Forschung

Das Ziel dieses Projektes ist die Entwicklung lokaler Modelle für die Faserrichtungsverteilung, die in der Lage sind, Kreuzungs- und Fächerstrukturen abzubilden. Weiterhin arbeiten wir an effektiven deterministischen und probabilistischen Traktographieverfahren. Um die Anwendbarkeit dieser Techniken zu verbessern, realisieren wir geschwindigkeitsoptimierte Implementierungen auf der Basis von Parallelisierung. Systematische Vergleichsstudien werden für eine umfangreiche Auswahl von modernen Traktographieverfahren durchgeführt. Die entwickelten Methoden werden zur Erforschung verschiedener kognitiver Systeme eingesetzt. [mehr]

In diesem Forschungsschwerpunkt entwickeln wir Methoden für die Parzellierung der kortikalen Oberfläche auf der Basis probabilistischer Traktogramme. Die Ähnlichkeitsmatrix der Traktogramme wird mit einem Clusterverfahren bearbeitet und die Resultate zurück auf die kortikale Oberfläche projeziert. Insbesondere werden moderne Methoden zur lokalen Modellierung und Traktographie verwendet. Einen weiteren Schwerpunkt bilden effektive Clusterverfahren, insbesondere solche, die hierarchische und unscharfe Einteilungen gestatten. Weiterhin entwickeln wir Maße für die Qualität von Parzellierungen, welche u.a. die Grenzschärfe und die innere Homogenität der Parzellen widerspiegeln sollen. Unsere Methoden werden mit anderen Parzellierungsmethoden verglichen und auf verschiedene Regionen des Kortex angewendet. [mehr]

Die Rekonstruktion von Faserverbindungen in der grauen und weißen Masse des Gehirns mittels diffusionsgewichteter MR-Bildgebung hängt wesentlich von der Bildqualität ab. Neben der Anzahl der Diffusionsrichtung und den B-Werten spielen insbesondere das Signal-Rausch-Verhältnis und die räumliche Auflösung eine herausragende Rolle. Ultrahochfeld-Bildgebung mit dem MAGNETOM 7T Scanner bietet die Möglichkeit, diese Parameter zu verbessern. Hierbei müssen jedoch neue Wege bei der Bildaufnahme beschritten werden. In Zusammenarbeit mit der Abteilung Neurophysik (Dr. Robin Heidemann) werden derartige Verfahren entwickelt und getestet. Die erreichten Ergebnisse stellen eine neue Qualität bei der nichtinvasiven Faserrekonstruktion dar. [mehr]

Kortexgebiete oder subkortikale Kerngebiete mit unterschiedlicher Funktion unterscheiden sich häufig bezüglich ihrer lokalen Gewebestruktur. Dazu gehören die Anordnung und Anzahl bestimmter Zelltypen (Zytoarchitektur) sowie der Verlauf lokaler Nervenfaserbahnen (Myeloarchitektur). Diese Merkmale wurden schon von den frühen Neuroanatomen, wie Brodmann, von Economo oder Vogt zur Kartierung des Kortex verwendet. Diffusionsgewichtet MR-Bildgebung erlaubt es nicht-invasiv bestimmte richtungsabhängige Aspekte der lokalen Mikrostruktur (Axone, Dendriten) abzubilden. Auf diese Weise kann eine Einteilung (Parzellierung) von Kortex und Kerngebieten erzielt werden. Wir haben dieses Verfahren bereits erfolgreich auf die Basalganglien, den Mandelkern und den Thalamus andgewendet, und gezeigt dass es im Prinzip auch auf den Kortex anwendbar ist.Kortexgebiete oder subkortikale Kerngebiete mit unterschiedlicher Funktion unterscheiden sich häufig bezüglich ihrer lokalen Gewebestruktur. Dazu gehören die Anordnung und Anzahl bestimmter Zelltypen (Zytoarchitektur) sowie der Verlauf lokaler Nervenfaserbahnen (Myeloarchitektur). Diese Merkmale wurden schon von den frühen Neuroanatomen, wie Brodmann, von Economo oder Vogt zur Kartierung des Kortex verwendet. Diffusionsgewichtet MR-Bildgebung erlaubt es nicht-invasiv bestimmte richtungsabhängige Aspekte der lokalen Mikrostruktur (Axone, Dendriten) abzubilden. Auf diese Weise kann eine Einteilung (Parzellierung) von Kortex und Kerngebieten erzielt werden. Wir haben dieses Verfahren bereits erfolgreich auf die Basalganglien, den Mandelkern und den Thalamus andgewendet, und gezeigt dass es im Prinzip auch auf den Kortex anwendbar ist. [mehr]

In this research project we investigate quantitative aspects of diffusion based anatomical connectivity. On the one hand, we use Bayesian inference in order to estimate probability distributions for the number of fibers between two brain areas. On the other hand we develop techniques to map diffusion based local structural measures along reconstructed fiber tracts. [mehr]

Diese Projekt beschäftigt sich mit der Entwicklung von schnellen und vielseitig einsetzbaren Visualisierungslösungen für die Ergebnisse von determinsitischen und probabilistischen Traktographieverfahren, einschließlich effektiver Möglichkeiten für die Faserselektion, die Texturierung von Oberflächen und die Integration mit anderen Modalitäten, wie fMRI, MRI oder EEG/MEG-Quellen. Weiterhin arbeiten wir an browserbasierten Lösungen, die eine unkomplizierte Übertragung von Information über interaktive 3d-Abbildungen ermöglichen. [mehr]

Dieser Forschungsschwerpunkt evaluiert einfache und biophysikalisch realistische Modelle, sogenannte Neuronale Massenmodelle, hinsichtlich ihrer Dynamik. Dabei wird eruiert, ob und unter welchen Voraussetzungen bestimmte im EEG oder MEG beobachtbaren Phänomene, wie Schwingungen oder Chaos, durch das Modell abgebildet werden können und wie kognitive Prozesse implementiert sein könnten. Für die Beschreinung der dynamischen Eigenschaften verwenden wir die Bifurkationsanalyse, unter Berücksichtigung der Input- und synaptischen Parameter. Weiterhin untersuchen wir die geeignete Modellierung der Übertragungsverzögerungen zwischen den neuronalen Populationen, sowie die Anwendung dieser Modelle für die Erklärung von EEG-Phänomenen und menschlichem Verhalten. [mehr]

Neuronale Feldmodelle stellen eine Erweiterung der neuronalen Massenmodelle dar, wobei die räumliche Dimension hinzugefügt wird. Dies erlaubt eine realistische Modellierung der von Verbindungsmustern im Gehirn. Wir beabsichtigen diese Modelle zur Erklärungen von Phänomenen in Hirndaten (EEG und Ruhe-fMRI) und Verhalten zu verwenden. Weiterhin implementieren wir Lernregeln und untersuchen die Selbstorganisation derartiger Netzwerke. [mehr]

Diese Projekt hat die Einbeziehung von Gewebeinhomogenität und Gewebeanisotropie in physikalische Kopfmodelle zu Ziel, um das neuroelektromagnetischen Vorwärtsproblem genauer zu lösen und damit die Lokalisation von EEG/MEG-Quellen zu verbessern. Dabei soll der Einfluß von Vereinfachungen und Ungenauigkeiten quantifiziert werden. Als Resultat erwarten wir einen relativ vollständigen Überblick über die Empfindlichkeit von Vorwärtsberechnungen und Quellenlokalisationen bezüglich diverser Modellfehler. Dabei soll die Abhängigkeit von Quellorten, Sensorkonfigurationen und anderen Parametern berücksichtigt werden. [mehr]