Nachweis von Plastizität im cerebro-cerebellären Netzwerk zur ...
Nachweis von Plastizität im cerebro-cerebellären Netzwerk zur ...
Nachweis von Plastizität im cerebro-cerebellären Netzwerk zur ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
haben, erzeugt das Programm sog. statistical parametric maps. Dieses sind Abbildungen<br />
eines Standard-Gehirns, in denen aktivierte Hirnareale mit einer best<strong>im</strong>mten farblich<br />
kodierten Wahrscheinlichkeit dargestellt werden (siehe 2.8).<br />
Die an eine Aktivierungsphase gekoppelte hämodynamisch bedingte<br />
Signalintensitätssteigerung beträgt bei einer Magnetfeldstärke <strong>von</strong> 1,5 Tesla je nach<br />
Paradigma meist nur etwa 2-4% (Turner et al., 1998). Der zu messende BOLD-Effekt ist<br />
also relativ schwach und das Messverfahren vergleichsweise unempfindlich und<br />
artefaktanfällig. Um dennoch statistisch signifikante Unterschiede zwischen Ruhe- und<br />
Aktivitätsphasen nachweisen zu können, müssen alle Schichten des Gehirns sowohl in<br />
Ruhe als auch während der Aktivitätsbedingung mehrfach gemessen werden. Zudem<br />
werden die gewonnenen Daten vor der Auswertung einer relativ aufwändigen<br />
Bildnachbearbeitung unterzogen. Ziel ist es dabei, den interessierenden neuronalen Effekt<br />
gegenüber der ständig vorhandenen neuronalen Aktivität (sog. „Rauschen“) zu verstärken,<br />
also das Signal-zu-Rausch-Verhältnis zu verbessern. Die Analysemethoden beruhen dabei<br />
auf der statistischen Mittelung des inkohärenten Rauschens, während in den aktivierten<br />
Regionen fortlaufend kohärentes Signal akkumuliert wird (Schad, 2002b). Die<br />
Nachbearbeitung der gemessenen funktionellen Daten umfasst mehrere Schritte, <strong>von</strong> denen<br />
die wichtigsten hier kurz aufgeführt werden sollen (Friston et al., 1995; Friston, 2003):<br />
Zunächst erfolgt eine Bewegungskorrektur (realignment), um bewegungsbedingte<br />
Bildartefakte, die schon durch Schlucken oder Atmen verursacht werden können, zu<br />
min<strong>im</strong>ieren. Dieses geschieht durch Reorientierung (rigid-body-transformation) aller<br />
Einzelbilder auf das erste Bild der Messung. Nach der Bewegungskorrektur werden die<br />
Bilder normalisiert (normalisation). Dabei werden die Aufnahmen der individuellen<br />
Probanden-Hirne in ein normiertes Gehirn (template) überführt, um einen<br />
interindividuellen Vergleich der Aktivierungsmuster zu ermöglichen. Dieses Normhirn ist<br />
das sog. MNI-Template (MNI = Montreal Neurological Institute), dessen Anatomie einen<br />
Mittelwert aus über 200 Hirnen darstellt. Zur genauen Lokalisationsangabe <strong>von</strong><br />
Aktivierungen ist das Template mit einem Koordinatensystem versehen, welches auf dem<br />
des Hirnatlasses <strong>von</strong> Talairach und Tournoux (1988) basiert. Um das Signal-zu-Rausch-<br />
Verhältnis zu verbessern, wird danach eine räumliche Unschärfe hinzugefügt, was als<br />
Glättung (smoothing) bezeichnet wird. Durch das smoothen werden große Signalsprünge<br />
innerhalb der Datensätze el<strong>im</strong>iniert (geglättet), wodurch echte Aktivierungen besser <strong>von</strong><br />
Störsignalen abgegrenzt werden können. Dazu wurde ein Gauss-Kernel-Filter mit einer<br />
Halbwertsbreite <strong>von</strong> FWHM (Full-Width-at-Half-Max<strong>im</strong>um) = 8 x 8 x 8 mm verwendet.<br />
Um die während einer Messung aufgenommenen Bilder einer best<strong>im</strong>mten Bedingung<br />
24