Loading…
Thumbnail Image

Investigation of dynamical brain networks

Chinichian, Narges

FG Nichtlineare Dynamik und Kontrolle

The thesis “Investigation of Dynamical Brain Networks, A closer look at brain flexibility and its applications” focuses on the dynamical network analysis as a mean to understand the cognitive functions of human brain. After a general introduction to networks and brain imaging, a novel method to calculate brain flexibility is introduced. Brain flexibility is the measure that informs us how groups of nodes in the brain are exchanging their members to facilitate the performance of cognitive tasks. The empirical networks in this work are constructed using functional Magnetic Resonance Imaging (fMRI) data. After introducing the novel method, a flexibility pattern from a previously studied cohort of over 300 participants is regenerated as a comparison basis. The brain scans are collected during the performance of a working memory task. After showing effectiveness of the method on healthy controls, flexibility measure is used to classify schizophrenia patients and healthy controls into separate groups based on their differences in Theory of Mind (ToM) task. Next, the results from a resting state study on depressive patients with and without suicidal ideation and history of suicide attempts are briefly reported as the findings of a collaborator group. Finally, a simplified physics oscillator model is employed and implemented as a computer simulation to regenerate the empirical flexibility pattern on artificial brain and answer questions regarding the mechanism behind our observed flexibility.
Die Arbeit "Investigation of Dynamical Brain Networks, A closer look at brain flexibility and its applications" befasst sich mit der Analyse dynamischer Netzwerke als Mittel zum Verständnis der kognitiven Funktionen des menschlichen Gehirns. Nach einer allgemeinen Einführung in Netzwerke und die Bildgebung des Gehirns wird eine neue Methode zur Berechnung der Hirnflexibilität vorgestellt. Die Hirnflexibilität ist eine Kennzahl, die darüber informiert, wie Gruppen von Knoten im Gehirn ihre Mitglieder wechseln um die Ausführung kognitiver Funktionen zu unterstützen. In dieser Arbeit werden empirische Netzwerke anhand von Daten der funktionellen Magnetresonanztomographie (fMRT) konstruiert. Nach der Einführung der neuartigen Methode werden zunächst Muster der Hirnflexibilität mit einer zuvor untersuchten Kohorte von über 300 Probanden neu berechnet, und ein Vergleich durchgeführt. Die Gehirnscans wurden während der Durchführung einer Arbeitsgedächtnisaufgabe erhoben. Nachdem die Nützlichkeit der Methode an gesunden Kontrollpersonen gezeigt wurde, wird die Hirnflexibilität verwendet um Schizophreniepatienten und gesunde Kontrollpersonen anhand ihrer Unterschiede in einer Theory of Mind (ToM)-Aufgabe in verschiedene Gruppen einzuteilen. Weiterhin werden die Ergebnisse einer Studie zum fMRT im Ruhezustand (Resting-state) kurz vorgestellt, die in einem Kollaborationsprojekt entstanden sind. Hier wurden depressive Patienten mit und ohne aktuellen Suizidgedanken und mit und ohne vorhergehenden Suizidversuchen verglichen. Schließlich wird ein vereinfachtes physikalisches Oszillatormodell als Computersimulation implementiert, um die empirisch beobachteten Muster der Hirnflexibilität am künstlichen Gehirn nachzuvollziehen, und Fragen zum Mechanismus hinter der von uns beobachteten Flexibilität zu beantworten.