Mesure de fronto-limbique activité en utilisant une Oddball Groupe émotionnelle chez les enfants atteints familiale à risque élevé pour la schizophrénie

L’objectif global de cette procédure est d’effectuer l’imagerie par résonance magnétique chez les enfants et les adolescents lors de l’exécution d’une tâche émotionnelle bizarre. Ceci est accompli en concevant d’abord une tâche émotionnelle bizarre appropriée à l’enfant. La deuxième étape consiste à permettre aux participants de s’entraîner à effectuer la tâche dans un environnement de scanner fictif.

Ensuite, les participants effectuent la même tâche dans le scanner IRM. La dernière étape consiste à analyser les données comportementales et d’imagerie. En fin de compte, l’imagerie fonctionnelle pendant la tâche émotionnelle bizarre.

Dans la schizophrénie, les parents au premier degré sont utilisés pour montrer une diminution de l’activation des circuits fronto-striés et de la réponse aux stimuli cibles chez les enfants et les adolescents à risque. Le principal avantage de cette technique est qu’elle permet une imagerie non invasive du cerveau des enfants et des adolescents pendant qu’ils sont engagés dans des fonctions cognitives. Bien que cette méthode puisse donner un aperçu de la schizophrénie, elle peut également être appliquée à d’autres maladies psychiatriques du développement telles que le trouble bipolaire ou l’autisme ou à d’autres troubles cérébraux tels que le trouble de stress post-traumatique.

En général, les personnes qui débutent dans l’utilisation de cette méthode auront du mal car il y a de nombreuses étapes pour créer un plan expérimental, acquérir les images, programmer les pipelines d’analyse et de traitement d’images, et appliquer les bons plans expérimentaux à leur projet. Les enfants participants et les personnes atteintes de troubles neuropsychiatriques éprouvent également des difficultés car les procédures les obligent à rester immobiles pendant une séance d’IRM typique tout en effectuant des tâches comportementales. De plus, les procédures nécessitent une communication claire et une diffusion d’informations entre l’expérimentateur et le participant, ce qui nécessite une formation considérable.

Pour commencer, utilisez le logiciel Siegel pour générer une tâche comportementale basée sur des événements qui présente des stimuli cibles peu fréquents, tels qu’un cercle dans une séquence de stimuli standard plus fréquents, tels que des images brouillées. Sélectionnez un ensemble de stimuli aversifs et un ensemble de stimuli neutres dans la base de données International Effective Picture System. Ces images sont notées sur une échelle de un à neuf, les chiffres les plus élevés indiquant un niveau positif plus élevé de valence et d’excitation.

Choisissez un ensemble d’images adaptées à l’âge du groupe d’étude, comme des images de serpents, d’araignées ou d’autres animaux. Programmez le script de tâche de sorte que les images soient présentées dans un ordre pseudo-aléatoire pendant 1 500 millisecondes avec une moyenne de 500 millisecondes entre les stimuli cibles présents et les images neutres non pertinentes pas plus fréquemment que toutes les 15 secondes et faites chacune environ 4 % des stimuli. Assurez-vous de varier les temps d’apparition de l’événement pour fournir une meilleure résolution de la fonction de réponse hémodynamique, créez un total de huit ensembles d’images, un pour chacune des huit exécutions fonctionnelles.

Recrutez des participants âgés de 9 à 18 ans qui présentent un risque familial élevé de psychose, ainsi que des témoins sains. Obtenir le consentement éclairé des participants ou des tuteurs légaux et l’ascension des mineurs qui participent à l’étude. Commencez par placer les participants dans un scanner IRM fictif pour les familiariser avec l’environnement IRM.

Ensuite, assurez-vous qu’ils comprennent les instructions de la tâche et qu’ils diffusent un enregistrement audio du bruit du scanner pendant qu’ils s’entraînent à la tâche comportementale. Demandez au participant d’utiliser la même boîte de saisie sécurisée pour l’IRM que celle qui sera utilisée lors de l’examen réel et demandez-lui d’appuyer sur un bouton avec son index en réponse à tous les stimuli cibles et sur un autre bouton avec votre majeur pour tous les autres stimuli. Une fois que le sujet est à l’aise dans le scanner fictif, placez-le dans un scanner IRM 3.0 Tesla.

