Publikationsserver
Stabilität von funktionellen Konnektivitätsanalysen im Rahmen genetischer Bildgebung
Funktionelle Magnetresonanztomographie kann mit genetischen Untersuchungen über Risikogene für Schizophrenie und bipolare Störung kombiniert werden. Ein oft verwendeter Ansatz der Datenanalyse ist funktionelle Konnektivität: Hierbei wird die zeitliche Korrelation der Aktivierung zwischen einer defin...
Gespeichert in:
| 主要作者: | |
|---|---|
| 其他作者: | |
| 格式: | Dissertation |
| 语言: | 德语 |
| 出版: |
Philipps-Universität Marburg
2016
|
| 主题: | |
| 在线阅读: | PDF-Volltext |
| 标签: |
添加标签
没有标签, 成为第一个标记此记录!
|
| 总结: | Funktionelle Magnetresonanztomographie kann mit genetischen Untersuchungen über Risikogene für Schizophrenie und bipolare Störung kombiniert werden. Ein oft verwendeter Ansatz der Datenanalyse ist funktionelle Konnektivität: Hierbei wird die zeitliche Korrelation der Aktivierung zwischen einer definierten Gehirnregion und allen anderen Bereichen des Gehirns untersucht. In der vorliegenden Arbeit wird gezeigt, wie stark sich frei wählbare Analyseparameter auf die Ergebnisse der Untersuchung von Risikogenen im Rahmen von funktioneller Konnektivität auswirken. Es werden drei exemplarische Parameter untersucht: (i) Die Auswahl der Punkte für die Korrelationsanalyse in der vordefinierten Gehirnregion, (ii) Methoden zur Verbesserung des Signal-Rausch-Verhältnisses und (iii) die Verwendung von zusätzlichen Kovariaten in der Gruppenanalyse. Die Ergebnisse zeigen, dass diese Parameter einen ähnlich starken Effekt auf die Ergebnisse der Konnektivitätsanalyse haben, wie die Modulation durch die untersuchten Risikogene. Manche Effekte der genetischen Varianz zeigen sich nur bei ganz bestimmten Parameterkonstellationen. Im Bereich der bildgebenden psychiatrischen Forschung, die sich mit Risikogenen beschäftigt, ist die Replikation von Forschungsergebnissen schwierig. Oft lassen sich initial viel versprechende Ergebnisse nicht replizieren, vor allem Aufgrund der sehr schwachen Effekte der genetischen Variationen auf die untersuchten Daten. Für eine bessere Vergleichbarkeit von Studien ist es daher wichtig, die verwendeten Analyseparameter bewusst zu wählen und zu publizieren wie robust die Ergebnisse bei Veränderungen der Parameter sind. |
|---|---|
| 实物描述: | 60 Seiten |
| DOI: | 10.17192/z2017.0019 |