Projekte

HNO-Klinik

Direktor:
Prof. Dr. med. Dr. h. c. Heinrich Iro

Neurophysiologie des Hörens: Schwerhörigkeit, Tinnitus und auditives Lernen

Unser Standard-Tiermodell ist die Mongolische Wüstenrennmaus (Meriones unguiculatus, Gerbil), ein in der Hörforschung auf Grund des dem Menschen ähnlichen Hörvermögens häufig verwendetes Modell: Die Organisation des Hörsystems dieser Tiere ist bestens beschrieben, so dass es sich hervorragend zur Untersuchung pathologischer neuroplastischer Veränderungen desselben eignet, etwa nach Schalltrauma-induziertem Hörverlust oder einem sich in der Folge entwickelnden Tinnitus. Wir erforschen die neurophysiologischen Mechanismen solcher pathologischer Veränderungen und korrelieren diese mit entsprechenden Verhaltenstests zum Hörvermögen oder auch dem Vorhandensein eines Tinnitusperzepts. Ziel ist es, durch ein tieferes Verständnis dieser Pathomechanismen die Entwicklung neuer Therapieansätze zu ermöglichen. In Kooperation mit der audiologischen Abteilung unserer Klinik (Prof. Hoppe) können wir die gewonnenen Erkenntnisse dann direkt an Patientendaten testen.

Darüber hinaus eignen sich die Tiere Dank ihres ruhigen Charakters auch hervorragend für Untersuchungen zum auditiven Lernen. Wir verwenden dabei das sogenannte Shuttlebox-Training, um verschiedene Fragestellungen zur Neuroplastizität, etwa bei Tinnitus oder nach Hirnläsion, zu beantworten. Hier können wir auch dem Gehirn direkt beim Lernen zusehen, da wir während des Verhaltensparadigmas elektrophysiologische Ableitungen mit bis zu 32 Kanälen im auditorischen Kortex durchführen können.

Physiologe und Pathophysiologie des Schlafs

In Zusammenarbeit mit dem Schlaflabor der HNO-Klinik (Dr. Traxdorf) entwickeln wir Methoden, die mittels EEG-Ableitung eine objektivierbare Identifikation von verschiedenen Schlafphasen und Apnoeevents ermöglichen sollen. Hierbei verwenden wir ein von uns entwickeltes neuartiges Verfahren, welches es ermöglicht, raum-zeitliche Aktivierungsmuster im Gehirn statistisch miteinander zu vergleichen. Ziel dabei ist es, zum Beispiel den Therapieerflog einer CPAP –Therapie (Continious Positive Airway Pressure) zu objektivieren und quantifizieren.

Künstlich Intelligenz als Werkzeug zur Analyse von und als Modell für die Informationsverarbeitung im Gehirn

Dieses Projekt findet in Kooperation mit der Arbeitsgruppe für Kognitive und Theoretische Neurowissenschaft am Lehrstuhl für Anglistik und Linguistik im Schnittbereich von Künstlicher Intelligenz und Neurowissenschaft statt. Dabei wird einerseits Künstliche Intelligenz als Werkzeug zur Analyse und Visualisierung hochdimensionaler Daten der Gehirnaktivität von Mensch und Tier eingesetzt, wie sie z.B. mit bildgebenden Verfahren (EEG, MEG, fMRT), oder auch durch direkt in das Gehirn implantierte Elektroden erfasst werden. Andererseits eignen sich künstliche neuronale Netze, auf welchen alle spektakulären Erfolge der KI der letzten Jahre beruhen, hervorragend als Modell für die Informationsverarbeitung im Gehirn. Somit trägt KI wesentlich zu einem tieferen Verständnis der Funktionsweise des menschlichen Gehirns bei. Von diesem Zusammenspiel aus Neurowissenschaft und KI profitiert jedoch nicht nur die Hirnforschung, auch KI Systeme können durch Implementierung neurowissenschaftlicher Prinzipien der Informationsverarbeitung noch leistungsfähiger werden.

Sprachverarbeitung in Künstlichen Neuronalen Netzen und dem menschlichen Gehirn.

In Kooperation mit der Arbeitsgruppe Kognitive und Theoretische Neurowissenschaft am Lehrstuhl für Anglisitk und Linguistik zielt dieses Projekt an der Schnittstelle von Neurowissenschaften, Linguistik und Künstlicher Intelligenz (KI) auf ein mechanistisches Verständnis der Sprachverarbeitung im menschlichen Gehirn ab. Dies wird durch die Erstellung neurobiologisch plausibler KI-Modelle erreicht, welche wiederum mit Verhaltens- und Hirndaten (Fragebögen, MEG/EEG, fMRI) getestet werden. Die im Laufe des Projekts erzielten Fortschritte - algorithmisch inspiriert von den Neurowissenschaften - werden einen entscheidenden Schritt hin zu robusteren und flexibleren Systemen für natürliche Sprachverarbeitung führen.

Computational Neuroscience und Theoretische Neurophysik

In diesem Projekt untersuchen wir (simulierte) neuronale Systeme und Schaltkreise mit den Konzepten und Methoden der Physik. Unser Ziel ist es, die fundamentalen Funktionsprinzipien solcher Netze und damit des Gehirns zu analysieren, simulieren und modellieren, um den Zusammenhang zwischen neuronaler Struktur und Dynamik zu verstehen. Im Gegensatz zu den üblichen Ansätzen des maschinellen Lernens versuchen wir dabei nicht ein Klassifikations- oder Vorhersage-Problem zu optimieren, sondern wir verwenden künstliche neuronale Netze als Werkzeug, um die Dynamik und Regeln des Lernens zu untersuchen. Wir verwenden hierzu Methoden und Konzepte aus den Bereichen Statistische Mechanik, Theorie der Komplexen Systeme, Graphen- und Netzwerktheorie, Informationstheorie, Dynamische Systeme und Chaostheorie. Fernziel dieses Projekts ist es, den minimalen Satz von Eigenschaften eines künstlichen oder natürlichen informationsverarbeitenden Systems zu beschreiben, die notwendig und hinreichend sind für Perzeption, Kognition und Motorik.