Mittwoch, den 17. Oktober 2018 um 09:29 Uhr

Neues Verfahren erkennt Hirnaktivierungen mit verbesserter Sensitivität und Präzision

Eines der Hauptziele der funktionellen Magnetresonanztomographie (fMRI) ist der Nachweis einer lokalen Aktivierung im menschlichen Gehirn. Mangelnde statistische Aussagekraft und teilweise ungenaue Resultate wurden jedoch in jüngster Zeit als großes Problem in dieser Hinsicht identifiziert. Eine Gruppe von Wissenschaftler/-innen des Max-Planck-Instituts für biologische Kybernetik und des Universitätsklinikums Tübingen hat eine neue Software namens "LISA" entwickelt, um dieses Problem zu lösen.

Die am weitesten verbreiteten statistischen Inferenzverfahren wurden vor mehr als 10 Jahren erfunden und sind nicht gut geeignet für die Verarbeitung modernster hochauflösender Neurobildgebungsdaten. Die MRT-Technologie hat sich in den letzten Jahren durch die Einführung von Ultra-Hochfeld-Scannern (>= 7 Tesla), die eine deutlich verbesserte räumliche Auflösung bieten, erheblich verbessert. Standardalgorithmen waren jedoch nicht für die Verarbeitung so hochpräziser Daten ausgelegt, sodass einige der Hauptvorteile des Ultrahochfeld-Scans aufgrund unzureichender Software verloren gingen. Darüber hinaus zeigte eine kürzlich veröffentlichte Publikation von Eklund et al. (PNAS, 2016), dass einige der am weitesten verbreiteten statistischen Methoden zu teilweise falschen Ergebnissen führten.

Grund genug für unsere Wissenschaftler/-innen bessere Ansätze für die statistische Inferenz in der fMRT zu entwickeln. Unsere Wissenschaftlerin PD Dr. Gabriele Lohmann erklärt: "Es bedarf ausgefeilter mathematischer Methoden, um Neurobildgebungsdaten sinnvoll zu nutzen. Die farbigen "Blobs", die oft in Artikeln über Magnetresonanztomographie abgebildet sind, werden mit komplizierten statistischen Verfahren berechnet und sind mit dem bloßen Auge nicht zu erkennen."

Die Wissenschaftler/-innen führten nun eine neue Methode der statistischen Inferenz in der fMRI ein, die sie LISA (Local Indicators of Spatial Association) nennen. Sie ist von einem Konzept inspiriert, das sonst in geografischen Informationssystemen verwendet wird. Abschließend hoffen die Wissenschaftler/-innen, dass LISA aufgrund seiner verbesserten Sensitivität und besseren räumlichen Spezifität bei der Entwicklung neuer und realistischerer Modelle der menschlichen Gehirnfunktion weiterhelfen wird.

Dr. Lohmann begründet das so: "In unseren ersten Tests haben wir festgestellt, dass unsere Methode viel sensitiver ist und Gehirnaktivität genauer erkennen kann als frühere Methoden. Und weiter: “Wir hoffen daher sehr, dass unsere Methode dazu beitragen wird, ein vollständigeres Bild der Gehirnfunktion zu ermöglichen. Wir gehen davon aus, dass in Zukunft die Erkenntnisse, die wir aus dieser Grundlagenforschung gewinnen, Patienten/-innen mit neurologischen Erkrankungen zugutekommen lassen können!“


Den Artikel finden Sie unter:

http://tuebingen.mpg.de/kybernetik-neuigkeiten-2/detail/?tx_ttnews%5Btt_news%5D=848&tx_ttnews%5BbackPid%5D=134&cHash=7ada4734d3b848e6ab89adf9dcc577dc

Quelle: Max-Planck-Institut für biologische Kybernetik (10//2018)


Publikation:
"LISA improves statistical analysis for fMRI", Gabriele Lohmann, Johannes Stelzer, Eric Lacosse, Vinod J. Kumar, Karsten Mueller, Esther Kuehn, Wolfgang Grodd & Klaus Scheffler, Nature Communications 9:4014 (2018): https://www.nature.com/articles/s41467-018-06304-z

Fortbildungen

Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu.
Weitere Informationen zu Cookies erhalten Sie in unserer Datenschutzerklärung.