Gehirnaktivitätsmuster

Gehirnaktivitätsmuster bezeichnen räumlich verteilte und zeitlich abgestufte Muster neuronaler Aktivität im Gehirn. Sie entstehen aus der kollektiven Aktivität von Neuronen und spiegeln funktionale Organisation, Wahrnehmung, Gedächtnisprozesse, Schlafzustände und Pathologien wider.

Zur Erfassung der Muster dienen gängige Verfahren wie Elektroenzephalographie (EEG), Magnetenzephalografie (MEG), funktionelle Magnetresonanztomographie (fMRI) und funktionelle Nahinfrarotspektroskopie (fNIRS). EEG/MEG liefern hohe zeitliche Auflösung, während fMRI räumlich feine Informationen über die BOLD-Antwort liefert; fNIRS ergänzt mit zusätzlichen Messungen. Typische Messgrößen umfassen die Spektralanteile in den Frequenzbändern (Delta, Theta, Alpha, Beta, Gamma), ereigniskorrelierte EEG-Antworten (ERP) und Muster der funktionellen Konnektivität zwischen Hirnregionen.

Zu den typischen Mustern gehören Ruhe-Netzwerke wie das Default-Mode-Netzwerk, task-positive Netzwerke sowie zeitlich kohärente Aktivitätsmuster zwischen Regionen, lokale Aktivierungstopografien und Cross-Frequency-Kopplungen. Resting-State-fMRI identifiziert charakteristische Netzwerke, während task-basierte Messungen Aktivierungsmarker liefern. Muster verändern sich je nach Aufgabe, Aufmerksamkeitszustand, Schlafphase oder Lernprozess.

Interpretation und Anwendung: Gehirnaktivitätsmuster dienen dem Verständnis kognitiver Prozesse, Lernmechanismen, Schlafarchitektur und Neurodegeneration. Sie werden in der Grundlagenforschung, klinischen Diagnostik und neurorehabilitativen Kontexten eingesetzt. Methodische Herausforderungen umfassen das inverse Problem bei Lokalisierung, Artefakte (z. B. Augenbewegungen), Inter- und Intraindividuelle Variabilität sowie Einschränkungen durch Modellannahmen. Die Weiterentwicklung umfasst multimodale Ansätze, bessere Quellenlokalisierung, zeitfrequente Analysen und personalisierte Referenzdaten.