![]() |
Erstellt von Peter Unge
vor fast 7 Jahre
|
|
Frage | Antworten |
precession | Kreiseln des sich drehenden Protons, um Achse eines externen Magnetfelds B0 (ohne das es keine Precession gäbe) |
longitudinal magnetization | Etwas mehr Protonen richten ihre Precession parallel (in Richtung des externen Magnetfeldes B0) als anti-parallel aus daraus resultiert (gemittelt) eine Magnetisierung Mz parallel zu B0 |
Larmor frequence | Frequenz der Precession der Protonen, abhängig von der Feldstärke des externen magnetischen Feldes B0 (und einer Konstante abhängig vom Teilchen) größere Feldstärke ~ höhere Frequenz |
radiofrequency pulse | elektromagnetische Schwingung orthogonal zu B0 in Larmor Frequenz dadurch Resonanz und kontinuierliche Energiezufuhr -> longitudinale Magnetisierung kippt kontinuierlich zur Seite (dreht sich Spiralförmig immer weiter in Richtung 90°, potentiell auch darüber hinaus) |
90° pulse | radiofrequency pulse für eine bestimmte Zeit, keine Magnetisierung in z Richtung maximale in xy (rotierend) da viele Precessionen in Phase |
T1 | Zeit nach 90° Impuls bis zu 63% longitudinaler Relaxation |
longitudinale Relaxation | logarithmisches Annähern des Mz Vektors an übersprünglichen (vom Feld B0 induzierten) Zustand durch Energieabgabe an umgebendes Gewebe (spin to latice) Geschwindigkeit abhängig von B0 (größer -> langsamer) und vom Gewebe 0,5 bis mehrere Sekunden |
transverse Relaxation | transverses Magnetisches Feld (bspw. nach 90°) zerfällt exponentiell, da Precessionen außer Phase geraten durch T2 und T2' sichtbar zusammen in T2* |
T2 | Zeit nach 90° Puls bis 37% des transversalen Magnetfeldes verloren, DURCH spin-spin Interaktion (also nicht T2' und auch nicht deren Kombination T2*) |
T2* relaxion | Beschreibt tatsächlich gemessenen Abbau des transversalen Magnetfeldes, durch T2 (gesuchtes Signal) und T2' (eigentlich Rauschen) |
T2' Relaxion | Entsteht durch Inhomogenität des B0 -> unterschiedliche Lamorfrequenzen -> Precessionen geraten nach 90° Puls automatisch mit der Zeit außer Phase (Kann durch 180° Puls und Messung nach zu entsprechender Zeit revidiert werden) |
Repetition Time | TR zwischen 2 RF Pulsen lange: vollständige Relaxion, kaum Einfluss von T1 kurz: starker Einfluss von T1 |
Echo Time | TE Zeit vom RF Puls bis zur Messung kurz (<20ms): kaum Relaxion, kaum Einfluss T2 80ms: viel T2 gewichtete Signaldifferenz |
T1 vs T2 gewichtet | T1: kurze TR und TE unterscheidet gut ob im Gewebe andere Moleküle sind, die Energie aufnehmen können - Fett hell, CSF dunkel T2: lange TR und TE unterscheidet, wie frei sich Protonen bewegen => schlecht untereinander Energie austauschen - Fett dunkel, CSF hell |
spacial encoding | Where does the signal come from? -> use of addtional magnetic fields => magnetic gradients: slice selection phase encoding frequency encoding |
MR pulse sequence | (B0 immer an) 1) z-Gradient und RF Impuls (Anregung eines bestimmten Slices) 2) Phase encoding durch kurzen y-Gradient, (die Stärke wird bei jeder Iteration für den selben Slice variert) 3) Frequence Encoding während der Messung (des Echos) über eine Zeit hinweg |
K-space | ~ Matrix aus Werten, die dann für die 2-D Fourier Transformation verwendet werden eine Zeile ist die Signalstärke über die Zeit (lässt sich aufspalten in verschiedene Sinusschwingungen) die Zeilen unterscheiden sich in der Stärke des Phasen Gradienten Mitte hat größtes Signal durch x) Peek des Echos y) geringste Phasenverschiebung Zentrum: Kontrast, niedrig frequente Information Ränder: Details, hoch frequente Info |
