Biostatistische Modellierung und Analyse kombinierter fMRT- und EEG-Messungen

功能磁共振成像和脑电图联合测量的生物统计建模和分析

• 批准号: 113520118
• 负责人: Professor Dr. Ludwig Fahrmeir
• 金额: --
• 依托单位: Max-Planck-Institut für Psychiatrie
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2009
• 资助国家: 德国
• 起止时间: 2008-12-31 至 2013-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/113520118?language=en
• 关键词: Biostatistische; Modellierung; und; Analyse; kombinierter

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.

电子电图 (EEG) 和 MR 断层扫描 (fMRT) 功能的组合，可实现最佳模式。在这个赛季中，混合动力将在 2017 年被合并。 Ziel des beantragten Projekts ist die Entwicklung (bio-) statisticischer Methoden, mit denen EEG-basierte, zeitlich und räumlich variierende variierende Priori-Informationen in fMRT-Analysen genutzt weden können. Als Anwendungsbeispiele werden durch akustische Signale induzierte basale kognitive Verarbeitungsprozesse im Wachen bzw。本质上是人性的活动。 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（低分辨率电磁断层扫描）或 verwandte Konzepte（BASTA [贝叶斯时空方法] 或 REML [限制最大似然]） zur Lösung des zugrunde liegenden inverse Problems eingesetzt 韦尔登。 Gleichzeitig können Prädiktionsansätze auch zur Verbesserung der räumlichen Lokalization von 神经元活动 dienen。贝叶斯概念的统计模型和推论，可在 SFB 386 统计分析磁盘结构中的 Vorarbeiten 中分析 fMRT 数据。与 LMU 统计研究所和精神病学 MPI (MPIP) 合作的生物计量学和计量学模型和分析是我们的工作。方法研究模型和统计分析仪器，贝叶斯推理技术中贝叶斯推理技术和脑电图信息中的新方法研究的概念 灵活的半参数 Weise ermöglichen 中的 fMRT 模型。在 der ersten Projektphase soll dazu die EEG-Information apriori genützt werden, um etwa mit Hilfe von LORETA geeignete Prädiktoren für das fMRT-Modell zu bilden. Anschließend sollen darauf aufbauend simultane fMRT/EEG-Prädiktionsmodelle（联合建模）entwickelt werden。在此之前，我们将讨论模型和分析中的问题分析。