Navigation auf uzh.ch

Suche

Psychologisches Institut Methoden der Plastizitätsforschung

Informationen zur Masterarbeit am Lehrstuhl für Methoden der Plastizitätsforschung

Informationen zur Masterarbeit am Lehrstuhl für Methoden der Plastizitätsforschung

Bitte fügen Sie Ihrer Bewerbung für eine Masterarbeit am Lehrstuhl Methoden der Plastizitätsforschung neben einem kurzen Lebenslauf auch ein ca. einseitiges Motivationsschreiben bei, in welchem Sie erklären, warum Sie sich für das Forschungsprojekt bewerben. Für Informationen in Bezug auf konkrete und aktuelle Masterarbeiten wenden Sie sich bitte an eine der genannten Kontaktpersonen.

Pro Bereich können jeweils ca. 2 bis 4 Masterarbeiten vergeben werden.

 

Bereich 1: TRAINING INDUCED NEUROPLASTICITY

Das Ziel des vorliegenden Forschungsprojektes ist die Untersuchung anatomischer, funktioneller und kognitiver Veränderungen, welche durch ein kognitives Training induziert werden. Durch Anwendung eines Längsschnittstudiendesigns kann der zeitliche Verlauf dieser Veränderungen näher untersucht werden. Wir interessieren uns, ob sich nach Abschluss des kognitiven Trainings die Gehirnaktivität in bestimmten Regionen verändert und ob es zu  neuroanatomischen Veränderungen kommt. Ausserdem soll überprüft werden, ob Transfereffekte durch das kognitive Training entstehen und wie diese neuronal zu erklären sind. Werden positive Effekte des kognitiven Trainings beobachtet, könnten diese Erkenntnisse in Trainingsprogramme zur Prävention oder dem Entgegenwirken altersbedingten Abbaus kognitiver Funktionen integriert werden.

Masterarbeiten in diesem Forschungsbereich beschäftigen sich mit folgenden Fragestellungen/Themen:

  • Wie verändern sich neurophysiologische Parameter (EEG) im Verlauf eines kognitiven Trainings?
  • Wie verändern sich neuroanatomische Parameter (MRT) in kortikalen und subkortikalen Strukturen im Verlauf eines kognitiven Trainings?
  • Wie werden andere kognitive Parameter (als Hinweis auf Transfereffekte) durch ein intensives kognitives Training beeinflusst?
  • Was sind neuronale Prädiktoren, welchen einen Trainingsgewinn voraussagen können?
  • Modellierung von anatomischen und funktionellen Netzwerken im Längsschnittverlauf
  • Wie beeinflussen neuroanatomische Eigenschaften die Veränderbarkeit von Gehirnfunktionen?

 

Untersuchte Altersgruppen: Junge Erwachsene im Alter von ca. 18 - 40 Jahren und ältere Erwachsene im Alter von 65 bis ca. 85 Jahren.

Forschungsmethoden: neuropsychologische Testverfahren (z.B. Arbeitsgedächtnis, Intelligenz, Inhibition, Verarbeitungsgeschwindigkeit), Elektroenzephalographie (EEG), funktionelle Magnetresonanztomographie (fMRT), strukturelle Magnetresonanztomographie (MRT), und Diffusions-Tensor- Bildgebung (DTI).

Kontaktperson: Prof. Dr. Nicolas Langer (n.langer@psychologie.uzh.ch)

     

Weiterführende Literatur:

Langer, N., Bastian, von, C. C., Wirz, H., Oberauer, K., & Jäncke, L. (2013). The effects of working memory training on functional brain network efficiency. Cortex. 1-15. doi:10.1016/j.cortex.2013.01.008.

Bastian, von, C. C., Langer, N., Oberauer, K., & Jäncke, L. (2013). Effects of working memory training in young and old adults. Memory & cognition .41 (4), 611-624

Langer, N., Pedroni, A., Gianotti, L. R. R., Knoch, D., Hänggi, J., Jäncke, L. (2011). Functional Brain Network Efficiency Predicts Intelligence. Human Brain Mapping. doi: 10.1002/hbm.21297.

Langer, N., Hänggi, J., Müller, A., Simmen, H.P., Jäncke, L. (2012). The effects of limb immobilization on brain plasticity. Neurology. 78(3): 182–188.

 

Bereich 2: MULTI-DIMENSIONAL PHENOTYPING IN HEALTH AND DISEASE

Die meisten Studien untersuchen nur isoliert Ursachen, die zur Entstehung von psychischen Störungen beitragen. Allerdings zeigt neuere Forschung, dass die meisten psychischen Störungen nicht die Folge einzelner Risikofaktoren sind, sondern dass sie multifaktorielle (bio-psycho-soziale) Ursachen aufweisen, welche oftmals zwischen verschiedenen psychischen Störungen überlappen. So zeigte zum Beispiel eine Studie, dass die genetischen Risikofaktoren  verschiedener Entwicklungsstörungen, wie zum Beispiel für ADHS und Dyslexie, hochkorreliert sind. Dies erklärt auch die überzufällige Häufigkeit von Komorbiditäten solcher Störungen.

Eine umfassende Charakterisierung von psychischen Störungsbildern erfordert die Integration von verschiedenen Massen (bsp. EEG, neuroanatomische Masse und Verhalten) unterschiedlicher Dimensionen (bsp. Aufmerksamkeit, Gedächtnis, Verarbeitungsgeschwindigkeit). Dieser Ansatz bringt verschiedene methodologische Herausforderungen mit sich, welche in dem vorliegenden Forschungsprojekt näher untersucht werden.

Masterarbeiten in diesem Forschungsbereich beschäftigen sich mit folgenden Fragestellungen/Themen:

  • Entwicklung neurowissenschaftlicher Untersuchungsmethoden (e.g. machine-learning, pattern-recognition)
  • Integration von verschiedenen neurowissenschaftlichen Methoden (multi-modal imaging)
  • Dimensionsreduktionsverfahren (bsp. Cluster-, Faktoranalysen, LASSO)
  • Gütekriterien (bsp. test re-test Reliabilität) von behavioralen und neuronalen Massen
  • Integration von verschiedenen Massen unterschiedlicher Dimensionen (big data science)

Untersuchte Altersgruppen: Gesamte Altersspanne.

Kontaktperson: Prof. Dr. Nicolas Langer (n.langer@psychologie.uzh.ch)

Forschungsmethoden: Verhaltensdaten (bsp. Arbeitsgedächtnis, Intelligenz, Inhibition, Verarbeitungsgeschwindigkeit), EEG und Eyetracking. Ergänzt werden diese Methoden mit struktureller und funktioneller MRT sowie diffusionsgewichtete (DTI) Aufnahmen.

 

Weiterführende Literatur:

https://www.nimh.nih.gov/research-priorities/rdoc/index.shtml

Fair, D. A., et al. (2012). Distinct neuropsychological subgroups in typically developing youth inform heterogeneity in children with ADHD. Proc Natl Acad Sci U S A 109(17): 6769-6774.

van Bergen, E., et al. (2014). The intergenerational multiple deficit model and the case of dyslexia. Front Hum Neurosci 8: 346.

Deuker L., Bullmore, E.T., Smith, M., Christensen, S., Nathan, P.J., Rockstroh, B., Bassett, D.S. (2009) Reproducibility of graph metrics of human brain functional networks. Neuroimage 47:1460-1468.

Cao, H., et al. (2014). Test-retest reliability of fMRI-based graph theoretical properties during working memory, emotion processing, and resting state. Neuroimage 84: 888-900.