מאמר שיטה

פרוטוקול עבור fMRI ניהול בזמן אמת Neurofeedback אימונים

DOI:

10.3791/55543

⸱

24 באוגוסט 2017

 ,  ,  ,  ,  , 
1Office of the Vice President for Research and Graduate Studies, Wright State University, 2Department of Biomedical, Industrial and Human Factors Engineering, Wright State University, 3Pediatric Radiology and Medical Imaging, Dayton Children's Hospital, 4Department of Trauma Care and Surgery, Boonshoft School of Medicine, Wright State University, 5Department of Defense Hearing Center of Excellence, JBSA-Lackland, 6Department of Neurology, Boonshoft School of Medicine, Wright State University

במאמר זה

סיכום

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

היכולת לגרום ו/או לשלוט פלסטיות עצבית שעשויה להיות קריטית לטיפולים עתידיות עבור הפרעות רגשיות ונוירולוגיות ושחזור של פגיעה מוחית. בנייר זה, אנו מציגים פרוטוקול על השימוש neurofeedback אימון עם הדמיית תהודה מגנטית תפקודית כדי לווסת את תפקוד המוח האנושי.

תקציר

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

הפרעות רגשיות ונוירולוגיות מאופיינים חריג סלולרי-, מולקולרית-, ורמת מעגל-פונקציות במוח. שיטות חדשות זירוז ובקרת תהליכים neuroplastic, shift ואפילו בפונקציות של רקמות שנפגעו לאזורים המוח מבחינה פיזיולוגית בריא, או תפקוד נורמלי הנכון צופנות בחובן פוטנציאל לשפר באופן דרמטי את הבריאות הכללית. של התערבויות neuroplastic הנוכחי בשלבי פיתוח, הדרכה neurofeedback (NFT) מדימות תהודה מגנטי תפקודי (fMRI) יש את היתרונות של להיות לגמרי לא פולשנית, הלא-תרופתי, במרחב מקומי המטרה במוח אזורים, כמו גם שיש אין תופעות לוואי ידועות. יתר על כן, טכניקות NFT, שפותחה באמצעות fMRI, יכולים לעתים קרובות להיות לתרגם את תרגילים שניתן לבצע מחוץ לסורק בלי הסיוע של אנשי מקצוע רפואיים או ציוד רפואי מתוחכם. ב fMRI NFT, האות ה-fMRI למדוד אזורים ספציפיים במוח, מעובד, הציג בפני המשתתף בזמן אמת. באמצעות הדרכה, שיטות העיבוד המנטלי עצמית מכוונת, המסדירים את האות ו בקורלציה neurophysiologic הבסיסית שלה, מפותחים. FMRI NFT שימש לאמן ופרסומיה שליטה על מגוון רחב של המוח באזורים בעלי השלכות על מספר מערכות קוגניטיביות, התנהגותיות, מנוע שונות. בנוסף, ה-fMRI NFT הראו הבטחה למגוון רחב של יישומים כגון הטיפול בהפרעות רגשיות ונוירולוגיות, את הגדלת הביצועים אנושית בסיסית. במאמר זה, נציג פרוטוקול NFT fMRI פיתח במוסד שלנו עבור אפנון של שניהם בריאים ו פונקציה מוחית חריגה, וכן דוגמאות באמצעות השיטה למטרה אזורים הן קוגניטיבית והן השמיעה במוח.

מבוא

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

הפרעות רגשיות ונוירולוגיות להציג מכשולים עיקריים על אנשים מושפעים, משפחות, ועל החברה. טיפולים עבור הפרעות רגשיות ונוירולוגיות יכול להיות שאינו קיים או של יעילות מפוקפקת, לעתים קרובות רק לסימפטומים של ההפרעה. כך קורה עבור טינטון – התפיסה פנטום של הצליל – אשר לא קיים טיפול אושרה על ידי מינהל המזון והתרופות האמריקני (FDA). טינטון יכול להיות השפעה עמוקה על חיי אדם, מתנגש עם משימות יומיומיות על-ידי הפחתת ריכוז או שינוי תפיסת הצליל בפועל. יתר על כן, אנשים מושפעים טינטון עלול להיתקל גם עייפות, מתח, בעיות שינה, בעיות זיכרון, דיכאון, חרדה, עצבנות1. טיפולים קיימים, כגון דיכאון, תרופות חרדה, רק לסייע בניהול בתסמינים הקשורים, אולי לא לטפל בגורם לבעיה. זה יוצר פער קריטי עבור טיפולים חדשניים של הפרעות אלה.

