Abstract

Zusammenfassung

Neurophysiologische und bildgebende Verfahren zur Messung von Hirnaktivität, wie fMRI oder EEG, werden in den Neurowissenschaften eingesetzt, um Prozesse funktioneller Spezialisierung und funktioneller Integration im menschlichen Gehirn zu untersuchen. Funktionelle Integration kann auf zwei verschiedene Arten beschrieben werden: funktionelle Konnektivität und effektive Konnektivität. Während die funktionelle Konnektivität lediglich statistische Abhängigkeiten zwischen Zeitreihen beschreibt, erfordert das Konzept der effektiven Konnektivität ein mechanistisches Modell der kausalen Effekte, die den beobachteten Daten zu Grunde liegen. Dieser Artikel fasst die konzeptionellen und methodischen Grundlagen moderner Techniken für die Analyse funktioneller und effektiver Konnektivität auf der Basis von fMRI und elektrophysiologischen Daten zusammen. Ein besonderer Schwerpunkt liegt dabei auf dem Dynamic Causal Modelling (DCM), einem neuen Verfahren zur Analyse nichtlinearer neuronaler Systeme. Diese Methode besitzt ein vielversprechendes Potenzial für klinische Anwendungen, z. B. zur Entschlüsselung pathophysiologischer Mechanismen bei Hirnerkrankungen und zur Etablierung neurophysiologisch fundierter diagnostischer Klassifikationen.
Abstract

Neurophysiological and imaging procedures to measure brain activity, such as fMRI or EEG, are employed in neuroscience to investigate processes of functional specialisation and functional integration in the human brain. Functioal integration can be described in two distinct ways: functional connectivity and effective connectivity. Whereas functional connectivity merely describes the statistical dependence between two time series, the concept of effective connectivity requires a mechanistic model of the causative effects upon which the data to be observed are based. This article summarises the conceptual and methodological principles of modern techniques for the analysis of functional and effective connectivity on the basis of fMRI and electrophysiological data. Particular emphasis is placed on dynamic causal modelling (DCM), a new procedure for the analysis of non-linear neuronal systems. This method has a highly promising potential for clinical applications, e. g., for decoding pathological mechanisms in brain diseases and for the establishment of neurologically valid diagnostic classifications.