Buffl

Methoden - Läsionsstudien

LW
by Lea W.

Event-related Design: Subsequent-Memory-Methode

  • Wagner et al., Science, 1998: Es wird fMRT gemessen, während Probanden einzelne Wörter verarbeiten

  • Aufgabe: Drücke links, wenn das Wort abstrakt ist und rechts, wenn das Wort konkret ist

    • Event-related Design erkennt man an variablem Inter-Stimulus-Intervall zwischen den Reizen -> um die BOLD-Antworten auf die Stimuli voneinander statistisch unterscheiden zu können

  • Überraschender Gedächtnistest nach 20 Min nach der fMRT-Messung

    • Wörter aus der Bildgebungsphase wurden gezeigt zusammen mit Distraktoren und mussten angeben, ob es altes oder neues Item ist

  • Ereignisse werden für die fMRT-Analyse separat je nach Erinnerung ausgewertet: Bedingung 1 - erinnert, Bedingung 2 - vergessen

    • Kann in Abhängigkeit von Ergebnissen beim Gedächtnistest sich die Scans angucken

    • Hat Bedingungen Enkodierung war erfolgreich (erinnert) oder nicht erfolgreich (vergessen)-> kann man miteinander vergleichen

    • Kann Bilder nachträglich den Kategorien zuordnen

    • Kann sich dann angucken, welche Enkodierungsabhängigen BOLD-Effekte mit Erinnerung / erfolgreichen Enkodierung einhergehen

  • Aktivität im Medialen Temporalllappen und lateralen Präfrontalen Kortex geht mit erfolgreicher Enkodierung einher

  • Plots: mittlere BOLD-Antwort nach Reiz und Zeit

  • ❌Kann sich das auch bei anderen Arealen angucken, die nicht für Gedächtnisleistung wichtig sind -> sieht da keinen Unterschied in Effekten der Enkodierungsperformanz (geht um pinke & grüne Linien) -> kann man als Vergleich nutzen

Voraussetzungen

  • Welche Voraussetzungen müssen erfüllt sein, damit von kognitiven Beeinträchtigungen nach Hirnschädigung auf das intakte kognitive System geschlossen werden kann?

  • Die Fraktionierungs-Annahme

    • The most fundamental assumption of cognitive neuropsychology is the fractionation assumption - the belief that brain damage can result in the selective impairment of components of cognitive processing

    • ❌Weiß, dass diese Annahme stimmt

  • Die Modularitäts-Annahme

    • The notion of modularity is the most basic assumption of the Information Processing approach in cognition. It states, essentially, that cognition consists of the functioning of a number of independent processing units

    • Kognition ist modular aufgebaut -> gibt unterschiedliche kogntiive Module, die bis zu einem gewissen Grad für spezifische Aufgaben zuständig sind

  • Die Transparenz-Annahme

    • This assumption essentially says that the cognitive system of a brain-damaged patient is fundamentally the same as that of a normal subject except for a „local“ modification of the system

    • Muss annehmen, dass restliches Gehirn von Patient*in noch so funktioniert wie bei gesunder Person -> Übertragung von Patient*in auf gesundes Gehirn würde sonst nicht funktionieren

  • Die Universalitäts-Annahme

    • A crucial feature of any cognitive model is the assumption of universality; that is, the assumption that the model is true of „normal“ human mind/brains in general and, therefore, of any individual normal mind/brain

    • Annahme, dass kognitives System insgesamt bei allen sehr ähnlich ist -> damit man Annahmen übertragen kann (auch von Patient*in auf gesundes Gehirn)

Schwächen traditioneller Läsionsstudien

  • Bates et al., 2003

  • Gruppierung nach Läsion: funktionelle Subregionen in einer Region-of-interest (ROI) können nicht detektiert werden

    • Subtile Unterschiede im SChädigungsprofil können nicht detektiert werden, da Patient*innen alle in eine Gruppe gepackt werden

  • Substraktionsanalysen: benötigt arbiträren cut-off (Defizit Ja / Nein)

    • Ab wann ist etwas ein Defizit -> muss da Schwelle setzen

  • Voxel-based Lesion-Symptom-Mapping (VLSM, Bates et al., 2003) löst beide Probleme

    • Selektiert Patient*innen -> möchte möglichst große Patient*innengruppen für Variabilität in Läsion

    • Misst in jeder Person das Verhalten, das einen interessiert

    • Geht jetzt Voxel-weise vor -> geht durch jedes Voxel durch und bildet für jedes Voxel neue Untergruppen

    • Bildet dann zwei Gruppen für jedes Voxel: eine Gruppe, in der das Voxel beschädigt ist und andere, in der Voxel unbeschädigt ist

    • In Subgruppen rechnet man aus, was der Unterschied im Verhalten ist

    • Ergebnis (z.B. t-Wert) schreibt man in Voxel -> hat am Ende Karte an t-Werten, die Maß geben, wie diagnostisch Läsion in Voxel für Verhaltensdefizit ist

    • Kann gucken, welche Voxel besonders wichtig für einen Prozess sind

    • Macht whole-brain-Analyes -> würde das für jedes Voxel machen

    • Ob Voxel geschädigt ist, hängt von Läsionsmaske ab, die gemacht wurde und in welche Gruppe Person eingeordnet wurde -> manuelle Einschätzung

    • Kann sich bei Normalisierung nicht 100% drauf verlassen, dass das übereinstimmt

    • ❌Ganz selten nur ein Voxel betroffen, sondern meistens größere Bereiche, die betroffen sind und bei der Analyse rauskommen

      • Würde nicht sehen, wenn nur in einem Voxel Läsion wäre

  • ❌Korrektur für multiple Vergleche über Permutationstest

    • Sehr rechenintensiv, da es so viele Voxel sind

Author

Lea W.

Information

Last changed