שיפורים רכישת טכניקות כוח חישובית, אלגוריתמים מהפכה המהירות שבה נתונים דימות תהודה מגנטית (fMRI) פונקציונלי ולהשוואה מעובד. זה איפשר כניסתו של fMRI בזמן אמת, בו נתונים יעובד כמו זה נאסף. יישומים מוקדם של fMRI בזמן אמת היו מוגבלים2, בעיקר מעוכבים על ידי חוסר היכולת במהירות את השלבים מראש עיבוד טיפוסי כדי מנותק ניתוחים כגון תיקון תנועה. שיפורים בתחום המחשוב טכנולוגיות ואלגוריתמים עכשיו הגבירו את המהירות, רגישות, ואת צדדיות של fMRI בזמן אמת3 המאפשר דומה עיבוד קדם מנותק להיות מיושם בזמן אמת. התפתחויות אלה הובילו 4 תחומי היישום העיקרי של fMRI בזמן אמת: הדרכה כירורגיים פוסט4, מוח-מחשב ממשקים5,6, התאמת גירויים עבור המוח הנוכחי קובע7, ו neurofeedback אימון8.

NFT, אמנם לא המוקד המקורי של ה-fMRI בזמן אמת, הוא שדה גדל והולך של מחקר בו אנשים ללמוד לווסת את פעילות המוח volitionally תוך יישום אסטרטגיות נפשית (קרי דמיינתי פעילויות). NFT היא צורה של התניה אופרנטית9, אשר הוכח להגדיל את שיעורי ירי עצביים פעילות. עצבית קופים10. בנוסף, ה-fMRI NFT שויכה ספייק תלויי-תזמון פלסטיות, אשר הם שינויים עצביים להתרחש במהלך associative learning11. השלכות נוספות להציע fMRI ש-NFT המניע פלסטיות ויה ארוך טווח Potentiation (LTP), וכתוצאה מכך משופרת יעילות סינפטית12. Postulation אחר מרמז על המנגנונים התאיים של מיומנות למידה, כגון ופרסומיה שליטה על פעילות המוח, ואת עשויה להיות כרוכה לשינויים תלויי-מתח הממברנה מוליכות - באה לידי ביטוי בשינוי דעתנית עצבית13. בכל מקרה, נראה כי ה-fMRI NFT משפיע על המוח ברמה העצבית. תיאוריות אלו מספקים תיק חזק לשימוש של fMRI NFT בטיפול של הפרעות רגשיות ונוירולוגיות.

