Entwicklung und Validierung von Verfahren zur Lokalisation von Hirnaktivität mit Hilfe der Methode der Finiten Elemente

点击翻译按钮获取中文摘要

Das Verständnis der Reifungsprozesse im Gehirn von Neugeborenen und deren Pathologien ist eine hochaktuelle Fragestellung in der medizinischen Forschung. Die zeitlich-örtliche Beschreibung von Gehirnaktivität aus EEG und MEG (Quellenlokalisation) wäre auf Grund ihrer Nichtinvasivität hervorragend für diese Aufgabenstellung geeignet. Dies ist jedoch in dieser Entwicklungsperiode sehr schwierig, da die offenen Fontanellen und Suturen (Leitfähigkeitsinhomogenitäten des Schädels) die Analyse mit herkömmlichen Verfahren und Modellen unmöglich machen. In diesen konventionellen Modellen führt die Vernachlässigung wichtiger bioelektrischer Materialeigenschaften des Kopfgewebes, neben den Inhomogenitäten vor allem die Richtungsabhängigkeit (Anisotropie) der elektrischen Leitfähigkeit, zu einem nicht zu tolerierenden Genauigkeitsverlust bei einer Vielzahl von Anwendungen der Quellenlokalisation, sowohl in der neurowissenschaftlichen und medizinischen Forschung, als auch in der medizinischen Praxis (prächirurgisches Mapping, Epilepsiediagnostik). Ziel des Vorhabens ist daher die Entwicklung eines neuen Ansatzes für die Modellierung von realistischen Leitfähigkeits- und Anisotropieverteilungen des Kopfes unter Nutzung der Finite-Elemente-Methode (FEM), durch den die Modellierung kortikaler Quellen in anisotropen Medien ermöglicht wird und der den Rechenaufwand bei Quellenlokalisationen auch bei hoher Auflösung auf wenige Minuten beschränkt. Es werden realistische Leitfähigkeitstensorinformationen einbezogen, die Modellkomplexität durch systematische Sensitivitätsanalysen evaluiert und die gesamte Modellierung tierexperimentell und am Menschen validiert. Das Ergebnis der Arbeiten wird eine weltweit erstmalige praxistaugliche FEM-Modellierung sein, die zu einer Verbesserung der Quellenlokalisierung und damit zu einer exakteren Diagnose und zu exakteren Aussagen im gesamten Bereich der Neurowissenschaften beiträgt.