Entwicklung, Validierung und Anwendung von Verfahren zur Bestimmung der Konnektivität zwischen Hirnstrukturen

• Applicants: Professor Dr. Lars Grasedyck; Professor Dr. Thomas Knösche; Professor Dr. Carsten Hermann Wolters
• Subject Area: Medical Physics, Biomedical Technology
• Term: from 2011 to 2015
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 196030039

• Final Report Year: 2015

Final Report Abstract

In diesem Projektvorhaben wurden neue Verfahren für die EEG und MEG Quellenanalyse (für sowohl Vorwärts- wie auch inverses Problem) entwickelt, validiert und in verschiedenen Anwendungsbereichen evaluiert. Die Validierung und Evaluation wurde mehrstufig über Computersimulationen, Tiermodelle sowie in Anwendung auf realistische am Menschen erfasste Daten vorgenommen. Neue hierarchisch Bayesianische inverse Modellierungsverfahren konnten im Zusammenspiel mit kombinierten EEG und MEG Daten und realistischen Finite Elemente (FE) Kopfmodellen entscheidende Verbesserungen in der Analyse simulierter Daten, wie auch in der Analyse evozierter Potentiale und Felder erzielen in Bezug auf automatische Schätzung der Anzahl Quellen, der Separabilität der Quellen sowie der Tiefenlokalisation. Die neuen Methoden verfügen über bessere numerische Akkuratessen und ermöglichen realistischere Kopf- Volumenleitermodellierung. Ein weiteres wichtiges Resultat des Projektes ist, dass sich unter Nutzung des Helmholtz’schen Reziprozitätsprinzips (adjungierter Ansatz) die Anwendbarkeit der entwickelten neuen Methodik von der EEG und MEG Quellenanalyse auf die transkranielle Hirnstimulation, also transkranielle Gleich- (tDCS) oder Wechselstrom-Stimulation (tACS) sowie transkranielle Magnetstimulation (TMS), erweitern lässt. In Computer-Modellierungsstudien können damit individuell für jeden Probanden/Patienten Stimulations-Setups bestimmt werden, um ein gegebenes Target im Gehirn optimal zu stimulieren. Diverse Anwendungsbereiche (z.B. Depression, Epilepsie, Verbesserung kognitiver Leistungen) einer solchen Optimierung sind denkbar. Sensitivitätsstudien zeigten, dass eine Modellierung des Kopfes mit 6 Gewebekompartimenten und anisotroper weißer Substanz in allen oben genannten Anwendungsbereichen notwendig erscheint. Bei vereinfachter Modellierung des Kopfes durch z.B. das Standard-3-Kompartment-Volumenleitermodell konnten für alle Anwendungsbereiche signifikante Fehler aufgedeckt werden. Der Einfluss des Kopfmodells auf EEG- und MEG Vorwärts- und inverse Lösung und auf die Schätzung der Konnektivität zwischen Hirnarealen stellte sich als bedeutend heraus. Wir konnten zeigen, dass große Fehler in der Konnektivitätsschätzung immer dort auftreten, wo auch große Fehler in der Vorwärtsrechnung entstehen. Die neuen Verfahren wurden dann in klinischen Studien im Bereich der prächirurgischen Epilepsiediagnose evaluiert und deren Mehrwert herausgearbeitet. Es konnte gezeigt werden, dass mit kombinierter EEG/MEG Quellenanalyse im realistischen Multi-Kompartment FE-Kopfmodell eine vorher nicht erkannte fokale kortikale Dysplasie entdeckt werden konnte, die nach Operation zur Anfallsfreiheit führte. Insbesondere letztere Studie zeigt das große Potential der neuentwickelten Methodik.

Publications

• MEG source reconstruction based on identification of directed source interactions on whole-brain anatomical networks. NeuroImage 2014 [epub ahead of print]
  Fukushima, M., Yamashita, O., Knösche, T.R., Sato, M.
  
• (2012), Influences of Skull Segmentation Inaccuracies on EEG Source Analysis, NeuroImage, 62(1):418-31
  Lanfer, B.; Scherg, M.; Dannhauer, M.; Knösche, T.R.; Burger, M. & Wolters, C.H.
  
• Spatio-temporal Regularization in Linear Distributed Source Reconstruction from EEG/MEG - A Critical Evaluation, Brain Topography, 26(2), pp.229-246, (2013)
  Dannhauer, Moritz; Lämmel, Eric; Wolters, Carsten H. & Knösche, Thomas R.
  
• Investigation of tDCS volume conduction effects in a highly realistic head model, J. Neural Eng., 11:016002(14pp), (2014)
  Wagner, S.; Rampersad, S. M.; Aydin, Ü; Vorwerk, J.; Oostendorp, T. F.; Neuling, T.; Herrmann, C. S.; Stegeman, D. F. & Wolters, C. H.
  
• Solving an Elliptic PDE Eigenvalue Problem via Automated Multi- Level Substructuring and Hierarchical Matrices. Computing and Visualization in Science, December 2013, Volume 16, Issue 6, pp 283–302
  Gerds, Peter & Grasedyck, Lars
  
• (2014), A Guideline for Head Volume Conductor Modeling in EEG and MEG, NeuroImage, 100:590-607
  Vorwerk, Johannes; Cho, Jae-Hyun; Rampp, Stefan; Hamer, Hajo; Knösche, Thomas R. & Wolters, Carsten H.
  
• (2015), Combined EEG/MEG Can Outperform Single Modality EEG or MEG Source Reconstruction in Presurgical Epilepsy Diagnosis. PLoS ONE 10(3): e0118753
  Aydin, Ümit; Vorwerk, Johannes; Dümpelmann, Matthias; Küpper, Philipp; Kugel, Harald; Heers, Marcel; Wellmer, Jörg; Kellinghaus, Christoph; Haueisen, Jens; Rampp, Stefan; Stefan, Hermann & Wolters, Carsten H.
  
• (2015), Influence of the head model on EEG and MEG source connectivity analysis. NeuroImage, 110, 60-77
  Cho, Jae-Hyun; Vorwerk, Johannes; Wolters, Carsten H. & Knösche, Thomas R.