FMRI NFT, שלא כמו ה-fMRI המסורתי, מציע ההזדמנות לחקור את היחס בין פעילות המוח, התנהגות11,14. לאחרונה, היו ספייק במחקרים מעורבים fMRI NFT עם מאמרים כמעט כפליים לאור ב 2011-2012 (n = 30) לעומת 10 השנים הקודמות (n = 16)11. אחד המחקרים הראשונים NFT fMRI נערך על ידי Weiskopf ועמיתיו ב 2003-8. מחקר זה הוכיח בהצלחה את הכדאיות של משוב מקוון ורגולציה עצמית של אות ה-fMRI ב Anterior Cingulate Cortex (ACC) באמצעות ממשתתף אחד. משוב הוצגה באיחור של 2 שניות, יותר מאשר בסדר גודל מהר יותר מספר מחקרים קודמים. המחקר המלא הראשון נערך בשנת 2004 שבו משתתפים 6. למד לשלוט פעילות של קליפת somatomotor15. FMRI NFT הושלמה על-פני 3 מפגשים שבוצעה באותו יום. פעילות מוגברת זו מזו במרחב סלקטיבית לאזור היעד בקליפת somatomotor נצפתה במהלך אימון ברמות, נושא יחיד והקבוצה. אפקט זה לא נצפתה עבור קבוצת הבקרה אשר קיבל מידע fMRI אמיתיים אזור רקע (לא בקורלציה עם הפעילות המבוצעת) מוקדם יותר לטווח הארוך. מאז הראו החוקרים כי בני אדם יכולים ללמוד ופרסומיה שליטה האות fMRI נמדד מאזורים במוח רבים לרבות ACC16, האמיגדלה17, insula הקדמי18,19, שמיעתי, תשומת הלב הקשורים לרשתות20, rostrolateral דו צדדיים קליפת המוח הקדם חזיתית21, נגמרה12,22,23, cortices מנוע24, 25,26,27,28,29,קליפת השמיעה30, אזורים הקשורים עם רשת רגשית אזורים31,32 , נכון נחות הפיתול חזיתית33,34,cortices חזותי35.

המנגנון הבסיסי של הפרעות רגשיות ונוירולוגיות רבים אינם ידועים. בדוגמה של טינטון, יש אין מקור ברור לצליל פנטום ברוב המכריע של המקרים-36,-37,-38. למרות זאת, ראיות מציע שמנגנון מרכזי עשוי להיות אחראי ההכרתיות טינטון אצל אנשים מסוימים, כפי שמתואר על ידי חוסר של סימפטום החלטה לאחר ניתוח מלא עצב השמיעה39. היפראקטיביות הקשורים עם טינטון נמצאה בתוך קליפת השמיעה40,41,42. בהמשך הראיות עולה כי ההשפעות של טינטון להרחיב עוד יותר לתוך אזורים המעורבים בעיבוד של רגש, כל מעסיק המדינה43. בהתבסס על ליקויים אלה, ניתן לפתח פרדיגמות NFT fMRI כדי לגרום ולשלוט מנגנונים neuroplastic המעודדים תבניות העצבים נורמלי.

פרוטוקול

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

פרוטוקול הבאה NFT fMRI תואם ההנחיות שסופקו על-ידי רייט המדינה אוניברסיטת מוסדיים ועדת הבדיקה.

1. קבוצות שליטה

  1. בקפידה לשקול ולקבוע שליטה קבוצות א-פריורי. עיצוב שליטה בקבוצות כדי לאפשר את hypothesis(es) להערכה ומציגה להביא בחשבון אפקטים מגורמים נוספים כגון אימון או ציפיות שנוצרו על ידי המשוב 44.

2. התקנת חומרה

  1. להכין כל החומרה. לפני שהמשתתף נכנסת לחדר MRI באמצעות אותם הליכים כמו fMRI מסורתיים-
  2. את מערכת התקן התואם למר התצוגה והתגובה להתחבר למחשב הגירוי (PC)-
  3. לנתב כבלים עבור ההתקנים התואמים למר התגובה ונשא באוזניות דרך או. אר. איי.
  4. חיבור הפלט TR-ההדק מתוך ה MRI לגירוי PC-
    הערה: בתוך כמה כיוונונים, שזה קשור לחומרה של מר תואמי תגובת התקן, יחברו אל המחשב הגירוי. . זה הכרחי לרכישת גירויים ונתונים סינכרון.
  5. להציג עמדה מר תואמי כך זה יהיה גלוי למשתתף דרך המראה (כדי להיות) מודבקת את הגליל ראש.

3. מיקום משתתפת

הערה: המשתתף צריך למקם על השולחן סורק באופן דומה מוח טיפוסיים MRI, באותו אופן כמו fMRI מסורתי.

