Dinâmico entre sujeita conectividade funcional revela configurações de rede do cérebro de momento a momento impulsionadas pela contínua ou paradigmas de comunicação

Graças ao nosso método, os momentos em que as interações cerebrais funcionais são sincronizadas entre os sujeitos podem ser determinadas e visualizadas. A principal vantagem de nossa abordagem é sua capacidade de rastrear dinamicamente as mudanças nas respostas cerebrais funcionais entre sujeitos de forma estatisticamente sólida. Nosso pipeline permite a avaliação da sincronicidade entre sinais funcionais de diferentes sujeitos.

E isso pode ser comparado entre diferentes populações, como controles saudáveis e os afetados por doenças e transtornos, como autismo e esquizofrenia. Nosso método pode beneficiar qualquer pesquisa que busque rastrear dinamicamente a sincronicidade entre diferentes conjuntos de cursos de tempo. E isso pode ser aplicado também a outras modalidades de imagem, como a eletroencefalografia.

A demonstração visual do método permitirá que novos usuários compreendam as diferentes etapas de processamento do método, bem como a funcionalidade da interface gráfica do usuário. Demonstrando o procedimento de imagem estará Roberto Martuzzi, o principal operador de ressonância magnética do nosso centro de pesquisa. Para que cada voluntário seja considerado na análise, realize pelo menos uma ressonância magnética funcional ou sessão de ressonância magnética em que o voluntário digitalizado é submetido ao paradigma de interesse registrado no tempo e a uma sessão de imagem funcional em que o voluntário digitalizado está em repouso no scanner com os olhos fechados e é instruído a não dormir.

Em seguida, adquira um volume estrutural de ressonância magnética. Para abrir a primeira janela de interface gráfica de pré-processamento, digite JOVE_GUI1 no terminal MATLAB. Em seguida, clique em Inserir dados fMRI, selecione os volumes funcionais realinhados apropriados e digite o tempo de repetição dos dados em segundos na janela de texto editável dedicada.

Clique em Inserir dados T1 e selecione os três volumes de tipo de tecido probabilístico apropriados. Clique em Entrar no arquivo de movimento e selecione o arquivo de texto contendo os parâmetros de movimento da sessão de interesse. Em seguida, selecione se os dados devem ou não ser destreídos e quais covariáveis devem ser regredidos.

Para pré-processador dos dados, clique em Pré-processo e aguarde que o display apareça na janela. Os dados podem ser reprocessados de forma diferente modificando as opções e relacando no botão Pré-processo. Em seguida, insira JOVE_GUI2 no terminal MATLAB para abrir a segunda janela de interface gráfica de usuário pré-processamento e clique em selecionar dados para selecionar o arquivo de dados pré-processado.

Clique em Selecionar atlas e selecione a Iniciativa de Tecnologia de Informática de Neuroimagem ou arquivo NIFTI representando o atlas a ser usado para a parcelamento. Clique em Selecionar dobra inversa e selecione o arquivo NIFTI representando o campo de deformação do Instituto Neurológico de Montreal para o espaço nativo. Em seguida, clique em selecionar o volume fMRI e selecione qualquer um dos volumes de dados fMRI.

Para inserir as informações relacionadas à limpeza, na lista do tipo de esfregar, selecione o número de quadros a serem eliminados antes e depois dos quadros marcados. Na janela de texto do limiar de esfregar, digite o valor do limiar de deslocamento do quadro acima do qual um volume de ressonância magnética deve ser esfregado em milímetros. Em seguida, digite o tamanho da janela de deslizamento W para ser usada para as computaçãos de Correlação Funcional Inter-Sujeição ou ISFC em tempos de repetição e clique em Plot para exibir os cursos de tempo indicativos do atlas antes e depois das etapas de esfregar e filtrar.