Tout d’abord, acquérez un ensemble d’images structurelles comprenant une image anatomique pondérée T un co-planificateur 3D, en utilisant une séquence d’impulsions d’acquisition rappelée à gradient gâté. Ensuite, acquérez des données d’imagerie fonctionnelles à l’aide d’une séquence d’imagerie de planificateur d’écho à écho de gradient avec une couverture cérébrale complète. Pour mesurer l’activité cérébrale pendant la tâche comportementale, utilisez cette séquence d’imagerie pour chaque exécution de la tâche comportementale Présentez la tâche en huit exécutions fonctionnelles d’une durée d’environ quatre minutes chacune et composées de 120 points de temps d’imagerie.

Commencez l’analyse en prétraitant les images, ouvrez l’outil d’analyse expert FMRI dans le logiciel FSL et sélectionnez l’analyse de premier niveau et les pré-statistiques. Ensuite, dans l’onglet données, sélectionnez le nombre d’images d’entrée et le chemin d’accès à chacune des images MR. Définissez également le répertoire de sortie.

Entrez le nombre total de volumes, le nombre d’acquisitions annulées et le TR. Ensuite, dans l’onglet pré-statistiques, réglez la correction de mouvement sur MFL lissage spatial complet avec un demi-maximum à cinq millimètres et sélectionnez la correction de synchronisation de tranche. Ne sélectionnez pas B zero UN warping and intensity normalization et sélectionnez BET brain extraction and high-pass temporal filtering. Ensuite, dans l’onglet d’enregistrement de l’image structurelle principale, entrez le chemin d’accès au crâne du sujet dépouillé en un scan.

Utilisez une recherche normale linéaire avec au moins six degrés de liberté. Sélectionnez ensuite l’espace standard et entrez le chemin d’accès à l’image de l’Atlas MNI. Utilisez la recherche linéaire normale avec 12 degrés de liberté, excluez les participants dont le mouvement de la tête est supérieur à trois millimètres.

Désormais, pour comparer les données entre les conditions de tâche au cours d’une seule exécution, sélectionnez l’analyse de premier niveau, les statistiques et les statistiques de publication. Dans l’onglet données, définissez le nombre d’entrées et entrez le chemin d’accès à chacune des images MR et au répertoire de sortie. Entrez les volumes totaux, le nombre d’acquisitions abandonnées et le TR. Ensuite, dans l’onglet des statistiques, sélectionnez utiliser le film, le pré-blanchiment et la configuration complète du modèle.

Définissez le nombre de véhicules électriques d’origine sur le nombre de conditions de tâche. Pour chaque condition, sélectionnez le format personnalisé à trois colonnes dans le menu de forme de base et le HRF double gamma dans le menu à convolution, puis sélectionnez le fichier texte contenant le format de minutage de tâche. Ce fichier texte est composé de trois colonnes avec une entrée pour chaque événement.

La première colonne doit contenir l’heure d’apparition. Le deuxième doit contenir la durée et le troisième, le poids de l’événement. Maintenant, dans l’onglet contraste et test F, créez un contraste pour chaque condition de test et comparaison dans les statistiques post-production, sélectionnez cluster dans le menu de seuillage et définissez le seuil Z et le seuil P du cluster sur 2,3 et 0,05 respectivement.

Ensuite, dans l’onglet d’enregistrement, sélectionnez l’image structurelle principale et entrez le chemin d’accès au crâne du sujet. Dépouillé d’une image. Utilisez une recherche normale linéaire avec au moins six degrés de liberté et sélectionnez l’espace standard.

