Kompartimentierung und Konnektivität des Thalamus: fMRT "Resting State" und DWI Untersuchungen

• Antragsteller: Professor Dr. Wolfgang Grodd
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften ; Klinische Psychiatrie, Psychotherapie und Kinder- und Jugendspychiatrie
• Förderung: Förderung von 2015 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 267001568

• Erstellungsjahr: 2019

Zusammenfassung der Projektergebnisse

Die DFG Förderung hat es uns erlaubt, wesentliche Ziele des Antrages wie die a) Kartierung des menschlichen Thalamus und b) Untersuchung der thalamokortikalen Konnektivität umzusetzen. Dabei haben wir aber auch feststellen müssen, dass eine funktionelle Analyse des Thalamus und seiner Konnektivität ohne Berücksichtigung der subkortikalen Verschaltungen insbesondere zu den Basalganglien unzureichend ist. Daher haben wir uns entschlossen, diese Untersuchungen weiterzuführen und auf die Basalganglien auszuweiten.

Projektbezogene Publikationen (Auswahl)

• (2014): Direct diffusion-based parcellation of the human thalamus. Brain Struct Funct 220(3):1619–1635
  Kumar V, Mang S, Grodd W
  (Siehe online unter https://doi.org/10.1007/s00429-014-0748-2)
• (2017): Functional anatomy of the human thalamus at rest. NeuroImage 147:678–691
  Kumar VJ, van Oort E, Scheffler K, Beckmann CF, Grodd W
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2016.12.071)
• (2018): Functional parcellation using time courses of instantaneous connectivity. NeuroImage 170:31–40
  Van Oort ESB, Mennes M, Navarro Schröder T, Kumar VJ, Zaragoza Jimenez NI, Grodd W, Doeller CF, Beckmann CF
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2017.07.027)
• (2018): In-vivo quantitative structural imaging of the human midbrain and the superior colliculus at 9.4T. NeuroImage 177:117–128
  Loureiro JR, Himmelbach M, Ethofer T, Pohmann R, Martin P, Bause J, Grodd W, Scheffler K, Hagberg GE
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2018.04.071)
• (2018): LISA improves statistical analysis for fMRI. Nature Communications 9:4014
  Lohmann G, Stelzer J, Lacosse E, Kumar VJ, Mueller K, Kuehn E, Grodd W, Scheffler K
  (Siehe online unter https://doi.org/10.1038/s41467-018-06304-z)