Artículo de método

Análisis de red de la red de modo predeterminado Usando Funcional Conectividad RM en epilepsia del lóbulo temporal

DOI:

10.3791/51442

⸱

5 de agosto de 2014

 ,  ,  ,  , 
1Department of Neurology, Baylor College of Medicine, 2Neurology Care Line, Michael E. DeBakey VA Medical Center, 3Semel Institute for Neuroscience and Human Behavior, University of California, Los Angeles, 4Department of Neurology, University of California, Los Angeles

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El modo de red por defecto (DMN) en epilepsia del lóbulo temporal (ELT) se analiza en el estado de reposo del cerebro mediante la conectividad funcional basado en la semilla MRI (fcMRI).

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La conectividad funcional de resonancia magnética (fcMRI) es un método de resonancia magnética funcional que examina la conectividad de diferentes áreas del cerebro basado en la correlación de las fluctuaciones de la señal BOLD con el tiempo. Epilepsia del lóbulo temporal (ELT) es el tipo más común de epilepsia para adultos e implica múltiples redes cerebrales. La red de modo por defecto (DMN) participa en conciencia, la cognición estado de reposo y se piensa que se verá afectada de TLE donde las convulsiones causan alteraciones de la conciencia. La DMN en la epilepsia se examinó utilizando semilla basada fcMRI. Los anteriores y posteriores centros de la DMN se usaron como semillas en este análisis. Los resultados muestran una desconexión entre el anterior y posterior centros de la DMN en el TLE durante el estado basal. Además, el aumento de la conectividad DMN a otras regiones del cerebro en la ELT izquierda, junto con una disminución de la conectividad en la derecha TLE es revelado. El análisis demuestra cómo fcMRI a base de semillas se pueden usar para sondear las redes cerebrales en los trastornos cerebrales tales como epilepsia del lóbulo temporal.

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Funcional Conectividad MRI (fcMRI) es un enfoque analítico relativamente reciente a los datos fMRI que cuantifica la relación entre diferentes regiones del cerebro basado en la similitud de su nivel de oxigenación de la sangre dependiente (BOLD) de series de tiempo de la señal - esto se llama conectividad "funcional", y es distinguible de conectividad anatómica que describe la existencia de conexiones físicas entre las regiones (por ejemplo, fibras de materia blanca). En una aplicación especial de este enfoque, la serie de tiempo se recogen cuando el participante no se dedica a una tarea o se encuentra en el llamado "estado de reposo".

Aunque primero descrito en 1995 1, ha habido un enorme interés en fcMRI resultando en aproximadamente 1000 publicaciones relacionadas con la técnica en 2012. FcMRI tiene beneficios intrínsecos más de fMRI basada en tareas en (1) que no hay ninguna tarea específica a realizar, ( 2) Cooperación tema esno es necesario, (3) conjuntos de datos se pueden utilizar para consultar varias redes diferentes, (4) una mejor relación señal a ruido está presente probablemente debido a las diferencias en la energética cerebrales involucradas, y (5) la elusión de los factores de confusión relacionadas con la tarea 2. Como una prueba de su concepto, se han mostrado cambios fcMRI para corresponder con los cambios en el EEG 3 y los potenciales de campo locales 4 en el cerebro.

Técnicas de análisis fcMRI incluyen técnicas de ROI / a base de semillas, análisis de componentes independientes (ICA), el análisis de la teoría de grafos, el análisis de causalidad de Granger, los métodos locales (amplitud de las fluctuaciones de baja frecuencia, el análisis de homogeneidad regional), y otros 5. Ninguna técnica ha demostrado todavía una clara superioridad sobre el otro, a pesar de los métodos más populares son a base de semillas y métodos de ICA 6. Basado en Seed fcMRI correlaciona fluctuaciones temporales en la señal BOLD de una parte preseleccionada de la red putativo en estudio denomina la "semilla1; o "región de interés (ROI)" a todas las otras partes del cerebro. Las áreas del cerebro que muestra correlacionar la señal BOLD a la zona de la semilla se piensan para delimitar las partes de la red de los involucrados. Por el contrario, el ICA utiliza un análisis basado en datos modelo libre para extraer las áreas cerebrales espacio-temporalmente correlacionados (Componentes Independientes, CI) mediante el análisis de las características de la señal hemodinámicos de todo el cerebro 5.