  1. יש את השקר המשתתף למטה במצב פרקדן על השולחן סורק. תשאל אותם כדי לשמור על ראשם הסליל ראש.
  2. למקם את האוזניות על המשתתף ' s בראש, ולוודא האוזניים מכוסות. אם נדרשת הגנה דיון נוסף, להוסיף אטמי אוזניים לפני מיקום הטלפונים ראש.
  3. הניחו כרית תחת המשתתף ' s הברכיים לנוחות נוספת.
  4. לנעול את הגוף העליון של הסליל ראש לתוך המקום.
  5. מוספית את המראה הגליל ראש.
  6. הצב את ההתקנים תגובה אצל המשתתף ' הידיים s.
  7. ציון המיקום של המשתתף ' s nasion ביחס הסורק.
  8. להעביר נשא את המיקום landmarked למרכז של האמ. אר.
  9. אשר בהן המשתתף יוכלו להציג את התצוגה כולו בעזרת המראה. שואל את המשתתף להתאמת המראה לפי הצורך.

4. לוקליזציה אזור היעד

  1. בצע " תפקודית " מאתר. להשתמש את הפעילות המוחית מ מאתר פונקציונלי להגדרת המטרה של אזור ריבית (ROI) 11-
    הערה: ריצה זו תבוצע באופן דומה ל fMRI מסורתיים. אולם, המטרה רועי יכול גם להיות מוגדרת באמצעות אנטומיה בודדים או סטנדרטית אטלסים. הסרת את הצורך לבצע מאתר פונקציונלי.
    1. פעילות מאולצים ו/או החזותי לספק הוראות למשתתף.
      הערה: הוראות אלה צריכה להיות תמציתית אך יכילו מידע מספיק כדי לאפשר את המשתתף לבצע בהצלחה את המשימה להורג במהלך מאתר תפקודי. . כאן, ההוראות ליידע את המשתתף שנקודה תהיה על המסך, שהם יוכלו לשמוע צלילים האוזניות. המטרה שלהם היא להירגע ולהתמקד בנקודה.
    2. בגין מסונכרנים מינהל נשמעים גירויים (למשל, רעש לבן רציף הדו-צדדיים 29) ורכישת נתונים על-ידי לחיצה " סריקה " לחצן בסורק מר.
      הערה: זה מתבצע על ידי תכנות את המצגת של הגירויים באמצעות ההדק TR מרכישת fMRI. ההדק TR נשלטת באמצעות פרוטוקול ה-fMRI אולם זה עשוי להיות מושפע היצרן של ה MRI וחבילות מותקנות. כל גירויים חזותיים, המספקת, ו/או שמיעה יכולות להיות מסופקות לבצע משימות אחרות ו/או יעד אזורים אחרים.
      1. חלופי המסירה של פעילות גירויים (רעש לבן) עם שליטה מתאימים גירויים (בלי רעש) בדפוס חסומים. להשתמש שליטה גירויים להפעלת רצויה רשתות/מערכות מופעל הגירויים משימה.
        הערה: חילוף זה מתרחשת על ידי סינכרון גירויים מרכישת fMRI של ניטור דופק TR.
      2. לאסוף כל-מוח אקו מישורי תמונות באמצעות רצף הדרגתי נזכר-הד-MRI הדופק; דוגמה פרמטרים עבור הרצף הדופק כוללים של מטריקס רכישת יסודות 64 x 64 בכיוונים פאזה ותדר, פרוסות 41 המיושרים במקביל המטוס הקדמי commissure commissure-אחוריים, 3.75 x 3.75 x 3 מ מ 3 voxel בגודל, הפער פרוסה 0.5 מ מ, דיכוי שומן פעילה, TR/טה = 2,000/20 ms, זווית הפוך = 90 °-
