Difference between revisions of "Store:EEMIde02"
Gianfranco (talk | contribs) |
|||
| Line 1: | Line 1: | ||
=== | === Einführung === | ||
Ein wichtiges, aber herausragendes Thema in der zeitgenössischen kognitiven Neurowissenschaft ist das Verständnis der organisatorischen Eigenschaften neuronaler Aktivität. Gibt es zum Beispiel eine grundlegende Struktur für die räumlich-zeitlichen Muster der neuronalen Gehirnaktivität unter verschiedenen Bedingungen? Ein gängiger Ansatz zur Beantwortung dieser Frage ist die Untersuchung des Gehirns im „Ruhezustand“. Maßnahmen wie funktionelle Konnektivität, unabhängige Komponentenanalyse und graphentheoretische Metriken wurden auf Daten angewendet, die mit verschiedenen Bildgebungsverfahren (z. B. funktionelle Magnetresonanztomographie (fMRI) und Elektroenzephalographie (EEG)) aufgezeichnet wurden, um Gehirnbereiche zu gruppieren, die ähnliche Aktivitätsmuster aufweisen . Zahlreiche Studien haben gezeigt, dass die Gehirnaktivität während der „Ruhe“ in unterschiedliche Netzwerke gruppiert werden kann; <ref>{{cita libro | |||
| autore = Biswal B | | autore = Biswal B | ||
| autore2 = Zerrin Yetkin F | | autore2 = Zerrin Yetkin F | ||
| Line 46: | Line 46: | ||
| LCCN = | | LCCN = | ||
| OCLC = | | OCLC = | ||
}}</ref> | }}</ref> wie sensorische (visuelle und auditive), Standardmodus-, Exekutiv-, Salienz-und Aufmerksamkeitsnetzwerke (ventral und dorsal), die zuverlässig über Tausende von Teilnehmern reproduziert wurden<ref>{{cita libro | ||
| autore = Eickhoff SB | | autore = Eickhoff SB | ||
| autore2 = Yeo BTT | | autore2 = Yeo BTT | ||
| Line 64: | Line 64: | ||
| LCCN = | | LCCN = | ||
| OCLC = | | OCLC = | ||
}}</ref> | }}</ref> und prädiktiv für phänotypische Maßnahmen wie Kognition und klinische Diagnosen sind.<ref>{{cita libro | ||
| autore = Dajani DR | | autore = Dajani DR | ||
| autore2 = Burrows CA | | autore2 = Burrows CA | ||
| Line 86: | Line 86: | ||
| LCCN = | | LCCN = | ||
| OCLC = | | OCLC = | ||
}}</ref><ref>Uddin LQ, Karlsgodt KH. Future directions for examination of brain networks in neurodevelopmental disorders. J. Clin. Child Adolesc. Psychol. 2018;47:483–497. doi: 10.1080/15374416.2018.1443461. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref>Sripada C, et al. Prediction of neurocognition in youth from resting state fMRI. Mol. Psychiatry. 2020;25:3413–3421. doi: 10.1038/s41380-019-0481-6. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> | }}</ref><ref>Uddin LQ, Karlsgodt KH. Future directions for examination of brain networks in neurodevelopmental disorders. J. Clin. Child Adolesc. Psychol. 2018;47:483–497. doi: 10.1080/15374416.2018.1443461. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref>Sripada C, et al. Prediction of neurocognition in youth from resting state fMRI. Mol. Psychiatry. 2020;25:3413–3421. doi: 10.1038/s41380-019-0481-6. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Diese Ergebnisse deuten darauf hin, dass diese Netzwerke ein intrinsischer Aspekt der neuronalen Aktivität sein könnten. | ||
Revision as of 18:29, 26 March 2023
Einführung
Ein wichtiges, aber herausragendes Thema in der zeitgenössischen kognitiven Neurowissenschaft ist das Verständnis der organisatorischen Eigenschaften neuronaler Aktivität. Gibt es zum Beispiel eine grundlegende Struktur für die räumlich-zeitlichen Muster der neuronalen Gehirnaktivität unter verschiedenen Bedingungen? Ein gängiger Ansatz zur Beantwortung dieser Frage ist die Untersuchung des Gehirns im „Ruhezustand“. Maßnahmen wie funktionelle Konnektivität, unabhängige Komponentenanalyse und graphentheoretische Metriken wurden auf Daten angewendet, die mit verschiedenen Bildgebungsverfahren (z. B. funktionelle Magnetresonanztomographie (fMRI) und Elektroenzephalographie (EEG)) aufgezeichnet wurden, um Gehirnbereiche zu gruppieren, die ähnliche Aktivitätsmuster aufweisen . Zahlreiche Studien haben gezeigt, dass die Gehirnaktivität während der „Ruhe“ in unterschiedliche Netzwerke gruppiert werden kann; [1][2] wie sensorische (visuelle und auditive), Standardmodus-, Exekutiv-, Salienz-und Aufmerksamkeitsnetzwerke (ventral und dorsal), die zuverlässig über Tausende von Teilnehmern reproduziert wurden[3] und prädiktiv für phänotypische Maßnahmen wie Kognition und klinische Diagnosen sind.[4][5][6] Diese Ergebnisse deuten darauf hin, dass diese Netzwerke ein intrinsischer Aspekt der neuronalen Aktivität sein könnten.
- ↑ Biswal B, Zerrin Yetkin F, Haughton VM, Hyde JS, «Functional connectivity in the motor cortex of resting human brain using echo-planar MRI», in Magn Reson Med, 1995».
PMID:8524021
DOI:10.1002/mrm.1910340409 - ↑ Hutchison RM, Womelsdorfb T, Allenc EA, Bandettini PA, Calhound VD, Corbetta M, Della Penna S, «Dynamic functional connectivity: Promise, issues, and interpretations», in Neuroimage, 2013».
PMID:23707587 - PMCID:PMC3807588
DOI:10.1016/j.neuroimage.2013.05.079 - ↑ Eickhoff SB, Yeo BTT, Genon S, «Imaging-based parcellations of the human brain», in Nat Rev Neurosci, 2018».
PMID:30305712
DOI:10.1038/s41583-018-0071-7 - ↑ Dajani DR, Burrows CA, Odriozola P, Baez A, Nebel MB, Mostofsky SH, Uddin LQ, «Investigating functional brain network integrity using a traditional and novel categorical scheme for neurodevelopmental disorders», in NeuroImage Clin, 2019».
PMID:30708240 - PMCID:PMC6356009
DOI:10.1016/j.nicl.2019.101678 - ↑ Uddin LQ, Karlsgodt KH. Future directions for examination of brain networks in neurodevelopmental disorders. J. Clin. Child Adolesc. Psychol. 2018;47:483–497. doi: 10.1080/15374416.2018.1443461. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
- ↑ Sripada C, et al. Prediction of neurocognition in youth from resting state fMRI. Mol. Psychiatry. 2020;25:3413–3421. doi: 10.1038/s41380-019-0481-6. [PMC free article] [PubMed] [CrossRef] [Google Scholar]