En el manuscrito actual, una descripción de los métodos utilizados en un estudio publicado previamente de análisis de estado de reposo a base de semillas de conectividad de la DMN en la ELT se presenta 7. TLE es la forma más común de la epilepsia adulto. Además de las convulsiones, epilepsia del lóbulo temporal causa la disfunción de múltiples redes del cerebro incluyendo la memoria, el comportamiento, el pensamiento y la función sensorial 8. La DMN está constituido por las regiones cerebrales que inervan consciente, la cognición en estado de reposo. La DMN se ha informado a participar en las convulsiones asociadas con consc reducidaiousness 9,10. Además, el hipocampo es la estructura clave que participa en la ELT y se ha pensado que ser componente de la DMN. Sin embargo, la conectividad de la PCC a la formación del hipocampo es más débil que con otros componentes de DMN, tales como medial prefrontal y la corteza parietal inferior. Esto sugiere que el hipocampo es o bien una subred de la DMN o un 11,12 red que interactúan. Estos puntos en común entre TLE y DMN plantean la posibilidad de que DMN conectividad funcional se altera en la ELT. Este análisis compara el DMN de los sujetos con epilepsia del lóbulo temporal con los controles sanos para profundizar en la participación de los DMN en la ELT. La conectividad de las semillas colocadas en los principales centros de la DMN - las regiones del cubo anterior y posterior se analizaron 12. Las semillas se colocan en el centro posterior que consiste en la retrosplenium / precuneus (RSP / pcun), así como el eje anterior que consiste en la corteza prefrontal ventromedial (CPFVM) en pacientes que tienen TLE y ensaludable controla para identificar las subredes posterior y anterior de la DMN.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Los sujetos

  1. La población de estudio de 36 temas incluye 3 grupos: derecho TLE (n = 11), a la izquierda TLE (n = 12) y controles sanos (n = 13). Obtener el consentimiento informado por escrito de todos los sujetos. El estudio sigue los lineamientos de la Universidad de California, Los Angeles (UCLA) Junta de Revisión Institucional.
  2. Los grupos de sujetos con epilepsia deberían ser los pacientes que son candidatos para la resección anterior del lóbulo temporal determinada por monitorización de vídeo-EEG, resonancia magnética del cerebro, la PET y pruebas neuropsicológicas. Los pacientes deben continuar con sus medicamentos habituales durante la exploración de resonancia magnética funcional y no deben ser escaneada inmediatamente después de una convulsión. Asegúrese de que todos los sujetos tienen resonancias magnéticas cerebrales normales y están libres de enfermedad neurológica (aparte de la epilepsia en los grupos de pacientes) o está utilizando medicamentos neurológicos.

2. Imaging

  1. Utilice un sistema de 3 Tesla MRI para obtener imágenes. Obtener cortes axiales de imágenes funcionales utilizando una imag ecoplanaring (PAI) de secuencia y para las imágenes anatómicas utilizando un gradiente mimado recordó secuencia (SPGR).
  2. Realice imagen funcional utilizando los siguientes parámetros: TR = 2000 ms, TE = 30 ms, FOV = 210 mm, matriz = 64 x 64, grosor de corte de 4 mm, 34 rebanadas. Utilice los siguientes parámetros para la imagen estructural de alta resolución: TR = 20 ms, TE = 3 ms, FOV = 256 mm, matriz = 256 x 256, grosor de corte de 1 mm, 160 rebanadas.
  3. Cada sesión de imágenes debe durar 20 min. Pida a los participantes a relajarse con los ojos cerrados. No se requiere la entrada auditiva especial.

