UZH-Logo

Funktionelle und effektive Konnektivität


Stephan, K E; Kasper, L; Brodersen, K H; Mathys, C (2009). Funktionelle und effektive Konnektivität. Klinische Neurophysiologie, 40(4):222-232.

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.

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.

Citations

2 citations in Web of Science®
2 citations in Scopus®
Google Scholar™

Altmetrics

Downloads

24 downloads since deposited on 30 Jan 2010
1 download since 12 months
Detailed statistics

Additional indexing

Other titles:Functional and Effective Connectivity
Item Type:Journal Article, refereed, further contribution
Communities & Collections:04 Faculty of Medicine > Institute of Biomedical Engineering
03 Faculty of Economics > Department of Economics
Dewey Decimal Classification:170 Ethics
610 Medicine & health
330 Economics
Language:German
Date:2009
Deposited On:30 Jan 2010 00:19
Last Modified:05 Apr 2016 13:43
Publisher:Thieme
ISSN:1434-0275
Publisher DOI:10.1055/s-0029-1243196
Permanent URL: http://doi.org/10.5167/uzh-26856

Download

[img]
Filetype: PDF - Registered users only
Size: 1MB
View at publisher

TrendTerms

TrendTerms displays relevant terms of the abstract of this publication and related documents on a map. The terms and their relations were extracted from ZORA using word statistics. Their timelines are taken from ZORA as well. The bubble size of a term is proportional to the number of documents where the term occurs. Red, orange, yellow and green colors are used for terms that occur in the current document; red indicates high interlinkedness of a term with other terms, orange, yellow and green decreasing interlinkedness. Blue is used for terms that have a relation with the terms in this document, but occur in other documents.
You can navigate and zoom the map. Mouse-hovering a term displays its timeline, clicking it yields the associated documents.

Author Collaborations