Mesurer la différence de densité de matière grise grâce à la morphométrie basée sur les voxels : le cerveau musical

1. recruter 40 musiciens et les 40 non-musiciens.

1. Musiciens devraient avoir au moins 10 ans de formation musicale. Formation avec n’importe quel instrument de musique est acceptable. Musiciens doivent également activement pratiquer leur instrument au moins une heure/jour.
2. Sujets témoins devraient avoir peu de formation formelle en jouant d’un instrument de musique.
3. Tous les participants devraient être droitiers.
4. Tous les participants ne devraient avoir aucun antécédent de troubles cardiaques, neurologiques ou psychiatriques.
5. Tous les participants ne devraient avoir aucun métal dans leur corps qu’ils ne peuvent pas supprimer pour qu’ils soient MRI-safe.

2. l’analyse préalable des procédures

1. Remplir la paperasse pré-scan.
2. Lorsque les participants viennent leur Scan IRMf, demandez-leur de première remplir un formulaire de grille métallique pour s’assurer qu’ils n’ont aucune contre-indications pour l’IRM, une forme de découvertes fortuites, donner son consentement pour leur analyse être regardé par un radiologue et un formulaire de consentement précisant les risques et les avantages de l’étude.
3. Préparer les participants à aller dans le scanner, en supprimant tous les métaux de leur corps, y compris les ceintures, portefeuilles, téléphones, pinces à cheveux, pièces de monnaie et tous les bijoux.

3. mettre le participant dans le scanner.

1. Donner les bouchons d’oreille participant pour protéger leurs oreilles contre le bruit des téléphones scanner et oreille de porter afin de pouvoir entendre l’expérimentateur pendant le balayage et demandez-leur de s’allonger sur le lit avec leur tête dans la bobine.
2. Donner au participant la balle d’urgence squeeze et indiquez-lui à le presser en cas d’urgence pendant l’analyse.
3. Utilisation des coussinets en mousse pour garantir aux participants la tête dans la bobine pour éviter le mouvement excessif lors de l’analyse et rappeler le participant qu’il est très important de rester aussi immobile que possible lors de l’analyse, comme même le flou des mouvements plus petit les images.

4. collecte des données

1. Recueillir un scan haute résolution anatomique du cerveau entier. Cette analyse devrait être une séquence pondérée T1 comme une aimantation préparé rapide Gradient Echo (MP-RAGE) avec des voxels isotropiques 1 mm.

5. analyse

1. Retirez le crâne de chaque scanner anatomique du cerveau à l’aide d’un logiciel automatisé. Vérifier le crâne de décapage pour la qualité.
2. Créer un modèle de matière grise étude spécifique à l’aide d’un processus itératif d’enregistrement linéaire et non linéaire (Figure 1).
   1. Utiliser un logiciel automatisé pour segmenter le cerveau de chaque sujet dans la substance blanche et substance grise CSF basées sur l’intensité à chaque voxel.
   2. Effectuer une transformation affine linéaire avec 12 degrés de liberté pour enregistrer le cerveau de chaque sujet à un espace atlas standard, tels que l’atlas de MNI152.
   3. Déformer l’image de matière grise de chaque sujet dans cet espace et leur moyenne tous ensemble.
   4. Miroir de cette image de gauche à droite et ensuite en moyenne les images miroir ensemble pour produire le cerveau de modèle de matière grise.
   5. Réinscrivez le cerveau de chaque sujet à ce modèle en utilisant une transformation non linéaire.
   6. Moyenne tous des cerveaux nouvellement transformés ensemble.
   7. Faire une image de miroir de ce nouveau modèle et la moyenne des deux images miroir ensemble pour produire un modèle final de matière grise pour cette étude.

Figure 1 : création du modèle de matière grise axée sur l’étude de. À l’aide des transformations linéaires et itératives, chaque cerveau est enregistré dans un espace commun et en moyenne ensemble pour créer un cerveau de modèle de matière grise étude spécifique.

3. Enregistrer l’image de matière grise de chaque sujet au modèle et prétraiter.
   1. Une transformation non linéaire permet d’enregistrer le cerveau de chaque sujet pour le modèle d’étude spécifique.
   2. Afin de compenser le montant de chaque cerveau structure a été étirée pour s’adapter à l’espace modèle, multipliez par une mesure de la quantité de déformation a été fait. Cette mesure est appelée la jacobienne du champ warp. Cette étape consiste à tenir compte du fait que les structures sembler avoir plus de matière grise simplement parce qu’ils ont été plus tendus par le processus d’enregistrement non linéaire.
   3. Lisser les données en utilisant un noyau gaussien avec une pleine largeur moitié Maximum (FWHM) de 10 mm.
   4. Ces cerveaux alignés, lissée servira les données finales pour l’analyse comparative voxel.
4. Le modèle linéaire général permet d’analyser la différence entre les groupes à chaque voxel.
   1. Modèle de chaque groupe de cerveau avec un régresseur séparé et de calculer un contraste qui compare les deux groupes, générer des cartes statistiques qui quantifient la probabilité des différences à chaque voxel.
   2. Seuil de cartes statistiques pour identifier les groupes statistiquement significatives.
      1. Employer une technique de correction des comparaisons multiples tels que faux taux de découverte (FDR) pour contrôler le fait que le font des milliers de tests statistiques simultanées. Avec RAD, une valeur de q de 0,01 évalue le taux de faux positifs au-dessus de seuil de 1 %.