3. Preprocesamiento de datos BOLD

  1. Preproceso de los datos de la fMRI utilizando FSL (FMRIB Software Library) la versión del software 4.1.6 (Oxford, Reino Unido, www.fmrib.ox.ac.uk / FSL) 13,14. Pasos de preprocesamiento deben incluir lo siguiente: Utilice FSL MCFLIRT para eliminar el movimiento de cabeza artefacto 15. Utilice BET FSL para extraer tejido nonbrain 16 con BET opción-F para archivos BOLD. Esto ayuda a una carrera fpasos de análisis ás sobre el tejido cerebral solamente.
  2. En HAZAÑA, ejecute un análisis mínimamente procesado con el registro. Seleccione "análisis de primer nivel" y cambie "análisis completo" a "Pre-stats" de los dos botones superiores.
    1. En la pestaña de Pre-stats, desmarque la opción "extracción BET cerebro" y seleccione "Ninguno" para "corrección Motion" (puesto que ya se realizaron anteriormente). Registre las imágenes funcionales (BOLD) a la anatómica (SPGR) imágenes, y luego a un nivel de imagen (MNI). Esto resulta en la generación de matrices de transformación, que se utilizan más tarde durante el análisis para deformar las semillas seleccionadas en el espacio estándar en el espacio el cerebro del sujeto.
  3. Utilice la matriz de transformación generado (llamado "standard2example_func.mat") y transformar CSF y regiones de interés de la materia blanca en el espacio BOLD individual.
    1. Extracto de la serie temporal de la CSF y regiones de interés en la sustancia blanca con el comando fslmeants,usando el retorno de la inversión en el espacio sujeto individual como una máscara. Normalizar la serie temporal extraída usando el software "R". Estas series de tiempo se utilizan como regresores en la GLM más adelante para eliminar las señales de artefactos correspondientes del análisis.
  4. El siguiente paso es la eliminación de sujetos artefactos de movimiento relacionados. Para la regresión de los parámetros de movimiento, establezca lo siguiente dentro HAZAÑA FSL antes de ejecutarlo.
    1. Dentro de la ficha de datos, utilice el movimiento con corrección y archivo extraído del cerebro como entradas, establezca el valor de TR para corresponder a su conjunto de datos. Conjunto filtrado de paso alto utilizando un filtro de 100 seg. El filtrado de paso alto elimina las señales de interés, que son de muy baja frecuencia. Un filtro de paso bajo para eliminar las señales de alta frecuencia se aplicará más tarde en el paso 4.1.
    2. Dentro de la pestaña Pre-stats, elegir la opción "Ninguno" en "la corrección de movimiento", ya que ya estaba hecho. Desmarque "extracción BET de cerebros", ya que ya estaba hecho. Realice suavizamiento espacialutilizando un 5 mm medio-máximo de ancho total (FWHM).
    3. Dentro de la pestaña de estadísticas, regresión de los parámetros de movimiento 6 y sus derivadas temporales. Seleccione "Ninguno" para convolución, y marca "Aplicar filtro temporal". Utilice la salida de FSL MCFLIRT para obtener los archivos de texto de los parámetros de movimiento, que puede ser luego introducirse en el modelo de análisis HAZAÑA a retroceder estos en un Modelo Lineal General (GLM)
    4. También agregue el LCR y las señales de la sustancia blanca que se extrae y se normalizó en los pasos previos a la GLM. Seleccione "Ninguno" para convolución, añadir derivada temporal, y desmarque la opción "Aplicar filtros temporales".