Gradient Echo Sequence | umgedrehter Frequenz-Gradient wird schon vor der Messung gegeben -> Dephasing Während der Messung durch (normalen) Frequenz-Gradient langsam ausgeglichen -> kommen wieder in Phase und dann darüber hinaus (dadurch K-Space in der Mitte heller) (Hat viele Vorteile, oft wird weniger als 90° geflippt -> schneller, da T2*, statt T2 wie bei Spin Echo, beeinflusst durch lokale Magnetfeldänderungen, u.a. durch Oxyhämoglobin!) |
Echo planar Imaging | Messen eines geringer abgelösten K-spaces potentiell in einer TR, durch wiederholtes anlegen und umkehren der Frequenz-gradienten (GRE) (Messen im K-Space von links nach rechts und rechts nach links, bei Beginn jeweils kurzer Phasen-gradienten ~> im K-space nach unten wandern) |
Voxel Size | Slices sind 192 mm x 192 mm und 64 x 64 Pixel => 3 mm ist die größe eines Voxels (wenn der Slice ebenfalls 3 mm dick ist) |
Field of View | Der Bereich, der gescant wird |
Susceptibility | Empfindlichkeit = ein eigenes magnetisches Feld aufzubauen, wenn ein äußeres anliegt -> führt zu Inhomogenität u.a. verursacht durch Deoxy-Hämoglobin -> schnellere T2* in umgebenden Gewebe (besonders große Auswirkungen auch auf Übergänge von Luft zur Gewebe) |
Oxy-Hemoglobin | sauerstoffangebunden ~ findet sich in sauerstoffreichen Blut im Gegensatz zu Deoxy-Hämoglobin nicht paramagnetisch, sondern diamagnetisch -> längere T2* |
BOLD | blood oxygen level dependent durch neuronale Aktivität mehr Bedarf an Sauerstoff -> Erweiterung der Blutgefäße ~ Überangebot = mehr Sauerstoff, mehr Oxyhämoglobin !relative langsam, kein direktes Maß |
Haemodynamic Response function | Initial Dip TP - Zeit bis zum Peak Breite und Höhe des Ausschlags Post-stimulus Undershoot |
Movement | (Kann stärkeren Einfluss haben als BOLD Effekt) Random movement -> erhöht noice task correlated -> false positive deswegen Pairwise realigment für rigid body movement, 3 translatation und 3 rotations parameter -> Änderung des Bildes & -> in GLM um Effekte durch Movement auszuschließen (konservativ) |
Interpolation | da diskretes Signal -> keine kontinuierlichen Kurven Verfahren: pairwise linear, nearest neighbor, bilinear, best: B-spline (~mehrmaliges Drehen und Zurückdrehen, geringste Fehler und gute Smoothness) |
Coregistration | (meist) Zusammenführen des strukturellen und des(der) funktionellen Bilder ! bspw. für T1 und T2 unterschiedliche Signalstärken für das selbe Gewebe -> Maximierung der mutual information, (=> Minimierung der Joint Entropy, Maximierung der häufigsten Kombination: Wert T1 mit Wert T2, weil sie dasselbe Gewebe darstellen) ~ schärferes Bild im Joint Histogramm |
Why Normalization? | report in standardized brain space functional group studies metaanalysis morphemetric studies |
normalize functional images | nicht funktionelle Bilder mit Template, sondern funk. Bilder (realigned) coregistered mit strukturellen, strukturelle mit Template normalized, Umformungsregeln für funk. genutzt |
Why smoothing | reduce noice reduce interindividual difference to apply gaussian random field theory |
Kennwert Smoothing | Full width at half maximum = Distanz der Funktionswerte, die halb so groß wie das Maximum sind |
mass univariate approach | BOLD signal für alle Voxel einzeln analysiert (Kontrast zu multivariate) |
ordinary least squares estimation | least squares: für y=Beta*X+e geringste sum(e²) (geringster Fehler) wird für normalverteilte Fehler geschätzt durch Beta-Dach= (XT*X)^-1 * XT * y |
Anpassung des GLM an fMRI | 1) delayed and disperced shape -> Kombination Stimulus mit HRF 2) low-frequency-noice (e.g. Scanner Drift) -> High Pass Filter = tiefe Frequenzen als Regressoren 3) serial correlated errors (e.g. heartbeat) -> autocovariance function of errors |