  2. לחשב במפת הפעלה מתוך נתוני fMRI שנאסף בזמן מאתר פונקציונלי באמצעות סטטיסטיקה רב משתנית.
    הערה: השלבים הבאים הם נגזרת של עיבוד עבור fMRI מסורתיים. כמה צעדים הוסרו או פשוטה כדי להקטין את זמן העיבוד.
    1. Preprocess הנתונים במהלך איסוף הנתונים באמצעות תוכנות מותאמות אישית שנוצרו תקן מראש עיבוד טכניקות 12 , 45.
      1. לבצע 3D המרחבי סינון באמצעות גרעין נמוך לעבור לפי עקומת גאוס (ברוחב-מלא חצי-היותר 4.5 מ מ)-
      2. קורקט עבור תנועה translational על ידי יישור אל מרכז המסה עבור כל אמצעי אחסון כדי הכרך הראשון של מאתר פונקציונלי באמצעות אינטרפולציה ליניארית tri-
      3. לבצע טמפורלית סינון באמצעות גרעין נמוך לעבור גאוסיאנית עם σ = 3 ס
    2. ליצור מודל לחזות את התגובה neurophysiological לפעילות; זה מתבצע באופן זהה כמו fMRI מסורתיים.
      1. ליצור מודל פסיכולוגי המתאר הפעיל ולנוח מדינות בכל נקודת זמן 46. זה מודלים לנקודות זמן במהלך הפעילות עם ערך של ' 1 ' ושליטה עם ' 0 '.
      2. Convolve במודל הפסיכולוגי פונקציית התגובה והמודינמיקה (HRF) מוגדרים מראש 46 לחזות את התגובה (neurophysiological) של fMRI על הפעילות עם.
    3. להתאים לנתונים fMRI ב voxel כל כפונקציה של הזמן על הדגם neurophysiological באמצעות של כללי לינארי מודל (GLM). התוצאה היא מפת פרמטר β, אשר מומר טי - או z-סטטיסטיקה המפות (הפעלת מפות) באמצעות המרות סטטיסטיות רגיל.
  3. השתמש במפת ההפעלה על תמונת ה-fMRI אומר כדי לקבוע את האזור שבו האות משוב neurofeedback הבאים ייגזרו.
    הערה: זה מתבצעת באמצעות תוכנות מותאמות אישית. כדי להסיר שינויים הכללית, לא ספציפי, רועי השני גם עשוי להיות מוגדר.
    1. לנווט דרך פרוסות באמצעות גלגל העכבר המחוון או פרוסה למחוון כדי לאתר סמנים אנטומיים גלוי מצודהMRI נתונים כגון פני השטח נחות של הקרן חזיתית של החדרים הצדדיים 12.
    2. סף המפה הפעלה באמצעות את פס המחוון ' סף ' כדי לחשוף את voxels ביותר robustly מופעל במהלך מאתר פונקציונלי באזור היעד.
      1. לבצע פעולה זו על-ידי בחירה של סף א-פריורי או באמצעות התאמה ידנית את הסף.
    3. להשתמש לחצן העכבר השמאלי כדי לבחור voxels בודדים עם הפעלת מעל הסף שנבחר, בתוך אזור היעד כדי להוסיף רועי.
      הערה: Voxels ייתכן שנבחר מ פרוסה אחת או יותר.

