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.
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.
In diesem Projekt untersuchen wir das Auflösungsvermögen von verschiedenen hochauflösenden Verfahren funktioneller Magnetresonanztomographie (fMRT), um Unterschiede innerhalb des zerebralen Kortex zu erkennen.
In diesem Projekt untersuchen wir die Möglichkeit, mesoskopische Strukturen im zerebralen Kortex mit hochauflösenden Methoden der funktionalen Magnetresonanztomographie (fMRT) aufzulösen.
Die Kombination von Diffusions- und T1-Kontrast ermöglicht die Untersuchung der strukturellen Komplexität der grauen Substanz der menschlichen Hirnrinde in vivo.
Eine Kombination aus diffusionsgewichteter Bildgebung und funktioneller retinotopischer Kartierung ermöglicht eine zuverlässige Darstellung der strukturellen Verbindungen der sogenannten U‑Fasern in vivo in der frühen Signalverarbeitung in der Sehrinde.
Wir untersuchen wie Maße der quantitativer Magnetresonanztomography (qMRI) in den verschiedenen Schichten der Hirnrinde mit der Anzahl von Nervenzellen, der Expression von Genen in der Hirnrinde und mit den Faserverbindungen in der weißen Substanz zusammenhängen. Unser Ziel ist neuartige Biomarker für den Verlauf neurodegenerativer Erkrankungen zu entwickeln.
In diesem Projekt charakterisieren wir kortikalen Schichten durch biomechanische Modellierung und simulieren die Entwicklung des menschlichen Kortexgewebes in vivo unter Verwendung hyperelastischer Materialmodelle.