Vorteile event-related design | 1) ermöglicht randomisierten Trial-Anordnung 2) post-hoc classification von Trials (bspw. anhand behavioraler Daten) 3) ermöglicht vom Probanden ausgelöste Ereignisse 4) ermöglicht mehr Designs, bspw. Odd-Ball |
Vorteile Block-Design | 1) z.T. geeigneter, bspw. für bewusste Wechsel einer Strategie 2) sensitiver für Effekte |
Convolution | Kombination des experimentellen Designs und der canonical HRF, oft mit up-sampling für bessere Genauigkeit, gefolgt von down-sampling auf ursprüngliche Aufllösung der diskreten Zeitwerte |
Informed Basis Set | ! Canonical HRF nicht immer gleich (Patient und auch Hirnregion) -> (mulitvariate Taylor Expansion ~) zusätzliche Regressionsfaktoren für Einsatz (temporal Derivative) und Dauer (Dispersion Derivative) der HRF |
Warum ist Blockdesign effektiver | Convolution ~ Frequenzfilter der HRF für das Stimulussignal Frequenzdomäne der HRF hat Maximum für ca. 1/24 Hz -> Stimulussignal mit entsprechender Sinusschwingung wird am wenigstens abgeschwächt, entspricht Hauptfrequenz eines 12s on, 12s off Blockdesigns ! effektive HRF (enthält auch die Highpassfilter) macht Blockdesigns länger als 80s sehr schlecht (da Hauptfrequenz gefiltert wird) |
random effect subjects | subjects sind zufällig gezogen aus Population, für Inferenz über Population muss between subject Varianz berücksichtigt werden |
Matrix paired 2-sample T-Test | 1 0 1 0 0 1 0 0 1 0 1 0 0 0 1 0 1 1 0 0 0 1 0 1 0 0 1 0 0 1 Regressoren 1-2: Gruppe 3-5: Paar |
Cluster level Inference | 1) willkürliche Threshold u -> in Frage kommende Voxel bilden Cluster 2) Cluster größer als kAlpha sensitiver als Voxel-level, aber räumliche Genauigkeit schlechter (keine Aussage innerhalb des Clusters) |
Specifity eines Tests | 1-Alpha korr. Zurückweisung (beibehaltung H0) / k.Z. + falsche Positive |
Sensitivity eines Tests | (Power) 1-Beta erkannte Positive (Ablehnung H0) / e.P. + falsche Zurückweisung |
Familywise Error Rate | Von 100 Test ohne Effekt haben nur bspw. 5 mind. einen false Positive |
False Discovery Rate | Verhältnis von gefundenen Effekten/Voxeln zu falsch gefundenen |
Bonferroni Korrektur | Alpha = Alpha-Null / Anzahl der Test soll für FWER = Alpha sorgen, für fMRI aber durch lokale Abhängigkeit der Voxel viel zu konservativ |
Random Field Theory | Ziel: Threshold Angleichung für FWER, nutzt Smoothness (sowieso vorhandene und induzierte), Kennwert: Euler Characteristic (~? Anzahl Flächen über Threshold ohne Löcher) -> FWER = P(Euler>=1) für H0 |
Verfahren FDR | unkorregierte P-Werte ordnen, gesucht größtes i p(i) <= i / Gesamtzahl * 'alpha' für 1-i: H0 ablehnen |
sMRI in fMRI study | 1) Standard für spatial normalization 2) Identifikation der Aktivitätsregion für bestimmtes subject |
Talairach Space | Koordinatensystem für Gehirn, Nullpunkt in Commisura Anterior (heute eher wird eher MNI Space genutzt) |
Normalization | lineare / affine: translation, rotation (same subject) scaling, shear (between subjects) + nonlinear / deformation fields (zusammengesetzt aus Kosinuswellen) |
Gehirnkoordinaten oder Areal 'Standards' | - Talairach (Fixpunkte) - MNI / ICBM 152 template (152 Scans) - Brodman Areale (Zytoarchitektur) - SPM Anatomic Toolbox (Zytoarchitektur von 10 Gehirnen: für wie viele davon liegt eine Koordinate in MNI space in einem Areal (nur 70% Kortex bestimmt) |
