• Medientyp: Buch; Hochschulschrift
  • Titel: Whole-brain cortical parcellation : a hierarchical method based an dMRI tractography
  • Beteiligte: Moreno-Dominguez, David [VerfasserIn]; Haueisen, Jens [Doktorvater]; Knösche, Thomas R. [Gutachter]; Hlawitschka, Mario [Gutachter]
  • Erschienen: [Leipzig]: Max Planck Inst. for Human Cognitive and Brain Sciences, 2014
  • Erschienen in: Max-Planck-Institut für Kognitions- und Neurowissenschaften: MPI series in human cognitive and brain sciences ; 161
  • Umfang: XIII, 169 S.; Ill
  • Sprache: Englisch
  • ISBN: 9783941504455
  • RVK-Notation: XC 4000 : Allgemeines
  • Schlagwörter: Hirnfunktion > Gehirnkarte > Diffusionsgewichtete Magnetresonanztomografie > Cluster-Analyse
  • Entstehung:
  • Hochschulschrift: Zugl.: Ilmenau, Techn. Univ., Diss., 2014
  • Anmerkungen: Parallel als Online-Ausg. erschienen unter der Adresse http://www.db-thueringen.de/servlets/DocumentServlet?id=25533
  • Beschreibung: In den modernen Neurowissenschaften ist allgemein anerkannt, dass die Gehirnfunktionen auf dem Zusammenwirken von verschiedenen Regionen in Netzwerken beruhen und die strukturelle Konnektivität daher großer Bedeutung ist. Daher kann die Abgrenzung funktioneller Hirnbereiche auf der Grundlage der Diffusions-Magnet-Resonanz-Tomographie (dMRT) und der Traktografie zu wertvollen Hirnkarten führen. Existierende Verfahren versuchen eine fest vorgegebene Anzahl von Regionen zu finden und/oder sind auf kleine Bereiche der grauen Substanz beschränkt. Im Allgemeinen ist es jedoch unwahrscheinlich, dass eine einzelne Parzellierung des Kortex, eine ausreichende Darstellung der funktio- anatomischen Organisation des Gehirns erlaubt. In dieser Arbeit schlagen wir eine hierarchische Clusteranalyse vor um diese Einschränkungen zu überwinden und das gesamte Gehirn zu parzellieren. Wir zeigen, dass dieses Verfahren die Eigenschaften der zugrundeliegenden Struktur auf allen Granularitätstufen des hierarchischen Baums (Dendrogramm) kodieren kann. Weiterhin entwickeln wir eine optimale Verarbeitungspipeline zur Erstellung dieses Baums, die dessen Komplexität mit minimalem Informationsverlust reduziert. Wir zeigen wie diese Datenstrukturen verwendet werden können um die Ähnlichkeitstruktur von verschiedenen Probanden oder Messungen zu vergleichen und wie man daraus verschiedene Parzellierungen des Gehirns erhalten kann.Unser neuer Ansatz liefert eine ausführlichere Analyse der anatomischen Strukturen und bietet eine Methode zur Parzellierung des ganzen Gehirns.
  • Weitere Bestandsnachweise
    0 : MPI series in human cognitive and brain sciences

Exemplare

(0)
  • Status: Ausleihbar