DOI chapter:
C. Förderung des wissenschaftlichen Nachwuchses
DOI Page / Citation link: https://doi.org/10.11588/diglit.55652#0234
4. Das menschliche Spiegelneuronensystem (WIN-Programm)
Abb. 3: Beispiel für eine Kom-
ponente derlCA, die Gehirn-
aktivität widerspiegeln könnte.
Der gut verteilte Wechsel von hel-
leren und dunkleren Abschnitten
im Spectrogramm rechts oben passt
zu aujgabenbezogener Gehirn-
aktivität. Die Topographie des
Kopfes links oben zeigt punktuelle
Aktivierungsunterschiede, die nicht
auf Augenaktivität oderfehlerhafte
Kanäle zurückzuführen zu sein
scheinen. Die Frequenzkurve
zeigt keine untypischen Peaks
in höheren Frequenzen. Diese
Komponente bleibt somit in den
Daten enthalten.
weiteren Auswertung stellt auch die Genanalyse dar, für die wir in naher Zukunft
die Daten aus dem Labor erhalten.
Einige vorläufige Ergebnisse haben wir bereits mit Postern und Vorträgen bei
Konferenzen präsentiert.
Im theoretischen Teil des Projekts konnten wichtige Fortschritte hinsichtlich
des globalen Feuerratenmodells erzielt werden. Während 2015 die Integration ei-
nes globalen, feuerraten-basierten Modells in die Analysesoftware SPM und das
klassische Optimierungsverfahren dynamic causal modeling (DCM) im Vorder-
grund stand, wurden 2016 die Parameter dieses Modells an die vervollständigten
fMRT-Daten angepasst, um Hinweise über die funktionale Verbindung zwischen
den beteiligten Hirnregionen zu bekommen. Durch die Verwendung des Feuer-
ratenmodells konnten zudem erstmals auch die globalen physiologischen Eigen-
schaften jeder einzelnen Region in die Schätzung mit einbezogen werden. Mithilfe
dieses erweiterten DCM-Verfahrens konnten wir bereits die funktionelle Netz-
werkstruktur für die Imitationsaufgabc bestimmen. In Übereinstimmung mit der
bekannten Funktionsweise des visu-motorischen Systems wird die Information
über den Gesichtsstimulus vom Superioren temporalen Sulcus (STS) an die Regi-
onen BA44 und inferiorer Parietallappen (IPL) weitergeleitet und erreicht den IPL
ebenfalls über BA44. Beide Verbindungen des „indirekten Pfads“ von STS zu IPL
über die BA44 werden von der Aufgabe moduliert, während der „direkte Pfad“
von STS zu IPL unmoduliert bleibt. Des Weiteren konnten wir zeigen, dass das
235
Abb. 3: Beispiel für eine Kom-
ponente derlCA, die Gehirn-
aktivität widerspiegeln könnte.
Der gut verteilte Wechsel von hel-
leren und dunkleren Abschnitten
im Spectrogramm rechts oben passt
zu aujgabenbezogener Gehirn-
aktivität. Die Topographie des
Kopfes links oben zeigt punktuelle
Aktivierungsunterschiede, die nicht
auf Augenaktivität oderfehlerhafte
Kanäle zurückzuführen zu sein
scheinen. Die Frequenzkurve
zeigt keine untypischen Peaks
in höheren Frequenzen. Diese
Komponente bleibt somit in den
Daten enthalten.
weiteren Auswertung stellt auch die Genanalyse dar, für die wir in naher Zukunft
die Daten aus dem Labor erhalten.
Einige vorläufige Ergebnisse haben wir bereits mit Postern und Vorträgen bei
Konferenzen präsentiert.
Im theoretischen Teil des Projekts konnten wichtige Fortschritte hinsichtlich
des globalen Feuerratenmodells erzielt werden. Während 2015 die Integration ei-
nes globalen, feuerraten-basierten Modells in die Analysesoftware SPM und das
klassische Optimierungsverfahren dynamic causal modeling (DCM) im Vorder-
grund stand, wurden 2016 die Parameter dieses Modells an die vervollständigten
fMRT-Daten angepasst, um Hinweise über die funktionale Verbindung zwischen
den beteiligten Hirnregionen zu bekommen. Durch die Verwendung des Feuer-
ratenmodells konnten zudem erstmals auch die globalen physiologischen Eigen-
schaften jeder einzelnen Region in die Schätzung mit einbezogen werden. Mithilfe
dieses erweiterten DCM-Verfahrens konnten wir bereits die funktionelle Netz-
werkstruktur für die Imitationsaufgabc bestimmen. In Übereinstimmung mit der
bekannten Funktionsweise des visu-motorischen Systems wird die Information
über den Gesichtsstimulus vom Superioren temporalen Sulcus (STS) an die Regi-
onen BA44 und inferiorer Parietallappen (IPL) weitergeleitet und erreicht den IPL
ebenfalls über BA44. Beide Verbindungen des „indirekten Pfads“ von STS zu IPL
über die BA44 werden von der Aufgabe moduliert, während der „direkte Pfad“
von STS zu IPL unmoduliert bleibt. Des Weiteren konnten wir zeigen, dass das
235