unified Segmentation | automatische Klassifzieren von Gewebe (für Voxel-Based Morphometry bspw), die Zyklen aus Segmentierung (, Bias Korrektur) und Normalisierung nutzt (veränderter Spatial Prior führt zu veränderter Klassifizierung, führt zu veränderter nonlinear Normalisierung, führt zu angepasstem Prior ...) |
Modulation | Teilaspekt von Segmentation / VBM, Normalization ziemlich perfekt -> nur ursprüngliche Density des Subjecttissue bleibt erhalten Modulation nutzt Normalization Parameter um Intensity anzupassen -> Gesamtmenge bleibt gleich |
Entscheidungen in VBM study | Modulation Smoothing Including global Differences Including Nuance Variables (Alter, Interval, ...) |
Probleme VBM | Interpretation Change (Neurogenese oder oder oder) gefundene Unterschiede durch Misregistration, Folding Difference etc. Problems with statical Validity (vor allem von kleine Experimental mit großer KG verglichen wird) |
psychophysiological Interaction | PPI ~? Wird Konnektivität zweier Regionen durch Kontext beeinflusst nutzt neuronale Aktivität des Seeds (=physio.) als Regressor, sowie Interaktion mit KOntext (bspw. Attention = psycho.) !? Deconvolution des Seed BOLD Signals soll ursprüngliche neur. Akt. widerspiegeln ! Interaktion kann verschieden interpretiert werden |
neural Restingstate Activity | lokal Fieldpotentials of >~40 Hz ?Role: kog. Operations, Daydreaming, Memory traces, continous updating fluctuations in fMRI between 0.01 and 0.1 Hz (-> Aliasing Problems with Heartrate etc. durch Abtastrate TR des gesamten Gehirns von 2-3 s) |
Procedure rfMRI | normal, aber - smoothing optional - tiefste Frequenzen gefiltert (nicht im GLM) - Artefakt Removal: 1) Regression of Confounds (bspw. Herzschlag) 2) Entfernen von schlechten Datenpunkten (bspw. Bewegungen) 3) Data-driven Noise Removal mit ICA (kann auch Herzschlag erkennen bspw.) 4) optional Low-Pass Filter |
Independent Component Analysis | ~ erstellt Gruppen mit ähnlichen Signalverläufen (bspw. lineare Anstieg oder Schwingung mit x-Hz) -> Erkennen von Netzwerken (bspw. viele Resting state Netzwerke) und Noice Komponenten ! Anzahl der Komponenten muss vorher festgelegt werden ! genaue Prozedur zur Festlegung von Noice Komponenten noch in Arbeit |
Correlation Matrix | ~ Seed Voxel Ansatz für sehr viele Voxel -> Matrix Umsortieren ~> Clustering in Gruppen, um Netzwerke zu erkennen |
Anwendungen rfMRI | 1) Netzwerke im Gehirn erkennen (Resting state Konnektivität entspricht z.T. Aufgaben Konnektivität) 2) Regionen im Gehirn durch unterschiedliche Konnektivität identifizieren (functional Fingerprints) 3) klinische Diagnostik 4) inter- und intrapersonelle Unterschiede |
Radiopharmaceuticals | radioactive Tracers genutzt für PET, produziert im Labor mit Hilfe von extrem schnellen Protonen (oder Deuterium) aus Cyclotron, Bsp: F18 Flourine Deoxyglucose (FDG) F18 Dopa O15 Wasser |
Annihilation event | (Isotop zerfällt, sendet Proton, verliert Geschwindigkeit nach etwa 4mm) kollidiert mit Elektron, beide werden ausgelöscht, zwei Gamma-Photonen in entgegengesetzte Richtungen |
Attenuation Correction | "Dämpfung" der Gammastrahlung durch Gewebe (scattering-> Richtung und Energieverlust), stärker für Signal aus tieferen Schichten -> Ausgleich |
Line of Response | nach Annihilation event Gammaphotonen in gegenüberliegenden Detectoren erkannt -> Gerade auf der das Event statt fand (nicht gleich mit Ort des Zerfalls, verfälscht durch scatter und random coincidence) |
Auflösung SPECT und PET | ~ 12 mm & < 5mm |
Quantitative Analyse PET | tatsächliche Menge an aufgenommen Stoff -> Aussagen für einzelnen Subject in Bezug auf Norm (qualitativ kann nur mit anderem gemessenen Wert vergleichen) ! latente Variable - Bedarf genaue Messung, Modelle, Zeitverläufe, ... |
