Detailansicht
An examination of unsupervised clustering strategies with application to the human amygdala
Niklas Leitner
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Claus Lamm
Mitbetreuer*in
Ronald Sladky
DOI
10.25365/thesis.74918
URN
urn:nbn:at:at-ubw:1-18008.38202.478711-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die menschliche Amygdala ist seit langem Gegenstand umfangreicher Untersuchungen, die zu unterschiedlichen strukturellen und funktionellen Modellen geführt haben. Was die Funktionalität betrifft, so wird die Amygdala sowohl bei Menschen als auch bei Tieren meist mit den kognitiven Prozessen von Angst in Verbindung gebracht. Die in vivo Untersuchung der menschlichen Amygdala erweist sich als schwieriger als bei Tieren, da die fMRI Gruppenanalyse mit räumlichen Ungenauigkeiten behaftet ist, die die Identifizierung von funktionell unterschiedlichen Unterregionen beeinträchtigen. Ziel dieser Arbeit ist es, die Nützlichkeit von zwei unüberwachten Clustering-Algorithmen zu untersuchen, um funktionelle Parzellierungen der menschlichen Amygdala zu erhalten und die funktionelle Konnektivität der erhaltenen Subregionen mit der des Jülich Brain Atlas zu vergleichen. Die Analyse von hochauflösenden fMRT-Daten von 123 Individuen im Ruhezustand zeigte, dass die verwendeten Clustering-Algorithmen in der Lage waren, Parzellierungen zu generieren, die durchaus mit dem Jülich Brain Atlas vergleichbar sind. Strukturabweichungen traten in der zentromedialen und in der oberflächlichen Amygdala auf. Die funktionelle Konnektivität legt jedoch nahe, dass die geclusterten Subregionen besser zu den vorliegenden fMRI-Daten passen. Obwohl einige Unstimmigkeiten mit der Literatur in Bezug auf die Funktionalität bestehen bleiben, hat sich das unüberwachte Clustering als vielversprechende Methode zur Gewinnung von funktionellen Parzellierungen der menschlichen Amygdala erwiesen, auf der in Zukunft aufgebaut werden kann.
Abstract
(Englisch)
The human amygdala has long been subject of extensive investigation, yielding numerous structural and functional models . In terms of functionality the amygdala is mostly associated with mechanisms underlying fear in both humans and animals. In vivo examination of the human amygdala proves more challenging than in animals , since fMRI group analysis underlies spatial inaccuracies which interfere with the identification of functionally distinct subregions. This thesis aims to investigate the usefulness of two unsupervis ed clustering algorithms to obtain functional parcell ations of the human amygdala and compares the functional connectivity of obtained subregions to the one of the Jülich Brain Atlas. Analysis of high resolution resting state f MRI data of 123 individuals showed that the used clustering algorithms were able to derive parcellations that are definitely comparable to the Jülich Brain Atlas. D eviations of str ucture occurred in the smaller cen tromedial and superficial amygdala. However, functional connectivity suggests that the clustered subregions are a better fit to the fMRI data at hand. Although some inconsistencies with literature in terms of functionality remain, unsupervised clustering has proven to be a feasible method for obtaining functional parcellations of the human amygdala , which can be built upon in the future.
Schlagwörter
Schlagwörter
(Deutsch)
Amygdala fMRT Methodik Clustering-Algorithmen Konnektivität
Schlagwörter
(Englisch)
amygdala fMRI methods clustering algorithms functional brain connectivity
Autor*innen
Niklas Leitner
Haupttitel (Englisch)
An examination of unsupervised clustering strategies with application to the human amygdala
Paralleltitel (Deutsch)
Eine Untersuchung von unüberwachten Clustering-Algorithmen mit Anwendung auf die menschliche Amygdala
Publikationsjahr
2023
Umfangsangabe
77 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Claus Lamm
Klassifikationen
77 Psychologie > 77.03 Methoden und Techniken der Psychologie ,
77 Psychologie > 77.31 Kognition
AC Nummer
AC17021661
Utheses ID
69335
Studienkennzahl
UA | 066 | 840 | |