Connectomics Methoden (GraphVar & NBS-Predict)
Sie befinden sich hier:
Connectomics Methoden
Die zunehmende Beliebtheit nicht-invasiver Neuroimaging-Techniken hat zu großen Datenmengen geführt, die eine Untersuchung der strukturellen und funktionellen Architektur des menschlichen Gehirns ermöglichen. Die Neuroimaging-Gemeinschaft ist daher mit einem wachsenden Bedarf an umfassenden Methoden und zugänglichen Werkzeugen konfrontiert, um aus solchen Datensätzen strenge neurowissenschaftliche Schlussfolgerungen abzuleiten. In diesem Zusammenhang gewinnt die Netzwerk-Theorie des Gehirns bzw. die Konnektomik bei der Bewertung des gesamten Gehirns als zusammenhängendes Netzwerk immer mehr an Bedeutung und erweist sich als leistungsfähiges Instrument zur Erfassung der Komplexität von Funktion und Struktur des Gehirns. Aufgrund der Komplexität von Hirnnetzwerken sind diese Methoden für Forscher ohne ausreichende Computerkenntnisse jedoch weitgehend unzugänglich, so dass sie für Wissenschaftler, deren Forschung ansonsten von Hirnnetzwerkanalysen profitieren würde (z. B. im klinischen Umfeld), unerreichbar sind. In diesem Projekt erforschen wir neue Methoden zur Analyse funktioneller Hirnnetzwerke, um diesen wichtigen und ungedeckten Bedarf an zugänglicher Software zu gewährleisten.
Bereits erschienene methodische Entwicklungen:
- GraphVar
- GraphVar 2.0
- NBS-Predict
- Eine schnelle und zuverlässige Methode zur Untersuchung dynamischer Flexibilität von Hirnnetzwerken und Erforschung dynamischer Netzwerkeffekte in intrinsischen und aufgabenbedingten Netzwerkarchitekturen
Leitung: Dr. rer. medic. J. Kruschwitz, habil., Dipl.-Psych. (CCM)
Team: Emin Serin
Ansprechpartner*in: Dr. rer. medic. J. Kruschwitz, habil., Dipl.-Psych. (CCM)