DWI | Diffusion weighted Imaging MRI Messtechnik, Spin-Echo mit Gradienten vs. ohne ~> Bewegung der Teilchen 1. Gradient und Messung entlang Achse d. G. => mehr außer Phase, stärkere Signalvelust |
DTI | Diffusion Tensor Imaging DWI in verschiedenen Richtungen -> Stärke und Richtung, 6 freie Werte des Diffusion Tensor (mit PCA) -> Eigenwerte ~ Stärke in Hauptrichtung und Orthogonalen -> FA und ADC als 'Mittelwerte' |
fractional anisotropy | normalized deviation from isotropy ~ wie stark sich die Richtungen unterscheiden |
apparent diffusion coefficient | 'mean diffusity' ~ wie stark ist die Bewegung allgemein eingeschränkt |
Darstellung DTI | color-coded Isosurfaces (Anisotropy: Kugel vs. Zigarren), c.-c. Orientationmaps (Intensität = FA) |
b-value | Eignung des Magnetic (Diffusion) Gradient zur DWI ~ Stärke, Dauer, (auch Einfluss des B0 und des Abstands zw Gradienten) |
q-Space | 3D-Matrix von DWI Messungen vieler Richtungen und b-values -> enthält auch Info, ob sich Nervenstränge im Voxel kreuzen (im Gegensatz zu DTI) |
deterministic Fiber Tracking | (Bsp?) FACT Bahn genau festgelegt aus DT und Startvoxel, Ende durch Starke Änderung in Diffusion oder Richtung, gute Passung zu post-mortem Gewebe Analysen ! Problem von crossing Fibers (mehr als eine Richtung im Voxel) |
first EEG | 1924 (for humans) |
SQUID | Superconducting Quantum Inference Device sehr sensitiver Magnetfeldmesser (invented 1970, predicted 1962) |
Postsynaptic Potential | Excitation -> positive Ionen in Soma -> Potential zum Dendriten, in Pyramiden Zellen zu Apical Dendriten (gehen von der Spitze aus) -> parallel zu anderen Pyramidenzellen, (senkrecht zur Oberfläche der grauen Materie) |
Measurement of PSPs | EEG: Volume currents an der Schädeloberfläche MEG: Magnetischer Fluss durch Primärstrom, (theoretisch) blind für radiale mind. 1 Mio Synapsen/ 50 k Zellen gleichzeitig (in gleiche Richtung) ! keine Aussage ob Excitatorisch oder Inhibitorisch |
Gradiometer | zweite Art von Messspuhle im MEG (neben Magnetometer), zwei orthogonal angeordnete Gradiometer messen räumliche Änderung im Magnetfeld |
10-20 System | alte Standardisierung von Elektrodenpositionen für EEG, anhand von 4 markanten Punkten und Quantilen dazwischen, wird noch genutzt, nicht mehr für Forschung |
Reference Elektrode | für EEG Messung (Messelektrode - Referenze = Signal), an den Mastoid (Knochen hinterm Ohr), oder heute auch schlicht Durchschnittsreferenz (64 Elektroden oder mehr) |
EEG Artefakte | Stromquellen Muskelkontraktion Sakkaden Herzschlag Saturation Änderung der Hautleitfähigkeit (andere EEG Signale) |
EEG Artefakt Entfernung | Isolation komfortabel und kein Bewegungsgrund Blinzeln im Signal erkennen ICA |
MEG Rauschen unterdrücken | magnetisch isolierter Raum Signal Space Seperation ICA (und Methoden aus EEG um Artefakte zu entdecken) |
ERP Mehrdeutigkeit | Signal an der Oberfläche kann von sehr vielen Quellen herrühren, durch Mitteln beim ERP können Signale verschmiert werden |
ERP Untersuchungen usually ... | 1) focus on a single large component 2) use tried-and-tested paradigms 3) test for differences or interactions |
ERP Komponenten | P1/100: optischer Reiz (moderiert durch Aufmerksamkeit, 65 bis 90 ms) N170: Reaktion auf Gesicht (rechts lateralisiert) P3a: Neuheit des Stimulus (250 bis 280 ms) |
EEG Wellen | Delta < 4 Hz Theta 4-8 Alpha 8 -13 Beta 13 -30 Gamma >30 |
time-frequency analysis | Grundprinzip: Bestimmen der Magnitude und Phase der Schwingungen eines M/EEG Signals, meist durch Convolution mit Paaren von Morlet Waves, + kann auch induced Signals erkennen (+ getrennte Analyse von Amplitude und Phase) |
