Biostatistische Modellierung und Analyse kombinierter fMRT- und EEG-Messungen

脑电图学(EEG)和功能性断层扫描(FMRT)是一种新的诊断方法。在他的房间里，他和他的朋友们在一起，他们的生活也是如此。在FMRT-Analysen Genutzt Genutzt Wen können中，Zil des beantragten Projekts ist die Entwickular(生物)统计方法，MIT denen EEG-Basierte，Zeitlich and Räumlich Varierende Priori-Informationen。所有的人都认为这是一种基本的认知方式。从本质上讲，这是一种人类的行为。这是一种新的电生理变化，也是一种变异体。Zur Extraktion der EEG-Information Sollen Ins Besondere EEG-Tomogie-Methoden Wie Loreta(低分辨率电磁层析成像)and verwandte Konzepte(BASTA[贝叶斯时空方法]oder REML[受限最大似然])Zur LöSong des zugrunde liegenden逆问题集被提出。Gleichzeitig könnnen Prädiktionsansätze auch zur Verbesserung der räumlichen Lokalization von Neuronalen Aktiitäten dienen.在拉赫曼和SFB 386的统计分析中，我们可以从统计的角度来分析这一问题。在LMU和DEM MPI für精神病研究所(MPIP)中的Modellierung和Anwendung在其sehr erfolgreich eingesetzt Wurden中进行了建模和统计。在Berück sichtigung Neuester Methodisdischer Fortschritte in Bayesianischen InferenzTechniken erweitern and das Einbeziehen von zeitlich-räumlich von zeitlich-räumlich VarierinfMRT-Modelen in fMRT-Modelen in FMRT-Modelen in Flexibler半参数Rischer Weise ermöglichen中的数据。在Der ersten ProjektPhase soll Dazu die EEG-Information中，我们已先验地了解到了这一点，嗯，这是一项先验的发现。Anschlieüend Sollen Darauf Aufbauend Simtane fMRT/EEG-Prädiktions Modelle(联合建模)Enwickelt。他妈的，他妈的施里特·施里特·施里特·施密特，他的问题是模型和分析。

Die Kombination von Elektroenzephalographie (EEG) und funktioneller MR-Tomographie (fMRT) ermöglicht es, die Vorteile dieser unabhängigen Modalitäten zu nutzen. In den letzten Jahren hat die Kombination dieser beiden Messverfahren daher ein erhebliches Forschungsinteresse gefunden. Ziel des beantragten Projekts ist die Entwicklung (bio-) statistischer Methoden, mit denen EEG-basierte, zeitlich und räumlich variierende Priori-Informationen in fMRT-Analysen genutzt werden können. Als Anwendungsbeispiele werden durch akustische Signale induzierte basale kognitive Verarbeitungsprozesse im Wachen bzw. intrinsische zerebrale Aktivitätsänderungen im humanen Schlaf vorgeschlagen. Im Zentrum des Projekts stehen dabei sogenannte Prädiktionsansätze, bei denen elektrophysiologische Variablen aus EEG-Messungen extrahiert werden, um als Prädiktor die Variabilität von fMRT-Signalen zu erklären. Zur Extraktion der EEG-Information sollen insbesondere EEG-Tomographie-Methoden wie LORETA (low resolution electromagnetic tomography) oder verwandte Konzepte (BASTA [Bayesian spatio-temporal approach] oder REML [restricted maximum likelihood]) zur Lösung des zugrunde liegenden inversen Problems eingesetzt werden. Gleichzeitig können Prädiktionsansätze auch zur Verbesserung der räumlichen Lokalisation von neuronalen Aktivitäten dienen. Die statistische Modellierung und Inferenz beruht auf Bayesianischen Konzepten, die zur Analyse von reinen fMRT-Daten in Vorarbeiten im Rahmen des SFB 386 Statistische Analyse diskreter Strukturen. Modellierung und Anwendung in Biometrie und Ökonometrie in einer Kooperation zwischen dem Institut für Statistik der LMU und dem MPI für Psychiatrie (MPIP) bereits sehr erfolgreich eingesetzt wurden. Ziel der methodischen Entwicklung sind Modelle und statistische Analyseinstrumente, die diese Konzepte unter Berücksichtigung neuester methodischer Fortschritte in Bayesianischen Inferenztechniken erweitern und das Einbeziehen von zeitlich-räumlich variierender EEG-Information in fMRT-Modellen in flexibler semiparametrischer Weise ermöglichen. In der ersten Projektphase soll dazu die EEG-Information a priori genützt werden, um etwa mit Hilfe von LORETA geeignete Prädiktoren für das fMRT-Modell zu bilden. Anschließend sollen darauf aufbauend simultane fMRT/EEG-Prädiktionsmodelle ( joint modelling ) entwickelt werden. Damit wird es möglich, die mit dem ersten Schritt verbundene Messfehlerproblematik zu modellieren und zu analysieren.