Reliability of dynamic causal modelling of brain connectivity

Autor: Geissberger, Nicole
Jazyk: angličtina
Rok vydání: 2017
Předmět:
DOI: 10.34726/hss.2017.36164
Popis: Funktionelle Magnetresonanztomographie (fMRT) ist ein Bildgebungsverfahren, welches verwendet wird, um die Funktionsweise des menschlichen Gehirns bei bestimmten Aufgabenstellungen zu untersuchen. Hierbei wird unter experimentellen Bedingungen in festen Zeitabst��nden ein 3D-Bild des Gehirns aufgenommen. Kleinste ��nderungen im Hirnstoffwechsel erlauben R��ckschl��sse ��ber die neuronale Aktivit��t w��hrend kognitiver Experimente. F��r die Analyse der so gewonnenen Daten existieren verschiedene Ans��tze. ��blicherweise wird ein lineares Modell (GLM) aufgestellt, in welchem ein linearer Zusammenhang zwischen Stimulus und Hirnaktivit��t dargestellt wird. Mit dieser robusten, sehr einfachen Methode k��nnen jedoch Zusammenh��nge zwischen verschiedenen Bereichen des Gehirns nicht ber��cksichtigt werden. In dieser Arbeit liegt der Fokus deshalb auf Dynamic Causal Modelling (DCM), einer Methode, die f��r die Untersuchung von (Hypothesen zu) funktionellen Netzwerken im Gehirn verwendet wird. Da k��rzlich an verschiedenen Stellen Kritik an der Reproduzierbarkeit dieser Methoden ge��u��ert wurden, untersucht diese Arbeit Techniken und Ans��tze um die Wiederholbarkeit von Ergebnissen quantifizierbar zu machen. Dazu wurden hochaufgel��ste funktionelle MRT-Daten von vierzehn gesunden Probanden mithilfe eines Ultra-Hochfeldtomographen erhoben, w��hrend die Probanden eine Gesichts- bzw. Emotionserkennungsaufgabe erf��llen mussten. Ziel der Studie war einerseits, Ergebnisse aus fr��heren Studien zu reproduzieren, andererseits die Stabilit��t der Ergebnisse bei wiederholten Messungen zu untersuchen. W��hrend die Resultate aus dem klassischen Ansatz des linearen Modells in dieser Studie eine sehr hohe Reproduzierbarkeit aufwiesen und sich auch mit den Ergebnissen anderer Untersuchungen deckten, konnten die DCM Ergebnisse aus einer fr��heren Studie nicht reproduziert werden. Ebenso waren die Ergebnisse ��ber die wiederholten Durchl��ufe nicht konsistent genug, um diesbez��glich Schl��sse ziehen zu k��nnen. Weitere Untersuchungen sind n��tig um herauszufinden, ob diese unschl��ssigen Ergebnisse schlecht gew��hlten Modellhypothesen, einer zu kleinen Stichprobe oder anderen Faktoren zuzuschreiben sind.
Functional magnetic resonance imaging (fMRI) is a neuroimaging technique used to investigate the inner mechanisms of the human brain when presented with certain tasks. A sequence of 3D-images of the brain is acquired during certain experimental conditions to detect subtle changes in brain metabolism, which allow for inferences on neuronal activity during cognitive experiments. In order to analyse the acquired data, numerous approaches can be used, depending on the nature of the research question. Customarily, the relationship between stimulus and brain activity is assumed linear and is thus modelled in the General Linear Model framework. However, this simple yet robust approach does not allow for modelling interrelations between different parts of the brain. In this work, we are focusing on a particular method used for investigating dynamic functional connectivity of brain regions and changes related to certain task conditions, namely Dynamic Causal Modelling (DCM). After recent criticism on this method, we have investigated the test-retest reliability of Dynamic Causal Modelling. We acquired fMRI data on fourteen healthy subjects at ultra-high field while the subjects were repeatedly performing a facial emotion processing task. The task was repeated six times within a measurement session, the whole session was repeated after 14 days. With this study, we aimed to reproduce reported findings and assess the reproducibility of our results after repeated measurements. While the common approach using the General Linear Model yielded results showing high reproducibility and also coinciding with the results of other groups, the DCM results of a previous study could not be reproduced using this data set. Results over repeated measurements were also inconsistent. Further investigations are necessary to unveil the reason for these inconclusive results -- whether the results may be attributed to poorly chosen model hypotheses, an undersized sample or other factors.
Databáze: OpenAIRE
Externí odkaz: