vorlesung kognitive neurowissenschaft - tu-dresden.de · abnormal brain structure implicated in...
TRANSCRIPT
Vorlesung Kognitive Neurowissenschaft WS 2013/14
Einführung in die funktionelle Bildgebung II: Funktionale Konnektivität und Multi-Voxel-Musteranalyse
Thomas Goschke
1
Funktionale Spezialisierung vs. Funktionale Integration
3
Funktionale Segregation
Wo sind regional lokalisierte Reaktionen auf einen Reiz / welche Hirnregionen werden in einer Aufgabe aktiviert?
Univariate Analyse regional spezifischer Effekte
Funktionale Integration Wie beeinflusst eine Region andere
Regionen? (funktionale Kopplung & Interaktion)
Wie wird die Interaktion zwischen Regionen durch experimentelle Faktoren (z.B. Variation der Aufmerksamkeit) beeinflusst?
Analyse funktionaler und effektiver Konnektivität
Experim. Bedingungs- manipulation
Funktionale Spezialisierung vs. Funktionale Integration
Ko-Aktivationsmuster von Hirnregionen Modelle der Interaktion zwischen Regionen
4
Strukturelle, funktionelle und effektive Konnektivität
Strukturelle Konnektivität)
= Anatomische (axonale) Verbindungen
Funktionelle Konnektivität
= statistische Abhängigkeiten zwischen fMRT-Zeitreihen in verschiedenen Hirnregionen
Effektive Konnektivität
= gerichteter Einfluss von einer auf eine andere Neuronenpopulation
6
Ein Beispiel: Anatomische Konnektivität der Amygdala
7 Nach Young et al. (1994). Rev. Neurosc. Pessoa, L. (2008). On the relationship between emotion and cognition. Nature Reviews Neuroscience, 9, 148-158.
Diffusions-Tensor-Bildgebung (DTI)
Stellt Diffusionsbewegung von Wassermolekülen im Gewebe räumlich dar
Wasser-Moleküle können sich im Gehirn nicht beliebig bewegen (Isotropie), sondern Bewegung wird u.a. durch Zellmembranen eingeschränkt (Anisotropie)
Moleküle können sich in myelinisierten Nervenfaserbündeln entlang der Axone ungehinderter bewegen als quer zu ihnen.
Aus Diffusionsverhalten kann auf Verlauf großer Nervenfaserbündel geschlossen werden
fronto-occipitaler Fasciculus, der visuellen Kortex mit dem Frontallappen verbindet
© Psychology Press. 8
Eine Beispielstudie: Abnormal Brain Structure Implicated in Stimulant Drug Addiction
Ersche et al. (2012). Abnormal brain structure implicated in stimulant drug addiction. Science, 335, 601-604.
Substanzabhängige und deren nichtabhängige Geschwister zeigen längere Stop Signal Response Times (Maß für Reaktionsinhibition)
SSRT korreliert mit FA im rechten inferioren frontalen Gyrus
Substanzabhängige und deren nichtabhängige Geschwister zeigen geringere fraktionelle Anisotropie (Maß für Integrität und Dichte von Faserbündeln) im rechten inferioren frontalen Gyrus
9
Funktionelle Konnektivität
Statistische Abhängigkeit (z.B. Korrelation) zwischen räumlich getrennten neurophysiologischen Ereignissen (Friston 1994)
Ansatz zur Beschreibung funktionaler Interaktionen ohne Annahme über zugrunde liegende Mechanismen
Verschiedene Methoden:
• Korrelation
• Principle component analysis (PCA)
• Independent component analysis (ICA)
10
Seed voxel
Seed-voxel correlation analyses
Theorie- oder hypothesengeleitete Auswahl eines Seed-Voxels
Extraktion der Referenz-Zeitreihe
Korrelation mit Zeitreihen aller anderen Voxel im Gehirn
11
Resting state connectivity
Probanden sollen im Scanner mit geschlossenen Augen an nichts besonderes denken
Wahl eines Seed-Voxels
Ermittlung der Korrelation zwischen der BOLD-Zeitreihe mit der in Voxeln anderer Regionen
Hohe Korrelation = hohes Mass an funktionaler Konnektivität
Konnektivitätskarte, die alle Regionen mit hoher funktionaler Konnektivität zeigt mit der Seed-Region zeigt
12 van den Heuvel & Hulshoff (2010).
Resting-state networks
Evidenz für funktional verbundene Resting-State-Netzwerke
Z.B. “default mode network” (precuneus, medial frontal & inferior parietal cortex, medial temporal lobe)
13
(a) Biswal et al. (1995), (b) Beckmann et al. (2005), (c) De Luca et al. (2006), (d) Damoiseaux et al. (2006), (e) Salvador et al. (2005a), and (f) Van den Heuvel et al. (2008a).
Modeling functional brain networks
Functionale Konnektivität kann als Graph dargestellt werden
Kanten repräsentieren funktionale Verbindungen zwischen Knoten
In Resting-State fMRT-Studien wird Konnektivität aus Korrelationen zwischen den fMRT-Zeitreihen in veschiedenen Regonen abgeleitet
Funktional Konnektivität zwischen vielen Paaren von Knoten Konnektivitätsmatrix
Konnektionen, deren Sträke bestimmte Schwelle übersteigt Funktionale Konnektivitätskarte
Funktionale Bedeutung von Resting-State-Konnektivität ist nicht völlig geklärt
van den Heuvel & Hulshoff (2010). Europ. Neuropsychopharmac. 14
Vor- und Nachteile funktionaler Konnektivitätsanalysen
Vorteile
• Gibt wichtige Hinweise auf mögliche funktionale Interaktionen zwischen Hirnregionen
Nachteile
• Keine direkten Rückschlüsse auf die Mechanismen der zugrunde liegenden neuronalen Systeme
Modelle der effektiven Konnektivität sind erforderlich, um Annahmen über zugrunde liegende neuronale Interaktionen zu testen
17
Einige Ansätze zur Modellierung effektiver Konnektivität
Regressionsmodelle (z.B. psycho-physiologische Interaktionsanalyse; PPI)
• Friston et al. 1997
Strukturgleichungsmodelle
• Büchel & Friston 1997; Bullmore et al. 2000
Dynamic Causal Modelling (DCM)
• Friston et al. 2003; Stephan et al. 2008
Zeitreihenmodelle (z.B. Granger causality)
• Harrison et al. 2003; Goebel et al. 2003
18
Psycho-Physiologische Interaktion (PPI)
Wenn 2 Regionen interagieren, sollte ihre Aktivierung über die Zeit korreliert sein
Wie verändert sich die Ko-Aktivierung von Hirnregionen in Abhängigkeit von experimentellen Bedingungsvariationen (z.B. Aufgabe, mentaler Zustand)?
19
z.B. Fokussierte Aufmerksamkeit
z.B. ohne Aufmerksamkeit
X
Psycho-physiologische Interaktion (PPI)
Design mit
• einer psychologischen Variable (experimenteller Faktor, z.B. Aufgabe, Stimulus, kognitiver Prozess)
• einer physiologischen Variable (Hirnaktivierung in einer bestimmten Region)
• der Interaktion der beiden Variablen
20
Source (activity in region A)
Context (Task, mental
state etc.)
Response (activity in region B)
Ein Beispiel (Friston et al., 1997)
Probandin sollte (a) Veränderungen in der Bewegung von Punkten entdecken oder (b) die bewegenden Punkte nur betrachten
Wird die funktionale Konnektivität zwischen V1 und V5 durch die Aufmerksamkeitsmanipulation moduliert?
21
X Activity
in V1
Attention
Activity in V5
Ein Beispiel (Friston et al., 1997)
Regression der V5-Aktivität auf die V1-Aktivität zeigt stärkeren Zusammenhhang, wenn die Probandin die Aufmerksamkeit auf die Bewegung der Punkte richtete vs. wenn sie dies nicht tat
Attention
No attention
Wissen über neurobiologische Plausibilität von Interaktionen ist notwendig, um
PPI Ergebnisse zu interpretieren
Kontext-abhängige Modulation der
Konnektivität Aktivierungsabhängige Modulation des
kontextuellen Einflusses
Aufmerksamkeit moduliert V1-V5
Konnektivität
V1 moduliert Einfluss der Aufmerksamkeit auf
V5
PPI: Zwei mögliche Interpretationen
25
Activity in V1
Attention
Activity in V5
Activity in V1
Attention
Activity in V5
Psychophysiologische Interaktion (PPI): Kausale Interpretation?