4. Métodos Estadísticos

  1. Los residuos de preprocesamiento descrito anteriormente se deben utilizar para la correlación basada en la semilla. Estos residuos se deben pasar primero a través de un filtro de paso bajo de 0,1 Hz, luego degradaron restando la media, dividiendo entre la desviación estándar, y luego a escala mediante la adición100. Las semillas deben ser definidos con un diámetro de 6 mm en el espacio estándar MNI usando software MRIcron.
  2. El posterior y las semillas anteriores deben corresponder a las coordenadas siguientes: (1) Región Rsp / PCUN (x = 2, y = -60, z = 36) y (2) la corteza prefrontal ventromedial (vmPFC; x = 3, y = 60, z = -1). Estos lugares de semillas se han definido dentro de los controles sanos y se transforman en el espacio objeto en el siguiente paso 17-19.
    1. Las semillas, posteriormente, deberán ser transformadas en el espacio funcional del cerebro individual de cada sujeto desde el espacio estándar de MNI. Para ello, utilice la matriz de transformación generada anteriormente (llamado "standard2example_func.mat") para transformar la semilla (MNI) Espacio estándar para el espacio (BOLD) individuo funcional.
    2. Utilice el comando fslmeants para extraer la serie temporal de la previamente degradado y reducido residual, usando la semilla en el espacio sujeto individual como una máscara. Normalizar la serie temporal extraída mediante el programa informáticoware "R".
  3. Las correlaciones parciales entre los voxels de semillas y el resto de los voxels cerebrales deben calcularse por separado para cada materia para cada ejecución. Para ello, dentro de la interfaz gráfica de usuario HAZAÑA FSL, seleccione "análisis de primer nivel", y luego "Estadísticas + Post-stats". Dentro de la ficha Datos, el residual previamente degradado y reducido se debe utilizar como materia prima en FEAT.
  4. Configurar el filtro de corte alto pase a 10.000, como se pasa ya alto el residual a 100 seg. Dentro de la pestaña Estadísticas, anule la selección "Usar prewhitening FILM", y el uso de la serie de tiempo de siembra previamente extraída y normalizado en el GLM. Dentro de la pestaña Post-estadísticas, establecer el umbral de Z-stat deseada a un valor de 2,0.
  5. Antes de ejecutar el análisis grupo de la combinación de carreras dentro de los sujetos, de Fisher transformada Z se debe realizar en el archivo de COPE (Contraste de Estimaciones de los parámetros) generado a partir del análisis de correlación ejecutado anteriormente (paso 4.3). Fr datos de registro de copiaom el directorio "reg" del análisis HAZAÑA hecho en el paso 3.1 en el plazo de correlación del paso 4.3.
  6. Ejecute un análisis de alto nivel mediante la combinación de carreras dentro de cada tema. Para ello, dentro de la interfaz gráfica de usuario HAZAÑA FSL, seleccione "análisis a nivel superior", y luego "Estadísticas + Post-stats". Dentro de la pestaña "Datos", elija "Las entradas son directorios FEAT de nivel inferior" y entrar en carreras del sujeto desde el paso 4.4. Dentro de la pestaña "Estadísticas", elija "efectos mixtos: MCO simples". Establecer un modelo de efectos como media; introducir el valor de 1 para cada uno de la carrera de la asignatura.
  7. Para combinar los datos en las tandas entre los sujetos, un Mínimos Cuadrados Ordinarios (MCO) se debe utilizar un simple análisis de efectos mixtos. Para ello, dentro de la interfaz gráfica de usuario HAZAÑA FSL, elija "análisis a nivel superior", y "Estadísticas + Post-stats". Dentro de la ficha Datos, elija "Las entradas son directorios FEAT de nivel inferior" y entran en carreras combinadas de los sujetos de la etapa 4.5.
  8. Dentro de la pestaña Estadísticas, seleccione "efectos mixtos: MCO simples" 'Establecer un modelo como 3 grupos; introducir el valor de 1 para el grupo cada sujeto pertenece, 0 en caso contrario. Análisis de grupo se debe hacer en cada voxel utilizando un ANOVA de una vía con tres niveles que se corresponden con los tres grupos (TLE derecho, izquierdo TLE, y controles sanos).
  9. Para umbral de las imágenes estadístico z para uso del clúster formando umbral de la Z> 2,0 y corregidos umbral cúmulo significativo de p = 0,05 20. Para obtener valores z correctas en el mapa de correlación, de Fisher inversa transformada Z se debe realizar en los resultados.
  10. Los siguientes contrastes específicos deben ser comparados (1) derecho TLE> Controles; (2) a la izquierda TLE> Controles; (3) el derecho TLE> izquierda TLE; (4) a la izquierda TLE> derecho TLE; (5) Control> derecho TLE; (6) Control> izquierda TLE; (7) TLE (derecha combinada e izquierda)> control; y (7) de control> TLE (derecha combinada e izquierda).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La figura 1 muestra la DMN reveló con conectividad de una semilla posterior (RSP / PCUN, colores rojo-amarillo) y una semilla anterior (vmPFC, colores azul-verde) y compara las redes que se encuentran en los diferentes grupos de sujetos (Figuras 1A-C) y entre sí, a saber, los controles sanos en comparación con todos los pacientes con epilepsia del lóbulo temporal (Figuras 1D y 1E), y luego los controles sanos, se compararon por separado a la izquierda T...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La epilepsia se cree que es una enfermedad de la red, y anomalías de las redes implicadas están presentes durante las convulsiones y en el estado interictal 21. FMRI por tareas se ha utilizado para analizar las anomalías de la lengua y de las redes de memoria en la ELT 8. FcMRI tiene ventajas inherentes en el estudio de la DMN 12, ya que es una red principalmente activo en el estado de reposo. La DMN es una red de regiones del cerebro que se ha encontrado para ser activo en los individuo...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dr. Engel es financiado por subvenciones NIH P01 NS02808, R01 NS33310 y NS42372 U01, tiene patentes WO 2009/123734A1, y WO 2009/123735A1, recibe regalías de MedLink, Wolters Kluwer, Blackwell y Elsevier, y ha recibido honorarios de Medtronics , Wolters Kluwer, y Best Doctors. El Dr. Stern ha desempeñado como consultor pagado por UCB y Lundbeck. El Dr. Stern es un editor de MedLink Neurología, y ha recibido regalías de Wolters Kluwer y de McGraw-Hill. El resto de autores no tener ningún conflicto o los conflictos de intereses que declarar.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El financiamiento para esta investigación fue proporcionado por la Fundación de Epilepsia de América, el Colegio Baylor de Medicina Computacional y Integrativa Centro de Investigación Biomédica (CIBR) Seed Premios Grant (ZH); NIH NINDS subvención K23 NS044936 (JMS); . y La Fundación de la Familia Leff (JMS) La adquisición de datos fue asistido por: Elizabeth Pierce (UCLA).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
de máquina
con software de análisis de imágenes instalado
Estación de trabajo Linux de resonancia magnética

