Biostatistische Modellierung und Analyse kombinierter fMRT- und EEG-Messungen

点击翻译按钮获取中文摘要

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.