Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
Classificazione geografica
Bibliografia
[1] Frackowiak RS, Friston KJ. “Functional neuroanatomy of the human brain: positron emission tomography--a new neuroanatomical technique”, J Anat 1994, 184: 211-225.

[2] Ogawa S, Lee TM, Kay AR, Tank DW. 1990. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. PNAS USA 87: 9868.

[3] Del Gratta C, Pizzella V, Tecchio F, Romani GL. “Magnetoencephalography - a noninvasive brain imaging method with 1 ms time resolution”, Rep Prog Phys 2001, 64: 1759-1814.

[4] Nunez P. “Electric fields of the brain”, Oxford University Press, New York, 1981.

[5] Scherg M, von Cramon D, Elton M. “Brain-stem auditory-evoked potentials in post-comatose patients after severe closed head trauma”, J Neurol 1984, 231: 1-5

[6] Dale AM, Sereno M. “Improved localization of cortical activity by combining EEG anf MEG with MRI cortical surface reconstruction: a linear approach”, J Cognitive Neuroscience 1993, 5: 162-176.

[7] Dale A, Liu A, Fischl B, Buckner R, Belliveau JW, Lewine J, and Halgren E. “Dynamic Statistical Parametric Mapping: Combining fMRI and MEG for High-Resolution Imaging of Cortical Activity”, Neuron 2000, 26:55-67.

[8] Hämäläinen M, and Ilmoniemi R. “Interpreting measured magnetic field of the brain: Estimates of the current distributions”, Technical report TKK-F-A559, 1984, Helsinki University of Technology.

[9] Dale AM, Halgren E. “Spatiotemporal mapping of brain activity by integration of multiple imaging modalities”, Curr Opin Neurobiol. 2001, 11: 202-288

[10] Del Gratta C, Della Penna S, Ferretti A, Franciotti R, Pizzella V, Tartaro A, Torquati K, Bonomo L, Romani GL, Rossini PM. “Topographic organization of the human primary and secondary somatosensory cortices: comparison of fMRI and MEG findings”, Neuroimage 2002, 17: 1373-1383.

[11] Kircher TT, Rapp A, Grodd W, Buchkremer G, Weiskopf N, Lutzenberger W, Ackermann H, Mathiak K. “Mismatch negativity responses in schizophrenia: a combined fMRI and whole-head MEG study“, Am J Psychiatry. 2004, 161:294-304

[12] Babiloni F, Mattia D, Babiloni C, Astolfi L, Salinari S, Basilisco A, Rossini PM, Marciani MG, Cincotti F. “Multimodal integration of EEG, MEG and fMRI data for the solution of the neuroimage puzzle”, Magn Reson Imaging 2004, 22: 1471-1476

[13] Terao Y, Ugawa Y. “Basic mechanisms of TMS” J Clin Neurophysiol. 2002, 19: 322-343

[14] Ziemann U, Hallett M, Cohen LG, "Mechanisms of Deafferentation-Induced Plasticity in Human Motor Cortex", J Neurosci. 1998, 18: 7000-7007.

[15] Le Bihan D, Mangin JF, Poupon C, Clark CA, Pappata S, Molko N, Chabriat H, “Diffusion tensor imaging: concepts and applications”, J Magn Reson Imaging, 2001, 13: 534-546.

[16] Basser PJ, Mattiello J, Le Bihan D, “Estimation of the effective self-diffusion tensor from the NMR spin-echo”. J Magn Reson B, 1994, 103: 247-254.

[17] Stejskal EO, Tanner JE, “Spin diffusion measurements: spin echoes in the presence of a time dependent field gradient”, J Chem Phy, 1965, 42: 288-292.

[18] Chenevert TL, Brunberg JA, Piper JG, “Anisotropic diffusion within human white matter: demonstration with NMR techniques in vivo”, Radiology 1990, 177: 401-405.

[19] Crank J, “The mathematics of diffusion”, Oxford, England: Clarendon, 1975.

[20] Basser PJ, Jones DK,. “Diffusion-tensor MRI: theory, experimental design and data analysis - a technical review”, NMR Biomed 2002, 15: 456-467.

[21] Pierpaoli C, Jezzard P, Basser PJ, Barnett A, Di Chiro G, “Diffusion tensor MR imaging of the human brain”, Radiology 1996, 201: 637-648.

[22] Pierpaoli C, Basser PJ, “Toward a quantitative assessment of diffusion anisotropy”, Magn Reson Med 1996, 36: 893-906.

[23] Basser PJ, Pajevic S, Pierpaoli C, Duda J,Aldroubi A, “In vivo fiber tractography using DT-MRI data”, Magn Reson Med, 2000, 44: 625-632.