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 34, 537-541 (1995).
  2. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 1-13 (2010).
  3. Laufs, H., et al. Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest. Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).
  4. Shmuel, A., Leopold, D. A. Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest. Hum. Brain Mapp. 29, 751-761 (2008).
  5. Margulies, D. S., et al. Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity. Magn. Mater. Phys. Biol. 23, 289-307 (2010).
  6. Biswal, B. B., et al. Toward discovery science of human brain function. Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).
  7. Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. Effect of lateralized temporal lobe epilepsy on the default mode network. Epilepsy Behav. 25, 350-357 (2012).
  8. Pillai, J. J., Williams, H. T., Faro, S. Functional imaging in temporal lobe epilepsy. Semin. Ultrasound. CT MR. 28, 437-450 (2007).
  9. Blumenfeld, H., et al. Positive and negative network correlations in temporal lobe epilepsy. Cereb. Cortex. 14, 892-902 (2004).
  10. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).
  11. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  12. Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. The brain's default network. Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).
  13. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimage. 14, 1370-1386 (2001).
  14. Forman, S. D., et al. Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold. Magn. Reson. Med. 33, 636-647 (1995).
  15. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimage. 17, 825-841 (2002).
  16. Smith, S. M. Fast robust automated brain extraction. Hum. Brain Mapp. 17, 143-155 (2002).
  17. Raichle, M. E., et al. A default mode of brain function. Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).
  18. Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Functional connectivity of default mode network components: correlation. Hum. Brain Mapp. 30, 625-637 (2009).
  19. Singh, K. D., Fawcett, I. P. Transient and linearly graded deactivation of the human default-mode network by a visual detection task. Neuroimage. 41, 100-112 (2008).
  20. Worsley, K. J., Evans, A., Marrett, S., Neelin, P. A three-dimensional statistical analysis for CBF activation studies in human brain. J. Cereb. Blood Flow Metab. 12, 900-918 (1992).
  21. Spencer, S. S. Neural networks in human epilepsy: evidence of and implications for treatment. Epilepsia. 43, 219-227 (2002).
  22. Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI. Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).
  23. Kennedy, D. P., Redcay, E., Courchesne, E. Failing to deactivate: resting functional abnormalities in autism. Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).
  24. Garrity, A. G., et al. Aberrant "default mode" functional connectivity in schizophrenia. Am. J. Psychiatry. 164, 450-457 (2007).
  25. Mannell, M. V., et al. Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls. Hum. Brain Mapp. 31, 424-437 (2010).
  26. Jones, D., et al. Age-related changes in the default mode network are more advanced in Alzheimer disease. Neurology. 77, 1524-1531 (2011).
  27. Kobayashi, Y., Amaral, D. G. Macaque monkey retrosplenial cortex II. Cortical afferents. J. Comp. Neurol. 466, 48-79 (2003).
  28. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).
  29. Laufs, H., et al. Temporal lobe interictal epileptic discharges affect cerebral activity in “default mode” brain regions. Hum. Brain Mapp. 28, 1023-1032 (2007).
  30. Morgan, V. L., Gore, J. C., Abou-Khalil, B. Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI. Epilepsy Res. 88, 168-178 (2010).
  31. Gotman, J., et al. Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain. Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).
  32. Hamandi, K., et al. EEG-fMRI of idiopathic and secondarily generalized epilepsies. Neuroimage. 31, 1700-1710 (2006).
  33. Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. Patterns of altered functional connectivity in mesial temporal lobe epilepsy. Epilepsia. 53, 1013-1023 (2012).
  34. Liao, W., et al. Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI. Hum. Brain Mapp. 32, 883-895 (2011).
  35. Pereira, F. R., et al. Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI. BMC Neurosci. 11, 1-13 (2010).
  36. Dupont, S., et al. Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy. J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).
  37. Vlooswijk, M. C., et al. Functional MRI in chronic epilepsy: associations with cognitive impairment. Lancet Neurol. 9, 1018-1027 (2010).
  38. McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy. Epilepsia. 54, (2013).
  39. Zhang, Z., et al. Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy. Brain Res. 1323, 152-160 (2010).
  40. Horovitz, S. G., et al. Decoupling of the brain's default mode network during deep sleep. Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).
  41. Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. Altered local coherence in the default mode network due to sevoflurane anesthesia. Brain Res. 1318, 110-121 (2010).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Correlaci n basada en semillasRMf resting stateAn lisis de redes cerebralesHubs anteroposterioresPreprocesamiento de RMfAn lisis con el software FSLEstad sticas de comparaci n de grupos

Artículos relacionados