Entwicklung, Validierung und Anwendung von Verfahren zur Bestimmung der Konnektivität zwischen Hirnstrukturen

确定大脑结构之间连接性的方法的开发、验证和应用

• 批准号: 196030039
• 负责人: Professor Dr. Lars Grasedyck
• 金额: --
• 依托单位: Max-Planck-Institut für Kognitions- und Neurowissenschaften
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2014-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/196030039?language=en
• 关键词: Entwicklung; Validierung; und; Anwendung; von

Die Bestimmung der Konnektivität zwischen Hirnstrukturen ist von fundamentaler Bedeutung für das Verstehen von Hirnprozessen. Ziel dieses Paketantrages, bestehend aus zwei Teilanträgen, ist es daher, die Zeitverläufe neuronaler Aktivierungen mit höchstmöglicher Genauigkeit zu rekonstruieren, um dann funktionelle Konnektivitätsmaße zu berechnen. Da zeitlich hochaufgelöste EEG- und MEG-Signale eine Überlagerung von Beiträgen verschiedener Hirnareale darstellen, ist die Anwendung sogenannter Quellrekonstruktionsmethoden erforderlich. Dazu werden im Teilantrag 1 adjungierte Finite-Elemente-Methoden (FEM) unter Verwendung numerisch-adaptiver Gittergenerierung entwickelt. Neue inverse Methoden werden erarbeitet, die auf der FEM-Hierarchie aufbauen. In systematischen Computersimulationsstudien werden dann Konnektivitätsmaße auf der Basis der hochgenau über die FEM-Verfahren rekonstruierten Aktivierungszeitverläufe evaluiert. Die Anwendbarkeit und der Nutzen der Verfahren werden mit Hilfe von Computersimulationen, sowie anhand klinischer Daten (multifokale Epilepsie) demonstriert. Der Inhalt des Teilantrags 2 besteht in der weitergehenden quantitativen und qualitativen Evaluierung der Verfahren. Dabei wird zunächst die tatsächliche Genauigkeit der entwickelten Konnektivitätsmaße sowie der Nutzen der hochgenauen FEM-Modellierung mittels physikalischer Phantommodelle untersucht. In einem zweiten Schritt werden die Methoden auf die sprachverarbeitenden Gehirnnetzwerke von Kindern und Erwachsenen angewendet. Dieser Nachweis der praktischen Anwendbarkeit ist eine entscheidende Voraussetzung für die Akzeptanz und Integration der in diesem Paketantrag entwickelten Methoden.

Die Bestimmung der Konnektivität zwischen Hirnstrukturen ist von basicer Bedeutung für das Verstehen von Hirnprozessen. zu rekonstruieren, um dann funktionelle Konnektivitätsmaße zu berechnen.在系统计算机模拟研究中。科学技术的世界是获得最佳结果的最佳途径。恶魔特里特。物理模型未解。在 diesem Paketantrag entwickelten Methoden 中。

项目成果

Influences of skull segmentation inaccuracies on EEG source analysis

颅骨分割误差对脑电图源分析的影响

• DOI: 10.1016/j.neuroimage.2012.05.006
• 发表时间: 2012-08-01
• 期刊: NeuroImage
• 影响因子: 5.7
• 作者: B. Lanfer;M. Scherg;M. Dannhauer;T. Knösche;M. Burger;C. Wolters
• 通讯作者: C. Wolters

Spatio-temporal Regularization in Linear Distributed Source Reconstruction from EEG/MEG: A Critical Evaluation

EEG/MEG 线性分布式源重建中的时空正则化：批判性评估

• DOI: 10.1007/s10548-012-0263-9
• 发表时间: 2013-04-01
• 期刊: Brain Topography
• 影响因子: 2.7
• 作者: M. Dannhauer;Eric Lämmel;C. Wolters;T. Knösche
• 通讯作者: T. Knösche

Solving an elliptic PDE eigenvalue problem via automated multi-level substructuring and hierarchical matrices

通过自动多级子结构和分层矩阵解决椭圆偏微分方程特征值问题

• DOI: 10.1007/s00791-015-0239-x
• 发表时间: 2013-12-01
• 期刊: Computing and Visualization in Science
• 作者: P. Gerds;L. Grasedyck
• 通讯作者: L. Grasedyck

A guideline for head volume conductor modeling in EEG and MEG

脑电图和脑磁图头部体积导体建模指南

• DOI: 10.1016/j.neuroimage.2014.06.040
• 发表时间: 2014-10-15
• 期刊: NeuroImage
• 影响因子: 5.7
• 作者: J. Vorwerk;Jae;S. Rampp;H. Hamer;T. Knösche;C. Wolters
• 通讯作者: C. Wolters