätzliche, für die Interpretation der Befunde hilfreiche Informationen darüber, ob das Verhältnis der verschiedenen Frequenzbänder zueinander (intraindividuell) von diesem Verhältnis in der Normpopulation abweichend ist.

In den Frequenzspektren werden Z-Werte dargestellt. Z-Werte zwischen - 1und +1 (also innerhalb von einer Standardabweichungen des Normspektrums) werden nicht differenziert und erscheinen weiß. Ist der Unterschied zur Norm größer als eine Standardabweichung, werden farbliche Abstufungen erkennbar. Weiter wird die Amplitudenasymmetrie zwischen verschiedenen Elektrodenpositionen berechnet und mit dieser Asymmetrie in der Norm verglichen. Von besonderem Interesse sind hier Auswertungen der Kohärenz - also der Phasenbeziehung zweier Ableitungen zueinander. Diese Werte geben Auskunft über das Maß der Netzwerkzusammenarbeit innerhalb näherer oder entfernterer Neuronenverbänden. Berechnet wird die Kohärenz zwischen den verschiedenen Elektrodenpositionen innerhalb eines Frequenzbandes. Ein hoher Kohärenzwert bedeutet, dass ein starker Zusammenhang zwischen der Phase einer Frequenz an einer Elektrodenposition und der Phase dieser Frequenz an einer anderen Elektrodenposition besteht. Blaue Linien beschreiben Areale mit niedriger Kohärenz, rote Linien beschreiben Areale mit hoher Kohärenz.

Spektralanalyse des EEGs mit geschlossenen Augen und geöffneten Augen. Das Gehirn zeigt unterschiedliche Aktivitäten, je nachdem ob die Augen geöffnet oder geschlossen sind. Der größte Unterschied besteht in der Amplitude (Power) der Alphawellen, die in der Regel deutlich erhöht sind sobald die Augenlider geschlossen sind. Beim Öffnen der Augen verringert sich die Amplitude von Alpha und geht zurück auf das ursprüngliche Niveau. Die Forschung zeigt, dass dieses Phänomen einer gesunden Reaktion entspricht, wenn bestimmte Voraussetzungen erfüllt sind. Manchmal zeigen sich Auffälligkeiten nur unter der Bedingung geschlossener Augen, manchmal nur unter der Bedingung geöffneter Augen, meist jedoch findet man Muster von Dysregulation in beiden Konditionen.

QEEG und EEG-Phänotypen[Bearbeiten]

Auswahl von EEG-Phänotypen u.a. nach J. Gunkelman, M. Arns und andere

  • Langsame und schnelle Wellen-Aktivität
  • schnelle und langsame Wellen gemischt
  • Fokale Abnormitäten
  • Frontallappen-Störungen
  • Frontale Asymmetrien


Langsame und schnelle Wellen Der generelle Erregungsgrad des Gehirns hat seinen Ursprung im aufsteigenden retikulärem Aktivierungssystems (ARAS), welches das weitschweifige thalamische Projektionssystem stimuliert. Mit verringerter Vigilanz, ist eine Verlangsamung der Alpha-Frequenz gegeben. Womöglich auch ein Ansteigen in generalisierter dysrhythmischer langsamer Aktivität. Bei einem Ansteigen des ZNS-Aktivationsgrades kommt es zu einem Anstieg der dominanten Alpha-Frequenz und zu einem Absinken von langsamer Wellenaktivität.

Es kann zu Mustern weit verbreiteter langsamer Aktivität kommen, aber auch zu gemischten Mustern von langsamer und schneller Aktivität. Ein normaler Dominanter Alpha-Rhythmus ist bei 10 Hz angesiedelt. Wenn der Wert für Alpha größer als –2 Z-Werte beträgt, spricht man von einem abnormalen niedrigfrequentem Alpha. Diese Einstellung des Gehirns ist entscheidend für seine Funktion in puncto Intelligenz und Gedächtnis. Giannitrapani, 1985 and Klimesch, 1999,

Fokale Abnormitäten Bereiche „abgeschalteter“ Gehirnaktivität aufgrund von Tumor, Entzündung, Schlaganfall, SHT, nach Gehirnwäsche, Medikamente usw.