Para obter cálculos ISFC de janela deslizante, digite JOVE_GUI3 no terminal MATLAB para abrir a primeira janela de interface gráfica relacionada ao ISCF e clique em Carregar dados para selecionar todos os arquivos de dados apropriados. Selecione se os segmentos de sessão selecionados devem sofrer randomização de fase e digite o tamanho da janela em tempos de repetição sobre os quais as medidas de conectividade devem ser calculadas, bem como o tamanho da etapa nos tempos de repetição pelos quais as janelas sucessivas devem ser deslocadas. Modifique a tabela de tipos de sessão para especificar quais dos segmentos de sessão carregada foram adquiridos na mesma condição experimental usando o aumento dos números inteiros de um e até para marcar os diferentes tipos de segmentos.

Nas janelas de texto editáveis apropriadas, digite o número de dobras de inicialização sobre as quais realizar os cálculos isfc e o número de sujeitos que devem constituir o grupo de referência para cada dobra de cálculos ISFC. Na seção parâmetros de tempo, digite as especificações sobre qual subportação dos cursos de tempo deve ser analisado e clique em Plot para realizar os cálculos isfc. Os displays serão gradualmente atualizados ao longo do tempo, juntamente com a quantidade de dobras descoradas.

Para abrir a segunda janela de interface de usuário gráfica relacionada ao ISFC, digite JOVE_GUI4 no terminal MATLAB. Para selecionar os arquivos de saída ISFC relacionados a estímulos, clique em carregar dados ISFC e selecione os arquivos de saída ISFC relacionados a estímulos. Para selecionar os arquivos de saída isfc nulos, clique em Carregar dados nulos e selecione o ISFC do estado de repouso ou os arquivos de saída ISFC relacionados a estímulos randomizados, dependendo do esquema de geração de dados nulos usados.

Em seguida, clique em Carregar codebook e selecione o arquivo codebook. Na janela de texto editável apropriada, digite o valor alfa em porcentagem no qual os cursos de tempo do ISFC devem ser limiares para destacar mudanças significativas. Para construir uma distribuição nula, clique em Plot para iniciar o processo de limiar do ISFC para o qual todas as medidas isfc nulas disponíveis são agregadas para uma determinada conexão e após a qual as medidas isfc relacionadas ao estímulo serão limiares de acordo com o valor alfa selecionado.

Para visualizar os padrões espaciais do ISFC em diferentes pontos de tempo, arraste o controle deslizante abaixo do gráfico de excursão do ISFC. Nestas sessões representativas, o filme avaliado foi exibido de cinco a 353 segundos com um segmento de estado de repouso após o filme de 386 a 678 segundos. Além disso, uma sessão estadual de 310 segundos foi adquirida exclusivamente para cada assunto.

Os cursos de tempo do ISFC foram gerados em comprimentos de janela de tempos de repetição W 10 e W 5 para três diferentes conexões representativas envolvendo uma inibição de resposta mediadora de região e outra envolvida, respectivamente, na expectativa de objetos móveis, coordenação sensorial ou no processamento de significados de palavras. O ruído é maior em tempos de repetição W 5 e as alterações do ISFC bloqueados pelo tempo são observadas na conexão um e dois cursos de tempo de assistir ao filme. Aqui, a fração de sujeitos que mostram transitores ISFC estatisticamente significativos é mostrada para as mesmas três conexões.

Os transitórios são mais numerosos em comprimentos de janela maiores à medida que medições isfc mais robustas facilitam a extração e em valores alfa maiores à medida que mais falsos positivos são detectados. Nesses dados representativos, um extrato de filme em particular estava envolvido na inibição de resposta ligada a objetos em movimento e conduziu mudanças generalizadas do ISFC. O comprimento da janela não deve ser muito curto para estimativas robustas nem muito tempo para capturar a dinâmica do ISFC.

E um valor alfa suficientemente rigoroso deve ser usado para limitar falsos positivos. As medidas do ISFC podem ser agrupadas em estados isfc cerebrais inteiros para exame de características temporais especiais. Transitórios significativos do ISFC também podem ser representados como um gráfico reflexo do fluxo de informações.