Im Laufe der vergangenen zwei Jahrzehnte etablierte sich die funktionelle Magnetresonanztomographie (fMRT) als Bildgebungsverfahren zur Abbildung neuronaler Aktivität im Gehirn. Dies ist neben der hohen zeitlichen und räumlichen Auflösung dieses Verfahrens dadurch zu begründen, dass es sich dabei um eine völlig noninvasive Bildgebungsmethode handelt, mit der neuronale Aktivität indirekt über lokale Änderungen der magnetischen Suszeptibilität des Blutes gemessen wird. Prinzipiell wird im Rahmen der fMRT zwischen zwei Arten von Experimenten unterschieden. Dies sind zum einen Experimente, in denen die Versuchspersonen eine vordefinierte Aufgabe erfüllen und in weiterer Folge Rückschlüsse aus der gestellten Aufgabe auf Aktivierungsmuster in Hirnarealen, die mit diesen Aufgaben assoziiert sind, geschlossen werden. Zum anderen sind dies Experimente, in denen die Versuchspersonen ruhend im Tomographen liegen. Aus der Analyse der in diesen Experimenten erhobenen Daten können fundamentale, intrinsische Aktivierungsmuster im "ruhenden" Hirn abgeleitet werden. Diese Ruhenetzwerke sind durch niederfrequente Oszillationen im Zeitverlauf dieser Daten charakterisiert.
In der vorliegenden Dissertationsschrift werden zuerst die physikalischen Grundlagen zur Messung dieser Blutoxygenierungsunterschiede im Gehirn dargelegt, gefolgt von einer Darlegung der physiologischen Grundlagen des BOLD-Effekts sowie einer Einführung in die Methoden zur Analyse der im Rahmen einer fMRT durchgeführten Experimente. Des weiteren analysieren wir das zeitliche Signal-Rausch-Verhältnis einer neuen 2D EPI-Sequenz, mit der mehrere Schichten gleichzeitig aufgenommen werden können, um die optimalen Sequenzeinstellungen für 3T zu erfassen.
In weiter Folge wird die zeitliche Stabilität der Amplituden der niederfrequenten Fluktuationen, durch die die Ruhenetzwerke charakterisiert sind und die oft als Biomarker in klinischen Studien angewendet werden, untersucht und die hohe zeitliche Stabilität sowie die allgemeine Robustheit dieser Daten gezeigt, die als Grundlage einer Anwendung dieser Daten als Biomarker notwendig ist. Zuletzt erfassen wir den Effekt eines neuen Präprozessierungsschrittes, der durch Kopfbewegungen verursachte Signalschwankungen im Zeitverlauf von fMRT-Daten reduzieren soll, auf Gruppenergebnisse von Probanden, die nach der Stärke ihrer Kopfbewegungen klassifiziert sind und zeigen, dass dieser Algorithmus die stärksten Anstiege in der statistischen Signifikanz von Aktivierungsmustern in der Gruppe hervorbringt, die die stärksten Kopfbewegungen aufweist .