induced Power | Total Power - Evoked Power ~ Amplituden der nicht phase gelockten Schwingungen (unkenntlich im klassischen ERP, sichtbar wenn Power für jeden trial einzeln und dann erst gemittelt) |
ER phase locking factor | across trials, wie genau stimmen die Phasen eines Frequenzbands überein in (Bezug auf das Event Onset) |
ER cross-coherence | across trials, ~ Korrelation zweier Kanäle in einem Frequenzband (! Kanäle zu vergleichen macht nur begrenzt Sinn, da eine Quelle in verschiedenen Kanälen empfangen werden kann) |
canonical computations | grundlegende Teilprozesse, an denen verschiedene Hirnregionen beteiligt sind, die sich während des Prozessen in bestimmter Frequenz synchronisieren |
inverse problem | die Quelle der gemessenen Daten bestimmen, anhand eines Forward Modells mit (gesuchten) freien Parametern, die durch Optimisierung gefunden werden sollen ! keine eindeutige Lösung, benötigt Vorannahmen |
Bsp. Forward Models | Spherical head model (drei Kugel/Schichten: Gehirn, Schädel, Haut) boundary element model (ähnlich, nur tatsächliche Form mit sMRI bestimmt, ! Annahme das gleiches Gewebe überall gleich leitet) |
equivalent current dipol model | Annahme einer kleinen Anzahl an Sources (Dipole), beschrieben durch 6 Parameter + wenig Parameter für viele Daten - Optimisierung höchst nonlinear -> benötigt evtl. Vorannahmen |
distributed source reconstruction | sMRI -> Kortexoberfläche, senkrecht darin ~ 3000 Dipole annehmen -> Stärke bestimmen + lineare Optimierung - viel mehr Sources (Dipole) als Sensors (Elektroden) -> benötigt Constraints |
beamformer | Uses all sensor data to reconstruct source activity at single location. Scanning all locations in brain space gives 3D images |
Lösungsansätze Inverse Problem M/EEG | ECD (equivalent current dipol model) distributed source reconstruction beamformer |
TMS | transcranial magnetic stimulation |
tDCS | transcranial direct current stimulation |
individual motortreshold at rest | TMS über M1 -> Motor evoked potential (~ Zucken zwischen Daumen und Zeigefinger) Messwert für Stärke der Stimulation, die in mind. 50% zu MEP führt (>50microV bei 20 Versuchen) |
Mechanismus tDCS | etwa 40% der Stroms gelangt ins Gehirn, beeinflusst spontane Feuerrate, löst selbst keine aus, Anode -> häufiger Kathode -> seltener |
TMS allgemein | Einfache oder Doppelspule, nur etwa 25 mm tief, verschiedene Verfahren zur Coil localisation, Sham ist schwierig, genau wie online Verfahren (gleichzeitig Stimulieren und Messen) bspw. wegen Muskelzucken, gute räumliche Begrenzung, teuer |
TMS Protocolls | repetitive (gleichmaäßtig): < 1Hz -> Inhibition > 5Hz Facilitation patternd Theta-Burst (drei nacheinander mit 50Hz, jeweils mit 5 Hz): continous -> inhib. intermediate (~ 5 s Bursts, 10 s Pause) -> ~ keine intermittent (~ 2 s Bursts, 8 s Pause) -> facil, sehr lang anhaltende Effekte |
TMS Anwendungen | 'virtaul lesion' approach (welche Hirnregionen sind an Task beteiligt) chronometry (wann sind -"-) functional connectivity (auch für tDCS) |
TMS Safety | für manche Arten/Level Anfälle (Risiko steigt mit Intensity, Frequency, train size, shorter pauses) -"- häufig Kopf- und andere Schmerzen wenn sehr nah Beeinflussung elektrischer Geräte (Choleaimplantat etc.) |
Variability in NIBS | (noninvasive Brain stimulation) TMS: große Streuung, z.T. auch Umkehrung tDCS: etwa 50% kein messbarer Effekt Einflussfaktoren: Fitness, Alter, Gene! |
Möchten Sie mit GoConqr kostenlos Ihre eigenen Karteikarten erstellen? Mehr erfahren.