Frontallappensyndrome Die Frontallappen hemmen abnorme Impulsivität und steuern Affektivität und Aufmerksamkeitsprozesse. Sie üben starken Einfluss auf den Tonus des sensomotorischen Streifens aus. Verbindungen zu inhibitorischen Steuerungsschleifen, mittels subkortikaler Strukturen (Basalganglien). Die Frontallappen üben generelle regulatorische Kontrolle über den gesamten Rest des Gehirns aus. Störungen in Bezug auf Affektivität oder motorischer Steuerung haben zentralen Bezug zu den Frontallappen AD(H)S und affektive Störungen zeigen sich mitunter deutlich in QEEGs.

Frontale Asymmetrien Depressionsmarker: Rechtshemisphärisches Beta größer als links Linkshemisphärisches Alpha größer als rechts (Rosenfeld, 1977) Exzessives rechtshemisphärisches Alpha geht indiziert Angst oder agitierte Depression.


Biomarker - Korrelation zur Symptomatik, sichtbar im QEEG[Bearbeiten]

die beschriebenen Auffälligkeiten im EEG lassen sich mit den quantitativen Methoden recht gut darstellen. Die Abweichungen sind als Muster im QEEG meist klar erkennbar und lassen in der Regel eine Korrelatin zur jeweiligen Symptomatik erkennen.

Auswahl bekannter EEG-Biomarker:

Frontallappenverlangsamung Amplituden von langsamen Frequenzen im Frontallappen deutlich erhöht. Klinik: Depression, Störung der exekutiven Funktionen, Aufmerksamkeitsdefizitsyndrom, Fokussierproblematik, Lernstörung, Persönlichkeitsstörungen.

Beta Asymmetrie Beta-Amplituden in der Rechten Hemisphäre erhöht, bzw. in der linken Hemisphäre vermindert.

Klinik: Depression, Angststörungen, Störung der exekutiven Funktionen

Posteriores Beta Hohe Betaamplituden in Bereich des Hinterkopfes. Klinik: Schlafstörung, Gedankenkreisen, Ängste, Zwangsströrung, Kopfschmerz, Schmerz

Niedrige Alpha Peak Frequenz Alpha hat in der Regel bei Erwachsenen die höchste Amplitude (Peak) bei 10 Hz. Wenn Alpha z.B. bei 8 Hz "peakt" dann ist dies meistens mit erheblichen kogntiven Leistungseinbußen verbunden.


Neurofeedback und QEEG - Z-Werte-Verfahren, bzw. Z-Score-Training[Bearbeiten]

Die Grundidee hierbei beruht auf EEG-Datenbanken. Eine EEG-Datenbank beinhaltet EEG-Werte einer nach wissenschaftlichen Kriterien ermittelten gesunden Norm-Population im Hinblick auf Amplitude, Kohärenz, Asymmetrie und Phase. Beim Neurofeedback-Training werden nun diese Daten als Grundlage verwendet. Ein Computerprogramm berechnet dabei die Abweichungen zur Norm und ermittelt zugleich wie viel Prozent der Werte sich jeweils im Bereich der gesunden Norm befinden. Immer dann, wenn ein Schwellenwert überschritten ist, sich also mehr Werte im Bereich der Norm bewegen, wird vom Neurofeedback-Programm ein entsprechender Belohnungsreiz ausgelöst, der dann wiederum als operanter Lernreiz dient.

Bücher[Bearbeiten]

  • Technical Foundations of Neurofeedback von Tom Collura(Routledge Monograph Series on Neurotherapy and Qeeg Neuroscience 2013)
  • Neurofeedback and Neuromodulation Techniques, Robert Coben, James R. Evans Academic Press 2010
  • Z Score Neurofeedback von Robert W. Thatcher und Joel F. Lubar : Clinical Applications 2014
  • John N. Demos: Getting Started with Neurofeedback; W.W. Norton & Company, Inc., New York, ISBN 0-393-70450-5.
  • Introduction to Quantitative EEG and Neurofeedbackvon Thomas H. Budzynski und Helen Kogan Budzynski: Advanced Theory and Applications 9. Januar 2009

Zeitschriften[Bearbeiten]