Entrez le chemin d’accès à l’image de l’atlas MNI et utilisez une recherche linéaire normale avec 12 degrés de liberté. Ensuite, pour une analyse de deuxième niveau, comparez les données entre les exécutions. Pour chaque condition de tâche, sélectionnez l’analyse et les statistiques de niveau supérieur, ainsi que les statistiques de publication.

Ensuite, dans l’onglet données, sélectionnez les entrées sont des répertoires de pieds de niveau inférieur. Définissez le nombre d’entrées et entrez le chemin d’accès à chacune des images MR. Entrez également un chemin pour le répertoire de sortie et le nombre total de volumes d’acquisitions abandonnées et le TR.In l’onglet des statistiques, changez les effets mixtes flamme un en effets fixes.

À l’aide de l’assistant de configuration du modèle, sélectionnez la moyenne et le traitement d’un seul groupe. Ensuite, dans l’onglet Annonces publicitaires, sélectionnez cluster dans le menu de seuillage et définissez le seuil Z et le seuil P du cluster sur 2,3 et 0,05 respectivement. Maintenant, pour comparer les données entre les sujets pour chaque condition de tâche sur toutes les exécutions, sélectionnez l’analyse et les statistiques de niveau supérieur ainsi que les statistiques de publication.

Dans l’onglet données, les entrées sélectionnées sont des images 3D COPE à partir des répertoires de pieds. Définissez le nombre d’entrées et entrez le chemin d’accès à chacune des images. Entrez le répertoire de sortie, le nombre total de volumes, le nombre d’acquisitions ignorées et le TR. Ensuite, dans l’onglet Statistiques, sélectionnez Configuration complète du modèle.

Définissez le nombre de VA égal au nombre de variables de groupe et de covariables. Entrez les valeurs de chaque sujet pour chaque ev. Enfin, en revanche, envoyez des tests F.

Ajoutez un contraste pour chaque variable de test et pour chaque contraste. Pour chaque variable de test, définissez le contraste en en sélectionnant une dans la colonne sous l’ev approprié. Pour chaque contraste, définissez la première valeur sur un et la seconde sur moins un.

Ensuite, dans les statistiques de publication, sélectionnez cluster dans le menu déroulant de seuillage et définissez le seuil Z et le seuil P du cluster sur 2,3 et 0,05 respectivement. Ici, nous pouvons voir des cartes d’activation montrant les différences entre les groupes, comme on le voit. Ici, le groupe familial à haut risque a montré une plus grande activation que les témoins pendant le traitement de la cible.

Dans ces zones, les témoins ont montré une activation plus importante que le groupe familial à haut risque pendant le traitement cible. Ici, le groupe familial à haut risque s’est activé plus que les témoins pendant l’aversif, plus que le contraste neutre, et ici les témoins se sont activés plus que le groupe familial à haut risque pendant l’aversif, plus que neutre, ces cartes d’activation ont montré des différences entre les groupes liées à l’âge. Les zones observées ici ont une corrélation positive plus forte avec l’âge dans le groupe familial à haut risque que chez les témoins pendant le traitement cible.

Ici, nous voyons des zones avec une plus grande corrélation positive avec l’âge chez les témoins que dans le groupe familial à haut risque pendant l’aversif. Contraste plus que neutre. N’oubliez pas que travailler avec des personnes dans l’environnement du scanner peut être extrêmement dangereux Des précautions telles que l’IRM, le dépistage de sécurité et les précautions et formations appropriées en matière de sécurité et de confort doivent toujours être prises lors de l’exécution de cette procédure.

Cette technique a également créé une nouvelle méthode pour visualiser les processus neuronaux anormaux dans les troubles cérébraux tels que la schizophrénie, l’autisme et le trouble de stress post-traumatique. Lorsque vous tentez cette procédure, il est important de ne pas oublier de communiquer avec vos participants pour les aider à rester calmes et concentrés. Une fois maîtrisée, cette technique peut être réalisée en deux heures si elle est exécutée correctement.

Après cette procédure, d’autres méthodes comme l’EEG peuvent être effectuées afin de répondre à des questions supplémentaires sur la neurosynchronie dans des cohortes similaires.