[24] Conturo TE, Lori NF, Cull TS, Akbudak E, Snyder AZ, Shimony JS, McKinstry RC, Burton H, Raichle ME, “Tracking neuronal fiber pathways in the living human brain”, PNAS USA, 1999, 96: 10422-10427.

[25] Mori S, van Zijl PC, “Fiber tracking: principles and strategies - a technical review”, NMR Biomed 2002, 15: 468-480.

[26] Buchel C, Friston KJ. “Modulation of connectivity in visual pathways by attention: cortical interactions evaluated with structural equation modelling and fMRI”, Cereb Cortex 1997, 7: 768-778

[27] Gevins AS, Cutillo BA, Bressler SL, Morgan NH, White RM, Illes J, Greer DS. “Event-related covariances during a bimanual visuomotor task. II. Preparation and feedback”. Electroencephalogr Clin Neurophysio. 1989 74:147-160

[28] Urbano A, Babiloni C, Onorati P, Babiloni F. “Dynamic functional coupling of high resolution EEG potentials related to unilateral internally triggered one-digit movements”. Electroencephalogr Clin Neurophysiol 1998, 106: 477-487

[29] Taniguchi M, Kato A, Fujita N, Hirata M, Tanaka H, Kihara T, Ninomiya H, Hirabuki N, Nakamura H, Robinson SE, Cheyne D, Yoshimine T. “Movement-related desynchronization of the cerebral cortex studied with spatially filtered magnetoencephalography”, Neuroimage. 2000, 12: 298-306

[30] Gerloff C, Richard J, Hadley J, Schulman AE, Honda M, Hallett M. “Functional coupling and regional activation of human cortical motor areas during simple, internally paced and externally paced finger movements”. Brain 1998, 121: 1513-1531

[31] Jancke L, Loose R, Lutz K, Specht K, Shah NJ. “Cortical activations during paced finger-tapping applying visual and auditory pacing stimuli”. Brain Res. Cogn Brain Res. 2000, 10: 51-66

[32] Nunez PL. “Neocortical dynamics and human EEG rhythms” New York: Oxford University Press. 1995.

[33] Clifford Carter G. “Coherence and time delay estimation”. Proc. IEEE. 1987, 75: 236-55

[34] Stam CJ, van Dijk BW. “Synchronization likelihood:an unbiased measure of generalized synchronization in multivariate data sets”. Physica D 2002, 163: 236-251

[35] Stam CJ, Breakspear M, van Cappellen van Walsum AM, van Dijk BW. “Nonlinear synchronization in EEG and whole-head MEG recordings of healthy subjects”. Hum Brain Mapp 2003, 19: 63-78

[36] Tononi G, Sporns O, Edelman GM. “A measure for brain complexity: relating functional segregation and integration in the nervous system”. PNAS USA 1994, 91: 5033-5037

[37] Quian Quiroga R, Kraskov A, Kreuz T, Grassberger P. “Performance of different synchronization measures in real data: a case study on electroencephalographic signals”. Phys Rev 2002, E 65, 041903

[38] Pfurtscheller G, Lopes da Silva FH. ”Event-related EEG/MEG synchronization and desynchronization: basic principles”. Clin Neurophysiol 1999, 110: 1842-1857


[39] Bressler SL. ”Large-scale cortical networks and cognition”. Brain Res Brain Res Rev. 1995, 20: 288-304

[40] Gross J, Kujala J, Hamalainen M, Timmermann L, Schnitzler A, Salmelin R. “Dynamic imaging of coherent sources: Studying neural interactions in the human brain”. PNAS USA 2001, 98: 694-699

[41] Gross J, Timmermann L, Kujala J, Salmelin R, Schnitzler A. “Properties of MEG tomographic maps obtained with spatial filtering”. Neuroimage. 2003, 19: 1329-1336

[42] Kaminski MJ, Blinowska KJ. ”A new method of the description of the information flow in the brain structures”. Biol Cybern. 1991, 65: 203-210

[43] Kaminski M, Ding M, Truccolo WA, Bressler SL. “Evaluating causal relations in neural systems: granger causality”, directed transfer function and statistical assessment of significance. Biol Cybern. 2001, 85: 145-157

[44] Granger CWJ. “Investigating causal relations by econometric models and cross-spectral methods”. Econometrica 1969, 37: 424-428
Parole Chiave
CONNETTIVITA'; HUMAN BRAIN MAPPING; IMAGING FUNZIONALE; RISONANZA MAGNETICA FUNZIONALE; ELETTROENCEFALOGRAFIA; MAGNETOENCEFALOGRAFIA; STIMOLAZIONE MAGNETICA TRANSCRANICA

INTEGRAZIONE MULTIMODALE DI TECNICHE DI IMAGING STRUTTURALE E FUNZIONALE PER LO STUDIO DELLA CONNETTIVITA' CEREBRALE

Università degli Studi "G. d'Annunzio" Chieti-Pescara
Abstract
La ricerca proposta nel presente progetto riguarda le metodologie di studio mediante neuroimaging funzionale della connettività cerebrale. In particolare si vogliono studiare e applicare metodi di imaging funzionale multimodale, e valutarne l'impatto, nello studio della connettività cerebrale. Questo argomento è di grande attualità per la comunità scientifica e rappresenta un'importante linea di sviluppo delle neuroscienze sia di base che cognitive. Infatti, la disponibilità sempre più diffusa di strumenti di imaging funzionale cerebrale non invasivo coincide con l'emergere nelle neuroscienze del concetto di integrazione funzionale, intesa come la cooperazione nell'attività cerebrale di diverse aree funzionali specializzate. Sono state recentemente sviluppate nuove metodologie di studio della connettività sia funzionale che strutturale. Tuttavia è tuttora prevalente l'uso di dati unimodali, anziché dati multimodali. Proponiamo quindi una combinazione di dati sulla connettività funzionale e strutturale da un lato, e funzionale emodinamica-metabolica e elettrofisiologica dall'altro, che costituisce uno sviluppo naturale delle tecniche esistenti e consentirà uno studio più accurato della connettività cerebrale. Punti qualificanti del presente progetto sono l'uso di tecnologie che rappresentano lo stato dell'arte attuale nel campo del neuroimaging, la proposta di metodi innovativi di analisi dei dati, e l'applicazione ad un argomento di rilevante interesse scientifico. La >>>

Coordinatore Scientifico del Programma di Ricerca
Gian Luca ROMANI Università degli Studi "G. d'Annunzio" CHIETI-PESCARA
Obiettivo del Programma di Ricerca
L'obiettivo del presente progetto di ricerca è lo sviluppo di metodi di analisi di dati di neuroimaging funzionale multimodale e l'applicazione di questi metodi a studi di connettività cerebrale. Lo studio dell'attività cerebrale mediante tecniche di neuroimaging ha, grazie agli studi recenti, aumentato notevolmente le conoscenze della comunità scientifica. L'integrazione multimodale, ovvero l'uso combinato o simultaneo di tecniche di imaging complementari dal punto di vista della risoluzione spaziale e temporale, o dal punto di vista informativo (strutturale, funzionale-metabolico, elettrofisiologico), unito ad un metodo di analisi dei dati che sfrutti in modo appropriato la complementarietà dei dati stessi, ha già fornito risultati di notevole interesse per quanto riguarda l'individuazione di networks di attivazione durante particolari attività sensorimotorie o cognitive. E' quindi di particolare interesse sviluppare nuove e più raffinate tecniche di integrazione multimodale con lo scopo di definire una tecnica di indagine del cervello che ne colga i diversi aspetti fisiopatologici. In particolare è di notevole interesse lo studio della connettività cerebrale.
La recente crescita dell'interesse della comunità scientifica nei confronti della connettività cerebrale è legato all'emergere a sua volta del concetto di integrazione funzionale negli studi di neuroscienze cognitive. La connettività tra aree cerebrali specializzate costituisce la base dell'emergenza di >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Nello studio dell'elaborazione delle informazioni nel cervello è di fondamentale importanza il concetto di segregazione funzionale, secondo il quale diverse aree del cervello sono specializzate in funzioni diverse. Negli ultimi 30 anni sono state sviluppate diverse tecniche di neuroimaging funzionale espressamente mirate alla visualizzazione dell'attività cerebrale durante il suo funzionamento normale e patologico. Queste tecniche sono state protagoniste negli anni passati di un notevole sviluppo grazie ad alcune importanti innovazioni tecnico-scientifiche che ne hanno determinato la facilità di uso e la disponibilità diffusa. Esse si basano sulla rivelazione dell'attività fisiologica correlata all'elaborazione di input sensoriali o all'esecuzione di atti motori.

Le tecniche di neuroimaging si possono raggruppare in due categorie principali: quelle basate sulle variazioni dei parametri emodinamici nell'encefalo (flusso, volume, consumo di ossigeno e di glucosio) conseguenti all'attività neuronale, e quelle basate sulla rivelazione diretta dell'attività bioelettrica neuronale.

Tra le prime troviamo la PET (tomografia a emissione di positroni) [1] ed in particolare la fMRI (risonanza magnetica funzionale) [2]. Quest'ultima tecnica, per la sua totale non invasività, che consente anche di effettuare studi ripetuti su soggetti volontari, e per l'ampia disponibilità di tomografi di medie prestazioni in grado di acquisire immagini funzionali, è quella >>>