Biologische Psychologie (Fach) / Methoden 4 - funktionelle MRT (Lektion)
In dieser Lektion befinden sich 66 Karteikarten
4
Diese Lektion wurde von jillian erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
- regressor of no interest Störvariablen - Scanner Drift, Atmung, Kopfbewegung - vorherige Modellierung dieser Störvariablen --> verbessert Qualität des allgemeinen linearen Modells
- vorhergesagte neuronale Aktivität wird mit der HRF kombiniert
- onset-Vektoren - wie werden diese angegeben? für jeden Reiz in jeder experimentellen Bedingung wird der angenommene Beginn der neuronalen Aktivität angegeben - werden in TRs angegeben (z.B. 0,5TR; 1,3TR etc.)
- Logik der kognitiven Subtraktion Was bildet das ab? man nimmt die Aktivität während einer bestimmten Aufgabe mit einer bestimmten kognitiven Anforderung davon zieht man ab die Aktivität in einer KG die die gleichen kogntiven Prozesse umfasst, außer dem einen der von Interesse ist => das neuronale Korrelat des interessierenden kogntiven Prozesses
- Kontraste T-Kontraste: direkter Vergleich mit Richtung F-Kontraste: allgemeiner Unterschied zwischen 2 Bedingungen ohne Richtung
- Probleme bei der kognitiven Subtraktion Interpretation hängt von der Baseline-Aufgabe ab - baseline schwer zu bestimmen, es gibt nicht die pure insertion/ deletion es kommt nicht nur ein kognitver Prozess hinzu oder weg => es gibt Interaktionen
- Korrektur für multiple Vergleiche viele statistische Tests führen zur Erhöhung des alpha/ Typ1 Fehlers 1) familywise error rate (FWE): Bonferroni Korrektur 2) false discovery rate (FDR)
- familywise error rate: Bonferroni Korrektur Division des angestrebten Signifikanzniveaus durch die Anzahl der Voxel: sehr konservativ und erhöht ß-Fehler
- false discovery rate (FDR) - aktivierte Voxel werden nach signifikanz in aufsteigender Reihenfolge sortiert - nur erstes Voxel muss vollständige Bonferroni-Korrektur überleben für alle weiteren Voxel wird das Signifikanzniveau liberaler
- Kombination der Daten mehrerer VP - Gruppenanalysen 1) fixed-effect analysis 2) random-effect analysis
- fixed-effect analysis - alle Daten aller VP werden iteinezogen - man nimmt an dass der Effekt bei allen VP gleich groß ist => erlaut nur Aussagen über VP, nicht Pop
- random-effects analysis 1) frist level: Analyse einzelner VP erzeugt statistische Karte für jeden VP 2) second level: Verteilung der statistischen Werte wird auf Signifikanz geprüft => erlaubt auch Generalisierungen auf die Population
- Wie werden die fMRT Ergebnisse meist dargestellt graphisch oder als statististische Karte, diese wird projiziert auf a) Referenzhirn b) mittleres Hirn aller VP c) Repräsentatives Gehirn eines VP
- Ergebnisse in einem Gehirn können dargestellt werden als 1) rendered image: Projektion auf Cortex-Oberfläche 2) einzelne Schichten 3) Glashirn
- Block-Design BOLD Pro: Con: längere Phasen von experimental Bedingung, dann von Kontrollbedingung => BOLD stabilisiert sich auf tonischem Niveau Pro: robuste Effekte und hohe statistsiche Power Con: Ermüdungseffekte
- event-related Design - randomisierte Darbietung der Stimuli - bietet flexiblere Anwendung
-