Wir untersuchen die räumlich aufgelöste Lipidbildgebung mithilfe der Matrix-unterstützten Laserdesorption / -ionisation (MALDI) als Methode zur Validierung von MRT-basierten Myelin-Biomarkern.
Wir haben hochauflösende fMRT und multivariate Musteranalysen (MVPA) verwendet, um zu erforschen, wie Aufmerksamkeitsmodulation des Arbeitsgedächtnisses schichtspezifische Repräsentationen im dorsolateralen Präfrontalkortex (dlPFC) beeinflusst.
Die funktionelle Bildgebung des Zusammenspiels zwischen Basalganglien und kortikalen Bereichen erfordert ein bezüglich der untersuchten Region und der notwendigen Bildgebungs- beschleunigung sorgfältig angepasstes fMRT-Protokoll. Wir haben daher eine Studie bei einer Feldstärke von 7 Tesla durchgeführt, in der die Abhängigkeit des detektierten Signals von den verwendeten MR-Parametern untersucht wurde.
Wir führten laminare fMRT während einer verzögerten Übereinstimmungsaufgabe durch und variierten die Arbeitsgedächtnisbelastung sowie die Anforderung an eine motorische Reaktion. Wir fanden schichtspezifische univariate und multivariate Effekte.
Ziel unserer Arbeit ist die Verbesserung der Zuverlässigkeit von Multi-Parameter-Karten des menschlichen Gehirns durch prospektive bzw. retrospektive Korrektur von Kopfbewegung und B0-Feld Fluktuationen oder Korrektur durch Deep Learning für Artefakte unbekannten Ursprungs.
Eine kürzlich durchgeführte fMRT-Studie zeigte schichtspezifische Aktivität im Präfrontalkortex während einer Arbeitsgedächtnisaufgabe. Mit neu erhobenen Daten und einer vollautomatischen Analyse versuchten wir die ursprünglichen Ergebnisse zu replizieren.
Die säulenartigen Strukturen in der menschlichen Sehrinde werden mit hochauflösenden fMRT-Methoden mit dem Ziel untersucht, die Quelle neuronaler Aktivität genauer zu lokalisieren.
Der auf dem Effekt des Magnetisierungs-Transfers beruhende "Arterial Blood Contrast" (ABC) konnte unter Verwendung einer Feldstärke von 7 Tesla mit einer isotropen räumlichen Auflösung von 1, 5 mm in Kombination mit einem konventionellen funktionellen MRT-Kontrast gemessen werden.
In diesem Projekt untersuchen wir das Gehirn wild lebender Schimpansen, die in verschiedenen Entwicklungsstadien an natürlichen Ursachen gestorben sind. Dazu wird hochaufgelöste quantitative MRT und Histologie benutzt.
DeepcomplexMRI deep learning Bildrekonstruktion wurde angepasst, um multi-echo MRT Bilder zu verarbeiten. Erste Versuche mit verschiedenen K- Raum-Abtastungen zeigen eine vergleichbare Performance zu modernen iterativen Algorithmen wie ENLIVE, benötigen aber nur ca. 5 Minuten zur Rekonstruktion des gesamten 3D 1mm³/voxel aufgelösten Kopfbildes.
Wir haben kt-Punkte-HF-Pulse implementiert und optimiert, um Verzerrungen und Shading-Artefakte in der ultrahochauflösenden Ganzhirn-MPM zu reduzieren.