Neuronal dynamics of visual movement processing areas: A fMRI investigation of the connectivity of visual processing areas for motion processing and attention in the human brain

Zusammenfassung (Englisch)

Visual processing areas form a hierarchical network, here the network consisting of the brain areas V1, hMT+, LIP, FEF and SEF that was assumed to control pursuit and saccade eye movements was focused at. The data was acquired with a 3 Tesla Siemens Allegra fMRI head scanner and a conventional analysis was used to locate these areas. The network dynamics was then researched by the method of ...

Zusammenfassung (Englisch)

Visual processing areas form a hierarchical network, here the network consisting of the brain areas V1, hMT+, LIP, FEF and SEF that was assumed to control pursuit and saccade eye movements was focused at. The data was acquired with a 3 Tesla Siemens Allegra fMRI head scanner and a conventional analysis was used to locate these areas. The network dynamics was then researched by the method of connectivity analysis, in explicit dynamic causal modelling (DCM) was used here. Three studies were conducted, the first two studies investigated the effects of covert and overt attention during pursuit and saccade eye movement tasks. The first study showed that effects of covert attention can already be found in early stages of visual processing between V1 and hMT+. The second study showed these effects are predominant in the right hemisphere for processing areas higher in the hierarchy. Nearly 60,000 DCM models were compared in a massive model comparison approach to investigate the network structure for covert attention tasks. The third study investigated effects of motion perception between hMT+ and LIP in a three dimensional paradigm were moving spheres apparently approached the subjects. Some neurocomputational models assume an influence of the coherence level and the number of objects presented. It could be shown that the number of objects had no influence and furthermore that neurocomputational models should take non linear effects between these two areas into account.

Übersetzung der Zusammenfassung (Deutsch)

Areale zur visuellen Verarbeitung formen ein hierarchisches Netzwerk, hier wurde das Netzwerk bestehend aus den Arealen V1, hMT+, LIP, FEF und SEF welches u.a. glatte und sakkadische Augenfolgebewegungen kontrolliert untersucht. Die Daten wurden mit einem 3 Tesla Siemens Allegra fMRT Kopfscanner erhoben und die Areale mit konventionellen Analysen lokalisiert. Die Dynamik des Netzwerkes wurde mit ...

Übersetzung der Zusammenfassung (Deutsch)

Areale zur visuellen Verarbeitung formen ein hierarchisches Netzwerk, hier wurde das Netzwerk bestehend aus den Arealen V1, hMT+, LIP, FEF und SEF welches u.a. glatte und sakkadische Augenfolgebewegungen kontrolliert untersucht. Die Daten wurden mit einem 3 Tesla Siemens Allegra fMRT Kopfscanner erhoben und die Areale mit konventionellen Analysen lokalisiert. Die Dynamik des Netzwerkes wurde mit einer Konnektivitätsanalyse untersucht, die Methode dazu was Dynamic Causal Modelling (DCM). Es wurden drei Studien durchgeführt, die ersten beiden Studien untersuchten die Effekte verdeckter und offener Aufmerksamkeitsleistungen bei Aufgaben zu glatten und sakkadischen Augenfolgebewegungen. Die erste Studie zeigt das Effekte verdeckter Aufmerksamkeit sich bereits in den ersten Stationen der visuellen Verarbeitung, zwischen V1 und hMT+, nachweisen lassen. Die zweite Studie zeigt das diese Effekte, bezogen auf höhere Areale in der Hierarchie, in der rechten Hemisphere dominieren. Fast 60.000 DCM Modelle wurden in einem massiven Modellvergleich verglichen um die Netzwerkstruktur bei verdeckten Aufmerksamkeitsleistungen zu untersuchen. Die dritte Studie untersuchte Effekte der Bewegungswahrnehmung zwischen hMT+ und LIP mittels eines dreidimensionalen Paradigmas in dem sich Sphären scheinbar auf die Versuchspersonen zu bewegten. Einige neurocomputationale Modelle nehmen einen Einfluss vom Kohärenzlevel und der Anzahl der sichtbaren Objekte an. Es konnte gezeigt werden das die Anzahl der Objekte keinen Einfluss hat und es wurde weiterhin gezeigt das neurocomputationale Modelle nicht lineare Effekte zwischen diesen Arealen berücksichtigen sollten.

Details

Vorschau

Bibliographische Daten exportieren

Zusammenfassung (Englisch)

Zusammenfassung (Englisch)

Übersetzung der Zusammenfassung (Deutsch)

Übersetzung der Zusammenfassung (Deutsch)

Downloadstatistik

Downloads

Weitere Literatur (mittels CORE)

Universitätsbibliothek