Der menschliche inferiore Parietallappen (IPC) gehört zum Assoziationskortex und spielt eine wichtige Rolle bei der Integration von somatosensorischen (taktilen), visuellen und akustischen Reizen. Bisher gibt es keine eindeutigen Informationen über den strukturellen Aufbau dieser Hirnregion. Parzellierungen anhand der Zytoarchitektur reichen von zwei (Brodmann 1909) bis sieben Subareale (Caspers et al. 2006). Homologien zwischen dem IPC des Menschen und Makaken-Affen sind weitestgehend unbekannt. In der vorliegenden Arbeit wurden der Aufbau und die Konnektivitäten des menschlichen IPC genauer untersucht. Dazu führte man eine konnektivitätsbasierte Parzellierung des IPC an 20 Probanden durch. Als Methode kam Diffusions-Tensor-Imaging (DTI) kombiniert mit probabilistischer Traktogra-phie zum Einsatz. Der IPC konnte anhand der Konnektivitäten in drei Subareale (IPCa, IPCm, IPCp) parzelliert werden. Diese besitzen in beiden Hemisphären eine ähnliche Größe und eine rostro-kaudale Anordnung. Die Parzellierung ist vergleichbar mit der des Makaken-IPC, bei dem ebenfalls eine Unterteilung in drei Areale (PF, PFG, PG) und eine rostro-kaudale Anordnung nachgewiesen werden konnte. Jedes Subareal des menschlichen IPC besitzt ein individuelles Konnektivitätsmuster. Beim Menschen als auch beim Makaken gibt es starke Verbindungen zum lateralen prämotorischen Kortex und zum superioren Parietallappen. Diese Gemeinsamkeiten lassen darauf schließen, dass strukturelle Eigenschaften im Laufe der Evolution erhalten geblieben sind. Allerdings sind beim Menschen auch Neuentwicklungen nachweisbar. Dazu gehören die deutlich hervortretenden Verbindungen zum Temporallappen. Möglicherweise haben sich diese erst während der Evolution entwickelt und sind beim Menschen als Teil des perisylvischen Sprachnetzwerkes an der Sprachbildung beteiligt.:1. Einleitung