Doppeldissoziation zwischen Region A und B:
• Bedingung X Koaktivation von A + C; keine Aktivierung von B
• Bedingung Y Koaktivation von B + C; keine Aktivierung von A
Spricht dafür, dass A und B beide mit C, aber nicht untereinander funktional verbunden sind
Dass Aktivierung von C nicht immer Aktivierung von A oder B vorhersagt spricht dafür (aber beweist nicht!), dass Aktivierung von A oder B die Aktivierung von C verursacht
Zur Absicherung solcher Schlussfolgerungen ist weitere Evidenz erforderlich (z.B. dass Aktivierung von A und B mit kürzerer Latenz auftritt als die von C)
26
Connectivity Analyses Revealing Different Sources of Modulation of Visual Processing by Pain and Working Memory
Bingel et al. (2007). Neuron.
27
Modulation of effect of visibility on occ. cortex by right inf. parietal activity this region is the modulatory source by which working memory load exerts control over visual areas
Modulation of effect of visibility on occ. cortex by rACC activity this area is the modulatory source by which pain exerts control over visual areas
Beispiel für eine psycho-physiologische Interaktion: Kognitive Kontrolle emotionaler Reaktionen
Unterdrücken
oder
Zulassen
+
2 s 8 s 20 s
Walter, H., von Kalckreuth, A., Schardt, D., Stephan, A., Goschke, T., & Erk, S. (2009). The Temporal Dynamics of Voluntary Emotion Regulation. PLoS ONE 28
Emotionsunterdrückung korreliert mit erhöhter Aktivierung im rechten Frontal- und Parietalkortex
PX SNPN SXPX SNPN SX PX SNPN SXPX SNPN SXZul.
Neut.
Unt.
Neut.
Zul.
Neut.
Unt.
Neut.
Zulass.
Neg.
Zulass.
Neg.
Unterdr.
Neg.
Unterdr.
Neg.
Walter, H., von Kalckreuth, A., Schardt, D., Stephan, A., Goschke, T., & Erk, S. (2009). The Temporal Dynamics of Voluntary Emotion Regulation. PLoS ONE 29
Willentliche Emotionsunterdrückung korreliert mit reduzierter Aktivierung der Amygdala
PN PX SN SX PX SNPN SXPX SNPN SXZul.
Neut.
Unt.
Neut.
Zul.
Neut.
Unt.
Neut.
Zulass.
Neg.
Zulass.
Neg.
Unterdr.
Neg.
Unterdr.
Neg.
Walter, H., von Kalckreuth, A., Schardt, D., Stephan, A., Goschke, T., & Erk, S. (2009). The Temporal Dynamics of Voluntary Emotion Regulation. PLoS ONE 30
Erhöhte funktionale Koppelung von Amygdala und medialem Präfrontalkortex während willentlicher Regulation negativer Emotionen
Walter, von Kalckreuth, Schardt, Stephan, Goschke, & Erk (2009). Unpublished data. 31
Effektive Konnektivität: Weitere Ansätze
Strukturgleichungsmodelle
Dynamic causal modeling
2. Semester
32
Three core neurocognitive networks
Central executive network
• Dorsolateral PFC; posterior parietal cortex (PPC)
• Working memory, cognitive control, executive attention
Salience network
• Insular cortex, dorsal anterior cingulate cortex (dAC)
• Connectivity with subcortical and limbic structures involved in reward and motivation
• Detection of salient external and internal events.
Default mode network
• Posterior cingulate corrtex (PCC), medial PFC
• Self-referential mental activity
35 Menon (2011). Trends in Cognitive Sciences, 15
Patterns of aberrant amygdala circuits and cross-network coupling in patients with anxiety disorder
36
Hyperactivation of amygdala and insular cortex based on meta-analysis of patients with posttraumatic stress disorder, social anxiety disorder and specific phobia.
In patients with generalized anxiety disorder, basolateral (BLA) and centromedial (CMA) amygdala connectivity patterns are less distinct and characterized by increased connectivity with frontoparietal executive networks and decreased connectivity with cingulate-insular salience network
Menon (2011). Trends in Cognitive Sciences, 15
Frontoparietal functional connectivity deficits in patients with schizophrenia
Patients showed functional connectivity deficits in a large-scale network of brain regions, in particular frontal cortex and posterior regions.
38
Triple network model of major psychopathology Menon (2011). Trends in Cognitive Sciences.
