vorlesung kognitive neurowissenschaft - tu-dresden.de · abnormal brain structure implicated in...

Vorlesung Kognitive Neurowissenschaft WS 2013/14

Einführung in die funktionelle Bildgebung II: Funktionale Konnektivität und Multi-Voxel-Musteranalyse

Thomas Goschke

1

Von anatomischen Karten… … zur dynamischen Interaktion

funktioneller Systeme

2

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

PPI

V1 X Attention

Friston et al. (1997)

Attention on/off

Time course of V1 activity

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.


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.


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

Einige Beispiele für Analysen von „Large-scale brain systems“

33

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

fMRT-Adaptation und Neuronale Dekodierung mittels Multi-Voxel-Pattern-Analyse

50

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

http://fmri4newbies.com/

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



500-1000 msec

fMRI Adaptation Verschiedene Reize

Gleiche Reize



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

Theoretische Modelle der fMRT Adaptation

59 Grill-Spector, Henson & Martin, 2006, TICS

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

R L

3 mm

3 mm

Information in Multi-Voxel-Mustern?

Reiz 1

(z.B. Haus)

Reiz 2

(z.B. Gesicht)

3 mm

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


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


67 Haxby et al., 2001, Science

Multi-Voxel-Pattern-Analyse


• 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.).


72


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


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

Appendix: Vor- und Nachteile verschiedener Methoden

89

Vergleich verschiedener Bildgebungsmethoden

90


91


92


93

vorlesung kognitive neurowissenschaft - tu-dresden.de · abnormal brain structure implicated in...

Documents