1.1. Der inferiore Parietalkortex
1.2. Konnektivitätsbasierte-Parzellierung durch Diffusions-Tensor-Bildgebung
1.3. Motivation
1.4. Überblick
2. Methoden
2.1. Theoretische Grundlagen
2.1.1. Magnet-Resonanz-Bildgebung
2.1.2. Diffusionsgewichtete Magnet-Resonanz-Tomographie
2.1.3. Diffusions-Tensor-Bildgebung
2.1.4. Traktographie in der weißen Substanz
2.1.5. Parzellierungsmethoden
2.2. Datenerfassung
2.3. Datenverarbeitung
2.4. Parzellierung des IPC
2.4.1. Definition der Analyseregion
2.4.2. Bestimmung der Startvoxel
2.4.3. Probabilistische Traktographie
2.4.4. Clustering
2.4.5. Populationskarte
2.4.6. Statistische Auswertung der Parzellierungsergebnisse
2.5. Analyse der Konnektivitäten des IPC
2.5.1. Berechnung der Konnektivitäten
2.5.2. Statistische Auswertung der Konnektivitäten
3. Ergebnis
3.1. Definition der Analyseregion
3.2. Analyse der Parzellierung
3.3. Statistische Auswertung der Parzellierung
3.4. Zusammenfassung der Parzellierungsergebnisse
3.5. Populationskarte aller Probanden
3.6. Statistische Auswertung weiterer Eigenschaften
3.6.1. Schwerpunkte der Areale
3.6.2. Größe der Areale
3.7. Analyse der Konnektivitäten
3.8. Statistische Auswertung der Konnektivitäten
3.9. Vergleich der linken und rechten Hemisphäre
4. Diskussion
4.1. Zwei oder drei Regionen: Welche Parzellierung ist am geeignetsten für den IPC?
4.2. Welche Konnektivitäten charakterisieren den IPC?
4.3. Vergleich von Mensch und Makaken
4.3.1. Homologien in der Parzellierung des IPC
4.3.2. Homologien in den Konnektivitäten des IPC
4.4. Funktionelle Bedeutung der IPC Parzellierung
4.4.1. Der IPC des Makaken
4.4.2. Der IPC des Menschen
4.5. Anmerkung zu den Methoden
4.5.1. Definition der Analyseregion
4.5.2. Auflösung der Diffusions-Tensor-Bildgebung
4.5.3. Traktographie Artefakte
4.6. Zusammenfassung
5. Anhang
5.1. Glossar
5.2. Abkürzungsverzeichnis
5.3. Detaillierte Abbildung der Ergebnisse
6. Danksagung
7. Zusammenfassung der Arbeit
8. Literaturverzeichnis
9. Publikation
10. Eigenständigkeitserklärung
11. Lebenslauf / The human inferior parietal cortex convexity (IPCC) is an important association area, which integrates auditory, visual and somatosensory information. However, the structural organization of the IPCC is a controversial issue. For example, cytoarchitectonic parcellations reported in the literature range from two to seven areas. Moreover, anatomical descriptions of the human IPCC are often based on experiments in the macaque monkey. In this study we used diffusion-weighted magnetic resonance imaging (dMRI) combined with probabilistic tractography to quantify the connectivity of the human IPCC, and used this information to parcellate this cortex area. This provides a new structural map of the human IPCC, comprising three sub-areas (IPCa, IPCm, IPCp) of comparable size, in a rostro-caudal arrangement in the left and right hemisphere. Each sub-area is characterized by a connectivity fingerprint and the parcellation is similar to the subdivision reported for the macaque IPCC (rostro-caudal areas areas PF, PFG, and PG). However, the present study also reliably demonstrates new structural features in the connectivity pattern of the human IPCC, which are not known to exist in the macaque. This study quantifies inter-subject variability by providing a population representation of the sub-area arrangement, and demonstrates substantial lateralization of the connectivity patterns of IPCC.:1. Einleitung
1.1. Der inferiore Parietalkortex
1.2. Konnektivitätsbasierte-Parzellierung durch Diffusions-Tensor-Bildgebung
1.3. Motivation
1.4. Überblick
2. Methoden
2.1. Theoretische Grundlagen
2.1.1. Magnet-Resonanz-Bildgebung
2.1.2. Diffusionsgewichtete Magnet-Resonanz-Tomographie
2.1.3. Diffusions-Tensor-Bildgebung
2.1.4. Traktographie in der weißen Substanz
2.1.5. Parzellierungsmethoden
2.2. Datenerfassung
2.3. Datenverarbeitung
2.4. Parzellierung des IPC
2.4.1. Definition der Analyseregion
2.4.2. Bestimmung der Startvoxel
2.4.3. Probabilistische Traktographie
2.4.4. Clustering
2.4.5. Populationskarte
2.4.6. Statistische Auswertung der Parzellierungsergebnisse
2.5. Analyse der Konnektivitäten des IPC
2.5.1. Berechnung der Konnektivitäten
2.5.2. Statistische Auswertung der Konnektivitäten
3. Ergebnis
3.1. Definition der Analyseregion
3.2. Analyse der Parzellierung
3.3. Statistische Auswertung der Parzellierung
3.4. Zusammenfassung der Parzellierungsergebnisse
3.5. Populationskarte aller Probanden
3.6. Statistische Auswertung weiterer Eigenschaften
3.6.1. Schwerpunkte der Areale
3.6.2. Größe der Areale
3.7. Analyse der Konnektivitäten
3.8. Statistische Auswertung der Konnektivitäten
3.9. Vergleich der linken und rechten Hemisphäre
4. Diskussion
4.1. Zwei oder drei Regionen: Welche Parzellierung ist am geeignetsten für den IPC?
4.2. Welche Konnektivitäten charakterisieren den IPC?
4.3. Vergleich von Mensch und Makaken
4.3.1. Homologien in der Parzellierung des IPC
4.3.2. Homologien in den Konnektivitäten des IPC
4.4. Funktionelle Bedeutung der IPC Parzellierung
4.4.1. Der IPC des Makaken
4.4.2. Der IPC des Menschen
4.5. Anmerkung zu den Methoden
4.5.1. Definition der Analyseregion
4.5.2. Auflösung der Diffusions-Tensor-Bildgebung
4.5.3. Traktographie Artefakte
4.6. Zusammenfassung
5. Anhang
5.1. Glossar
5.2. Abkürzungsverzeichnis
5.3. Detaillierte Abbildung der Ergebnisse
6. Danksagung
7. Zusammenfassung der Arbeit
8. Literaturverzeichnis
9. Publikation
10. Eigenständigkeitserklärung
11. Lebenslauf
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:12195 |
| Date | 26 September 2013 |
| Creators | Ruschel, Michael |
| Contributors | Anwander, Alfred, Geyer, Stefan, Villringer, Arno, Bechmann, Ingo, Schönknecht, Peter, Universität Leipzig |
| Publisher | Max-Planck-Institut für Kognitions- und Neurowissenschaften Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0033 seconds