Neuroinformatik

Seit ihrer Erfindung vor mehr als 20 Jahren spielt die funktionelle Magnetresonanztomographie (fMRT) eine zentrale Rolle in den kognitiven Neurowissenschaften. Seit einigen Jahren stehen Ultra-Hochfeld-MRT-Scanner (≥ 7 Tesla) zur Verfügung, die Daten in zuvor unerreichter Qualität liefern. Derzeit ist jedoch die volle Komplexität von fMRI-Daten nur unzureichend verstanden.

Unsere eigene frühere Forschung sowie die von mehreren anderen Forschungsgruppen auf der ganzen Welt haben gezeigt, dass nur ein kleiner Prozentsatz der Varianz von fMRI-Zeitverläufen durch Standardanalysetechniken erklärt wird. Außerdem scheint die aufgabenbezogene Aktivierung des Gehirns viel globaler und verteilter zu sein als bisher angenommen. Ultra-Hochfeld-Daten zeigen viel mehr Details, was es noch schwieriger macht, den vollen Informationsgehalt zu verstehen und zu interpretieren.
Unser Forschungsziel ist, neue mathematische Methoden für die Analyse sowohl von Standard-fMRI-Daten (3 Tesla) als auch von Ultrahochfeld-fMRI-Daten (≥ 7 Tesla) zu entwickeln. Wir möchten möglichst viel Information der fMRI-Daten nutzen, um das Verständnis der menschlichen Gehirnfunktion voranzubringen. Insbesondere konzentriert sich unsere Arbeit auf die Entwicklung neuartiger Techniken zur statistischen Inferenz und zur Analyse funktioneller Netzwerke im Gehirn.