  • Clinical Electroencephalography pISSN: 0009-9155, MEDLINE Abbr: Clin Electroencephalogr, NLM ID: 0236454
    Wissenschaftliche Zeitschrift, Sondernummer zu Neurofeedback.
  • Child and adolescent psychiatric clinics of North America 1056-4993, MEDLINE Abbr: Child Adolesc Psychiatr Clin N Am, NLM ID: 9313451 Wissenschaftliche Zeitschrift welche Reviews zum Stand der Forschung wiedergibt. In der Januarausgabe 2005 welche den Themenbereich ‚Emerging Interventions‘ abhandelt sind sechs von zehn Beiträgen dem Thema Neurofeedback gewidmet.
  • Journal of Neurotherapy. Die Zeitschrift der International Society for Neurofeedback & Reasearch.

Anwendungsbereiche[Bearbeiten]

Weblinks[Bearbeiten]

Siehe auch[Bearbeiten]

Einzelnachweise[Bearbeiten]

  1. eegspectrum.com
  2. fMRT-basierte Neurofeedbackstudie bei Schizophrenie, Jülich Aachen Research Alliance (JARA)

Z Score and QEEG-Guided Neurofeedback Publications

  • Collura, T., Guan, J., Tarrent, J., Bailey, J., & Starr, R. (2010). EEG biofeedback case studies using live z-score training and a normative database. Journal of Neurotherapy, 14(1), 22–46.
  • Collura, T., Thatcher, R., Smith, M. L., Lambos, W., & Stark, C. (2009). EEG biofeedback training using live z-scores and a normative database. Philadelphia : Elsevier.
  • Collura, T. (2008). Whole head normalization using live Z-scores for connectivity training. Neuroconnections, April 2008, p 12-18.
  • Collura, T. (2008). Time EEG Z-score training: Realities and prospects. In: Evans, J., Arbanel, L. and Budsynsky, T. Quantitative EEG and Neurofeedback, Academic Press, San Diego , CA .
  • Decker, S.L. Roberts,A.M. and Green, J.J. (2014). LORETA Neurofeedback in College Students with ADHD. . In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Foster, D.S. and Thatcher, R.W. (2014). Surface and LORETA Neurofeedback in the Treatment of Post-Traumatic Stress Disorder and Mild Traumatic Brain Injury. . In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Hammer, B.U., Colbert, A.P., Brown, K.A. and Ilioi, E. C. (2011). Neurofeedback for Insomnia: A Pilot Study of Z-Score SMR and Individualized Protocols. Appl Psychophysiol Biofeedback, DOI 10.1007/s10484-011-9165-y
  • Koberda, J.L. (2011). Clinical advtabges of quantitative electroencephalogram (QEEG) application in general neurology ractice. Neuroscience Letters, 500(Suppl.), e32.
  • Koberda, J.L, Moses, A., Koberda, L. and Koberda, P. (2012). Cognitive enhancement using 19-Electrode Z-score neurofeedback. J. of Neurotherapy, 16(3): 224-230.
  • Koberda, J.L, Hiller, D.S., Jones, B., Moses, A., and Koberda, L. (2012). Application of Neurofeedback in general neurology practice. J. of Neurotherapy, 16(3): 231-234.
  • Koberda, J.L. (2014). Neuromodulation-An Emerging Therapeutic Modality in Neurology. J Neurol Stroke 2014, 1(4): 00027
  • Koberda J, L. and Stodolska-Koberda U (2014). Z-score LORETA Neurofeedback as a Potential Rehabilitation Modality in Patients with CVA. J Neurol Stroke 1(5): 00029.
  • Koberda, J.L. et al. 2012. Cognitive enhancement using 19-electrode Z-score Neurofeedback. J. Neurotherapy 3.
  • Koberda J.L. (2012). Autistic Spectrum Disorder (ASD) as a Potential Target of Z-score LORETA Neurofeedback. The Neuroconnection- winter 2012, edition (ISNR), p. 24.
  • Koberda JL, Koberda P, Bienkiewicz A, Moses A, Koberda L. Pain Management Using 19-Electrode Z-Score LORETA Neurofeedback. Journal of Neurotherapy, 2013, 17:3, 179-190.
  • Koberda JL, Moses A, KoberdaP, Winslow J. Cognitive Enhancement with LORETA Z-score Neurofeedback. AAPB meeting, 2014.
  • Koberda,J.L. (2012). Comparison of the effectiveness of Z-score Surface/LORETA 19-electrode Neurofeedback to standard 1-electrode Neurofeedback- J. Neurotherapy.