Aberrant connectivity of salience network (SN), central executive network (CEN), and default mode network (DMN) characteristic of many psychiatric and neurological disorders
39
Genetic Variation Affects Risk for Psychopathology by Disrupting Cognition-Specific Brain Circuits
Buckholtz & Meyer-Lindenberg (2012). Neuron, 74(6), 990-1004. 40
Acute stress and cognitive control
Arnsten (2009). Nat. Rev. Neurosc.
Goal-directed (top-down) control in non-
stress conditions
Habitual (bottom-up) control under
acute stress
42
Grenzen der traditionellen Subtraktionslogik
Mentale Inhalte werden vermutlich als neuronale Aktivitätsmuster repräsentiert
Es gibt Evidenz, dass einzelne Neurone im medialen Temporallappen selektiv auf unterschiedliche Ansichten des gleichen Gesichts reagieren
“Jennifer Aniston” neuron in human medial temporal lobe?
Quiroga et al., (2005) Invariant visual representation by single neurons in the human brain. Nature
A single unit in the left posterior hippocampus activated exclusively by different views of the actress Jennifer Aniston
52
A single unit in the right NTERIOR anterior hippocampus activated exclusively by different views of the actress Halle Berry
53
Grenzen der traditionellen Subtraktionslogik F
irin
g R
ate
Firin
g R
ate
Firin
g R
ate
Activa
tio
n
Neuron 1
“likes” Jennifer Aniston
Neuron 2
“likes” Julia Roberts
Neuron 3
“likes” Brad Pitt
Obwohl es Neuronen
gibt, die selektiv auf
bestimmte Reize
reagieren, zeigt die
Population als
Ganzes keine
Präferenz
• fMRI Auflösung ist ca. 3 x 3 x 3 mm, d.h. jeder Voxel kann Millionen von
Neuronen enthalten. Betrachten wir nur drei Neuronen.
Adapted from J. Culham
fMRT Adaptation
• Wird der gleiche Reiz wiederholt dargeboten, ist das
fMRT-Signal bei der zweiten Darbietung reduziert
Wiederholung
Keine
Wiederholung
Zeit
Hypothetische Aktivität in
Gesichter-Selektiver Region (FFA)
Activation
Adapted from J. Culham
500-1000 msec
fMRI Adaptation Verschiedene Reize
Gleiche Reize
Adapted from J. Culham
Repetition suppression and fMRI adaptation
Wenn verschiedene Reize unterschiedliche Neuronen-Populationen in der gleichen Hirnregion aktivieren, kann dies in Standard-fMRT-Experimenten nicht entdeckt werden
• Wiederholte Darbietung eines Reizes reduzierte neuronale Aktivierung (fMRI adaptation)
57
Repetition suppression and fMRI adaptation
Methode kann genutzt werden, um die Selektivät bestimmter Hirnregionen für bestimmte Reizdimensionen zu ermitteln
Z.B. Adaptiert fMRI-Signal, wenn das gleiche Objekt in unterschiedlicher Orientierung dargeboten wird Region verarbeitet abstrakte (blickwinkelinvariante) Objektrepräsentationen
58
Time
Adaptation Blickwinkelinvarianz: • Region kodiert Gesicht als identisch trotz Wechsel des Blickwinkels
Keine Adaptation Blickwinkelabhängigkeit: • Region kodiert Gesicht als verschieden wenn Blickwinkel sich ändert
Activation
Multivoxel Pattern Analyses
Kann man aus neuronalen Aktivierungsmuster erschließen, was eine Person denkt?
3 mm
3 mm
Multi-Voxel-Aktivierungsmuster
Moderne Scanner können ~150,000 Voxel in 2 sec scannen
3 mm
low
activity
high
activity
Standard Analyse
trial 1
trial 3
trial 2
trial 1
trial 2
trial 3
Reiz 1 Reiz 2
Mittlere
summierte
Aktivation
Aktivität
einzelner
Voxel
Multi-voxel pattern analysis (MVPA)
Training
Trials
Test
Trials (not in training set)
trial 1
Kann Algorithmus
überzufällig korrekt
“erraten”, zu welchem Trial-
Typ ein Testmuster gehört?
