Suche

zur Hauptseite

Institut für Neurowissenschaften und Medizin
(leer)

Navigation und Service


Metaanalyse

Ein langjähriger Schwerpunkt unserer Arbeit liegt in der Entwicklung und Anwendung von Metaanalysen für die statistische Aggregation von Bildgebungsbefunden in konsolidierte Informationen zur funktionellen Neuroanatomie.

Picture of the topic "Meta Analysis"Schematic illustration of the steps of a meta-analysis: The coordinates reported in the individual experiments are extracted by creating a table reporting all x,y,z-coordinates. After modelling the spatial uncertainty associated with each individual coordinate, the resulting ALE-scores are assessed against a null distribution reflecting a random spatial association between experiments. Then, results are thresholded and corrected for multiple comparisons.

In den letzten zwei Jahrzehnten hat sich das Neuroimaging zu einer Standardmethode entwickelt, um die Gehirn-Verhaltens-Beziehungen und die Pathophysiologie von Gehirnstörungen zu untersuchen. Einzelne Neuroimaging-Daten beruhen jedoch in der Regel auf kleinen Probengrößen und variieren im experimentellen und analytischen Setup. Zusätzlich ist es aufgrund der großen Menge an veröffentlichten Neuroimaging-Daten immer schwieriger, die Literatur durchzublättern und unechte von replizierbaren Befunden zu unterscheiden. Es besteht daher die Notwendigkeit, die Wirkungen in einzelnen Studien quantitativ zu konsolidieren. Ein potenter und beliebter Ansatz, um die Vielzahl von Ergebnissen in einer unparteiischen Weise zu synthetisieren, besteht in der Durchführung einer koordinatenbasierten Metaanalyse. Wir evaluieren, optimieren und wenden den Ansatz der Aktivierung / Likelihood-Schätzung an, der einer der am häufigsten verwendeten Algorithmen für die Neuroimaging-Metaanalyse ist. Dieses Verfahren ermöglicht nicht nur die Identifizierung jener Regionen, die zuverlässig mit einem bestimmten Prozess (beispielsweise Arbeitsspeicher) oder einer Krankheit (z. B. Depression) assoziiert sind, sondern die resultierenden Regionen können auch als interessierende Region verwendet werden, um Analysen für neu erfasste Daten zu führen. Eine weitere wesentliche Implementierung von ALE ist die Verwendung von Meta-Analytic Connectivity Modeling (MACM), einem leistungsstarken Werkzeug zur Untersuchung funktionaler Konnektivität. MACM zielt darauf ab, Netzwerke zu finden, die konsistent gefunden wurden, um zusammen mit einer spezifischen Samenregion über Experimente, die verschiedene Funktionen untersuchen, zu aktivieren.
ALE-Metaanalysen ermöglichen es uns daher, einen Großteil der veröffentlichten Neuroimaging-Daten zu nutzen und eine quantitative Zusammenfassung dieser Daten bereitzustellen, um spezifische themenbezogene Forschungsfragen zu Assoziationen im Gehirn und zur funktionalen Konnektivität zu beantworten.
Darüber hinaus liegt ein Schwerpunkt unserer Forschung darin, die Methoden und Ergebnisse von Metaanalysen offen verfügbar zu machen. Daher wird in Zusammenarbeit mit der Universität San Antonio, GingerALE, ein Werkzeug zur Durchführung von ALE-Metaanalysen zur Verfügung gestellt, das bereits von Forschern aus der ganzen Welt weit verbreitet ist. Die Ergebnisse von Metaanalysen können über ANIMA, eine von unserer Gruppe entwickelte Open-Source-Datenbank, geteilt werden, die es Forschern ermöglicht, ihre eigenen hochzuladen und andere Meta-Analyseergebnisse herunterzuladen.


Servicemenü

Homepage