  • Koberda, J.L. (2014). Therapy of Seizures and Epilepsy with Z-score LORETA Neurofeedback. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Koberda JL, Koberda L, Koberda P, Moses A, Bienkiewicz A (2013) Alzheimer’s dementia as a potential target of Z-score LORETA 19-electrode Neurofeedback. In: Neuroconnection. Winter edition, p.30-32.
  • Koberda, J.L. (2014). Z-score LORETA Neurofeedback as a Potential Therapy in Depression/Anxiety and Cognitive Dysfunction. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Koberda,J.L. (2014). LORETA Z-SCORE NEUROFEEDBACK IN CHRONIC PAIN AND HEADACHES. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Lambos, W.A. and Williams, R.A. (2014). Treating Executive Functioning Disorders Using LORETA Z-scored EEG Biofeedback. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Lambos, W.A. and Williams, R. A (2014). Treating Anxiety Disorders Using Z-scored EEG Biofeedback. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Little, R.M., Bendixsen, B. H. and Abbey, R.D. (2014). 19 Channel Z-Score Training for Learning Disorders and Executive Functioning. . In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Lubar, J.L. (2014). Optimal procedures in Z score neurofeedback: Strategies for maximizing learning for surface and LORETA Neurofeedback. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Smith, M.L. (2008). Case study: Jack. Neurosconnections, April, 2008.
  • Stark, C.R. (2008). Consistent dynamic Z-score patterns observed during Z-score training sessions – Robust among several clients and through time for each client. Neuroconnections, April, 2008.
  • Thompson, M., Thompson, L. and Reid-Chung, A. (2014). Combining LORETA Z-Score Neurofeedback with Heart Rate Variability Training. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Thompson, M., Thompson, L., & Reid, A. (2010). Functional Neuroanatomy and the Rationale for Using EEG Biofeedback for Clients with Asperger’s Syndrome. Journal of Applied Psychophysiology and Biofeedback, 35(1), 39-61.
  • Thatcher, R.W. (2000). 3-Dimensional EEG Biofeedback using LORETA., Society for Neuronal Regulation, Minneapolis, MN, September 23, 2000.
  • Thatcher, R.W. (2010). LORETA Z Score Biofeedback. Neuroconnections, December, pg. 14-17.
  • Thatcher, R.W. (2013): Latest Developments in Live Z-Score Training: Symptom Check List, Phase Reset, and Loreta Z-Score Biofeedback, Journal of Neurotherapy: Investigations in Neuromodulation, Neurofeedback and Applied Neuroscience, 17:1, 69-87
  • Thatcher, R.W. (2010). LORETA Z Score Biofeedback. Neuroconnections, December, p. 9 – 13.
  • Thatcher, R.W. (2012). Handbook of Quantitative Electroencephalography and EEG Biofeedback. Anipublishing, Inc., St. Petersburg, Fl
  • Thatcher, R.W. (2013). Latest Developments in Live Z-Score Training: Symptom Check List, Phase Reset, and Loreta Z-Score Biofeedback. Version of record first published: 26 Feb. J. of Neurotherapy.
  • Thatcher, R.W. North, D.M.and Biver, C.J. (2014). Technical foundations of Z score neurofeedback. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Thatcher, R.W. North, D.M. and. Biver, C.J. (2014). Network Connectivity and LORETA Z score NFB. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Thatcher, R.W. North, D.M. and Biver, C.J. (2014). BrainSurfer 3-Dimensional Z Score Brain-Computer-Interface. . In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”. Academic Press, San Diego, CA (in press 2014).
  • Wigton, N.L. (2013) Clinical Perspectives of 19-Channel Z-Score Neurofeedback: Benefits and Limitations, Journal of Neurotherapy: Investigations in Neuromodulation, Neurofeedback and Applied Neuroscience, 17:4, 259-264.
Gesundheitshinweis Dieser Artikel bietet einen allgemeinen Überblick zu einem Gesundheitsthema. Er dient nicht der Selbstdiagnose und ersetzt keine Arztdiagnose. Bitte hierzu diese Hinweise zu Gesundheitsthemen beachten!