Die säulenartigen Strukturen in der menschlichen Sehrinde werden mit hochauflösenden fMRT-Methoden mit dem Ziel untersucht, die Quelle neuronaler Aktivität genauer zu lokalisieren.
Die vollständigen Inhalte sind zur Zeit nur in englischer Sprache verfügbar. Nutzen Sie bitte das Flaggensymbol im oberen rechten Bereich, um zur englischen Version zu wechseln.
Die Kombination von Diffusions- und T1-Kontrast ermöglicht die Untersuchung der strukturellen Komplexität der grauen Substanz der menschlichen Hirnrinde in vivo.
Wir haben hochauflösende fMRT und multivariate Musteranalysen (MVPA) verwendet, um zu erforschen, wie Aufmerksamkeitsmodulation des Arbeitsgedächtnisses schichtspezifische Repräsentationen im dorsolateralen Präfrontalkortex (dlPFC) beeinflusst.
In diesem Projekt charakterisieren wir kortikalen Schichten durch biomechanische Modellierung und simulieren die Entwicklung des menschlichen Kortexgewebes in vivo unter Verwendung hyperelastischer Materialmodelle.
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.
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.
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.
Eingebunden in die klinische Studie NISCI (Nogo Inhibierung bei akuten Rückenmarksverletzungen: www.nisci-2020.eu) verwenden wir quantitative Ganzhirn-MRT-Aufnahmen bei 3 Tesla als Biomarker für De- und Regeneration.
In diesem Projekt studieren wir die Myelinisierung des zerebralen Kortex mit hoher räumlicher Auflösung in lebendigen Probanden unter Verwendung von Verfahren der quantitativen Magnetresonanztomographie (MRT) bei ultrahohen magnetischen Feldstärken.
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.
