Refine
Document Type
- Doctoral Thesis (2)
- Article (1)
Language
- German (3) (remove)
Has Fulltext
- yes (3) (remove)
Is part of the Bibliography
- no (3) (remove)
Keywords
- EEG (3) (remove)
Institute
- Psychologie (2)
- Medizin (1)
Die Wahrnehmung von Objekten gelingt uns jeden Tag unzählige Male – zumeist rasend schnell und problemlos. Obwohl fast immer mehrere unserer Sinne gleichzeitig bei ihrer Wahrnehmung angesprochen werden, erscheinen uns diese Objekte dennoch als ganzheitlich und geschlossen. Für die neuronale Verarbeitung eines bellenden Hundes zum Beispiel empfängt die Großhirnrinde zumindest Eingangsdaten des Seh- und des Hörsystems. Sie werden auf getrennten Pfaden und in spezialisierten Arealen mit aufsteigender Komplexität analysiert. Dieses Funktionsprinzip der parallel verteilten Verarbeitung stellt die Wissenschaftler aber auch vor das so genannte »Bindungsproblem«: Wo und wie werden die Details wieder zu einem Ganzen – zu einer neuronalen Repräsentation – zusammengefügt? Am Institut für medizinische Psychologie der Universitätsklinik Frankfurt untersuchen Neurokognitionsforscher die crossmodale Objekterkennung mit einer Kombination modernster Verfahren der Hirnforschung und kommen dabei den Ver - arbeitungspfaden in der Großhirnrinde auf die Spur.
Das ereigniskorrelierte Potential (EKP) P300 ist eines der am häufigsten untersuchten Potentiale des Elektroenzephalogramms (EEG). Wegen der bedeutsamen Rolle der P300 in der kognitiven Forschung mit gesunden Probanden und psychiatrischen Patienten kommt der Suche nach ihren neuronalen Generatoren ein hoher Stellenwert zu. Man geht im Allgemeinen davon aus, dass sie kein einheitliches Potential darstellt und von mehreren weit verstreuten Quellen generiert wird. Die Fragen nach der genauen Anzahl der P300-Subkomponenten, ihrer Lokalisierung sowie den ihnen zugrunde liegenden kognitiven Prozesse sind jedoch nach wie vor ungelöst. Die Zielsetzung der vorliegenden Arbeit war, die P300 mit Hilfe der Kombination vom EEG und der funktionalen Magnetresonanztomografie (fMRT) in ihre Subkomponenten zu untergliedern und deren Quellen zu lokalisieren. Zu diesem Zweck wurden drei kombinierte EEG/fMRT-Studien durchgeführt. Die ersten beiden Studien beinhalten eine abgewandelte Form des klassischen Oddballparadigmas. Bei der dritten Studie handelt es sich um ein Arbeitsgedächtnisexperiment. Durch die Verknüpfung der fMRT-Ergebnisse mit EKP-Daten aus den beiden Oddball-Experimenten konnten die neuronalen Quellen der zwei wichtigsten Subkomponenten der P300, der P3a und P3b, lokalisiert werden. Es konnte gezeigt werden, dass inferiore und posteriore parietale (IPL bzw. PPC) und inferior temporale (IT) Areale zur Entstehung der P3b beitrugen, während hauptsächlich die präzentralen Regionen (PrCS) die P3a generierten. Die Ergebnisse des Arbeitsgedächtnisexperiments bestätigten die P3b-Quellenlokalisierung der Oddball-Untersuchung mit einr Beteiligung von PPC und IT an der Generierung der P3b-Komponente. Das Arbeitsgedächtnisexperiment verdeutlichte aber auch, dass eine komplexere Abrufanforderung (mit langen Reaktionszeiten) zu einer anhaltenden Aktivität im PPC und einer späten Antwort im ventrolateralen präfrontalen Kortex (VLPFC) führte, die eine zweite P3b-Subkomponente generierten. Durch eine umfassende zeitlich-räumliche Trennung der neuronalen Aktivität beim Arbeitsgedächtnisabruf konnten darüber hinaus die einzelnen Stufen der beteiligten Informationsverarbeitungsprozesse (mentale Chronometrie) beschrieben werden. Diese Anwendung ging über die „reine“ Quellenlokalisation der P300-Komponenten hinaus. Die Ergebnisse zeigten frühe transiente Aktivierungen im IT, die sich zeitlich mit dem Beginn einer anhaltenden Aktivität im PPC überlappten. Darüber hinaus wurden eine späte transiente Aktivität im VLPFC und eine späte anhaltende Aktivität im medialen frontalen und motorischen Kortex (MFC bzw. MC) beobachtet. Es liegt nahe, dass diese neuronalen Signaturen einzelne Stufen kognitiver Aufgabenverarbeitungsschritte wie Reizevaluation (IT), Operationen am Gedächtnispuffer (PPC), aktiven Abruf (VLPFC) und Reaktionsorganisation (MFC und MC) reflektieren. Die vorgestellten Quellenmodelle zeigten übereinstimmend, dass mehrere kortikale Generatoren das P300-EKP erzeugen. Dabei trugen neben den erwarteten parietalen interessanterweise auch inferior temporale und inferior frontale Quellen zur P3b bei, während die P3a vor allem auf anterioren Generatoren im prämotorischen Kortex basierte. Diese Ergebnisse bestätigen teilweise die bisherigen Lokalisationsmodelle, die weitgehend auf neuropsychologischen und invasiven neurophysiologischen Befunden beruhen, widersprechen ihnen aber auch zum Teil, besonders was die Abwesenheit der postulierten präfrontalen und hippocampalen Beiträge zur P3a bzw. P3b betrifft.
Microstates sind kurzzeitig andauernde, wiederkehrende elektrische Potentialfelder über dem Kortex. Ein Großteil der Signalvarianz des
Elektroenzephalogramms (EEG) wird durch vier repräsentative räumliche Potentialverteilungen (Topographien) abgedeckt, welche bereits im Wachzustand und im Schlaf identifiziert wurden und kanonisch als Karten A-D bezeichnet werden. Microstates wurden in den vergangenen Jahren vor allem im Ruhe-Wach-EEG untersucht, über andere Vigilanzzustände hingegen wissen wir bisher wenig. Klassischerweise analysieren wir verschiedene Vigilanzzustände im Elektroenzephalogramm anhand von Frequenzen und Graphoelementen, die Microstate-Analyse hingegen betrachtet in erster Linie die räumliche Verteilung des kortikalen Potentials zu einem jeweiligen Zeitpunkt.
Die vorliegende Studie hatte zum Ziel, die zeitliche Abfolge von Microstates im Wachzustand und im Schlaf zu charakterisieren. Mittels informationstheoretischer Ansätze können die dynamischen Eigenschaften der Microstate-Sequenz direkt mit den frequenzbasierten Eigenschaften des zugrundeliegenden EEG verglichen werden. Es wurden die Ruhe-Wach- und Schlafdaten von 32 gesunden Probanden analysiert. Hierbei fand sich eine Zunahme der mittleren Microstate-Dauer und der Relaxationszeit der Übergangsmatrix, was langsamere Dynamiken im Schlaf anzeigt. Erstaunlicherweise konnte im Tiefschlaf mehr als die Hälfte der Sequenzen nicht von einem simplen Markov-Modell unterschieden werden, was für eine Abnahme der Komplexität der Microstate-Sequenzen spricht. Die Entropierate der untersuchten Sequenzen nahm mit zunehmender Schlaftiefe ab, was weniger
Zufall bzw. eine größere Vorhersagbarkeit innerhalb der Sequenzen bedeutet.
Darüberhinaus konnte gezeigt werden, dass Microstates immer dann periodisch auftreten, wenn das zugrundeliegende EEG eine dominante Grundfrequenz aufweist, sodass oszillatorische Hirnaktivität auch auf der Microstate-Ebene verfolgbar ist. Hierdurch ist es möglich, physiologische Vigilanzzustände quantitativ voneinander zu unterscheiden.
Interpretiert man Microstates als Korrelate neuronaler Netzwerke, scheinen im Schlaf dieselben oder ähnliche Netzwerke aktiviert zu werden wie im Wachzustand, allerdings mit zunehmender Schlaftiefe langsamer und auf eine weniger komplexe Art und Weise.