trial 3
trial 2
trial 1
trial 2
trial 3
Stimulus 1 Stimulus 2
Adapted from J. Culham
Decoding visual object perception from fMRI responses
Haynes, J. D., & Rees, G. (2006). Decoding mental states from brain activity in humans. Nature Reviews Neuroscience, 7(7), 523-534. 66
Decoding visual object perception from fMRI responses
Haynes, J. D., & Rees, G. (2006). Decoding mental states from brain activity in humans. Nature Reviews Neuroscience, 7(7), 523-534. 68
Multi-Voxel-Pattern-Analyse
Haynes, J. D., & Rees, G. (2006). Decoding mental states from brain activity in humans. Nature Reviews Neuroscience, 7(7), 523-534. 70
• Aktivitätsmuster in einer Menge von Voxeln wird als Vektor kodiert
• Annahme: Verschiedene Muster-Vektoren spiegeln unterschiedliche mentale Zustände (z.B. Vorstellung verschiedener Objekte; verschiedene Handlungsabsichten etc.).
Multi-Voxel-Pattern-Analyse
5
1
4
1
1
1
4
1
1
4
Kategorie 1 (z.B. Gebäude)
Kategorie 2 (z.B. Gesichter)
S1 S2 S3 S4 S5
S1 S2 S3 S4 S5
Voxel 1
Voxel 2
Voxel 3
Voxel 4
Voxel 5
Voxel 1
Voxel 2
Voxel 3
Voxel 4
Voxel 5
75
Multi-Voxel-Pattern-Analyse
Each pattern vector = point in N-dimensional space (Example: 2 dimensions; 2 conditions [red, blue]
A classifier is trained to discriminate pattern vectors from different conditions
Conditions are not separable in single voxels because distributions overlap. Conditions can be separated by a linear decision boundary when taking into account both voxels.
Responses from two conditions (red vs. blue) are separable within individual voxels
A linear decision boundary is not sufficient and a curved decision boundary is required (nonlinear classifier).
Haynes, J. D., & Rees, G. (2006). Nature Reviews Neuroscience, 7(7), 523-534. 78
• Probanden sollten entscheiden, ob sie zwei Zahlen addieren oder subtrahieren wollen und die Absicht bis zum Erscheinen von zwei Zahlen aufrechterhalten
• Aus Aktivierungsmustern im medialen präfrontalen Kortex während der Delay-Phase sagten konnte mit 70% Korrektheit die Absicht der Probanden dekodiert werden
Dekodierung von einfachen selbstgewählten Absichten (Haynes et al., 2007)
Fazit: Einige zu beachtende methodische Aspekte
Theoretische begründete Wahl der “Baseline” und Experimentalbedingungen
Grenzen der Subtraktionsmethode u.U. Verletzung der “pure insertion” Annahme Faktorielle Designs und Interaktionsanalysen
Zeitliche Auflösung und Anforderungen unterschiedlicher Designs (z.B. Trialsequenzen und zeitliches Jittering in ereigniskorrelierten Designs)
Qualitätskontrollen (Vorverarbeitung, Artefaktkorrektur etc.)
Gruppenanalysen Jedes Gehirn unterscheidet sich anatomisch (Wie bestimmt man, ob Aktivierung in zwei Gehirnen in der “gleichen” Region lokalisiert ist?)
Problem der multiplen Testung / “whole brain analyses” oder “regions of interest” Ansatz?
Von funktionaler Konnektivität zu kausalen Modellen der zugrunde liegenden Mechanismen?
87
Ausgewählte Literatur
Zur vertieften Einführung:
• Huettel et al. (2009). Functional magnetic resonance imaging (2nd. Ed). Sinauer.
Zu Problemen bei der statistischen Analyse von Bildgebungsdaten
• Vul, E., Harris, C., Winkielman, P., & Pashler, H. (2009). Puzzlingly High Correlations in fMRI Studies of Emotion, Personality, and Social Cognition. Perspectives on Psychological Science, 4(3), 274-290.
• Kriegeskorte, N., Simmons, W. K., Bellgowan, P. S. F., & Baker, C. I. (2009). Circular analysis in systems neuroscience: the dangers of double dipping. Nature Neuroscience, 12(5), 535-540. doi: 10.1038/nn.2303
• Hanson, S.J. & Bunzl, M. (2010). Foundational issues in human brain mapping. MIT Press.
Weitere Literatur zu fMRT in Kürze auf der Webseite
88