5-fMRI NFT

  1. neurofeedback התנהגות פועל באמצעות מודל לקרון עם מתחלפים הפעילות ותנאי שליטה. תנאי
    1. ליישם פעילות שבו המשתתפים להגביה או להנמיך את הפעילות של אזור המטרה, עם הכיוון של שליטה ביקורתי כדי להשיג את התוצאות הרצויות.
      הערה: לדוגמה, אזורים רבים של המוח היפראקטיבי בחולים עם טינטון ומעודדת, לכן, הפחתת פעילות עשוי תבניות העצבים נורמלי.
    2. חלופיים התנאי פעילות עם מצב שליטה שבו המשתתפים להחזיר פעילות לנוח על-ידי מרגיע וניקוי המוח שלהם.
    3. לספק את המשתתף עם דוגמה מאולצים של מודעות משימות לשמש במהלך שני התנאים כמתחילה איידס על הכוח ויסות פעילות מוחית לכיוון הברית הרצוי. להורות את המשתתף לבצע משימות מודעות את פעילות המוח נסיעה לכיוון הברית הרצוי.
      1. בדוגמה טינטון, להנחות את המשתתפים כדי להסיט את תשומת הלב מערכת השמיעה למערכות אחרות חושית להפחית פעילות השמיעה.
    4. חישוב בסיסית
      הערה: עקב כיוונון של רכיבי חומרה MRI לפני כל הפעלה, תוכניות בסיסיות משמשות כדי לנרמל את הנתונים לפני הצגת המשוב למשתתף. הממוצע בסיסית נקבע עבור אזור היעד באמצעות ממוצע של אמצעי אחסון אחד או יותר, נרכשה בתחילת כל fMRI NFT לרוץ 12 , 47.
      1. להורות המשתתף כדי להירגע במהלך ספירה לאחור הציג בתחילת הסריקה.
  2. בגין מסונכרנים מצגת גירויים ורכישת נתונים על-ידי הקשת " סריקה " לחצן בסורק MRI. לאסוף תמונות מישורי הד באמצעות רצף הדרגתי נזכר-הד-MRI הדופק באותו אופן כפי שנקבע עבור מאתר פונקציונלי בשלב 4.1.2.
  3. ידרשו בסיסית כרכים.
    1. להציג באופן חזותי טיימר ולהציג משוב ריק.
    2. לעבד את הנתונים במהלך הרכישה באמצעות תוכנות מותאמות אישית.
      1. לבצע 3D המרחבי סינון באמצעות גרעין נמוך לעבור לפי עקומת גאוס (ברוחב-מלא חצי-היותר 4.5 מ מ)-
      2. ולתיקון translational תנועה באמצעות אל מרכז המסה עבור כל אמצעי אחסון; כל כרך רשום על הכרך הראשון של מאתר פונקציונלי באמצעות אינטרפולציה ליניארית tri-
      3. אות ממוצע מחשוב היעד ROI בזמן ובחלל.
      4. לסכם את האותות של כל voxels בתוך המטרה רועי בכל כרך.
      5. ליצור ROI הממוצע עבור כל אמצעי אחסון על-ידי חלוקת הסכום לפי מספר voxels של רועי.
      6. ממוצע הסכומים של אמצעי האחסון בסיסית.
  4. לרכוש אמצעי אחסון neurofeedback
    1. של תהליך מוקדם את הנתונים במהלך הרכישה באמצעות תוכנות מותאמות אישית.
      1. לבצע 3D המרחבי סינון באמצעות גרעין נמוך לעבור לפי עקומת גאוס (ברוחב-מלא חצי-היותר 4.5 מ מ)-
      2. קורקט עבור תנועה translational על ידי יישור אל מרכז המסה עבור כל אמצעי אחסון כדי הכרך הראשון של מאתר פונקציונלי באמצעות אינטרפולציה ליניארית tri-
    2. לחשב את האות משוב. אות משוב נגזר כל כרך שנרכשו במהלך fMRI NFT. . זה המידע מוצג בפני המשתתף כדי לסייע לימוד שליטה ופרסומיה...
      1. ממוצע האיתות fMRI כל voxels בתוך המטרה רועי ליצירת ערך יחיד.
      2. לחשב את השינוי באחוזים בין הממוצע רועי הנוכחי לבין הממוצע בסיסית ROI. אופציונלית, האות הזה עשוי להיות קנה המידה בפקטור תלויים המשתתף ' ביצועים s.
      3. לחשב את האות משוב על-ידי סינון חנותם (ליבה נמוך לעבור גאוסיאנית עם סיגמא של 3 s המורכב רק אחרי רכיבים) האחוז הנוכחי להחליף האותות משוב מאמצעי אחסון neurofeedback קודמות.
    3. להציג את האות משוב. אות
      1. התצוגה הנוכחית המשוב דרך מגרש בר בסגנון מדחום, איפה הגובה של הבר הוא יחסי משוב ערך 18 , 19 , 21 , 34-
      2. כיסוי הנחיות המשתתף המשוב התצוגה.
        הערה: הוראות אלה הן פשוט, כדאי לכוון את המשתתף את תירגע, או להגבהה או הנמכה של פעילות (כלומר סרגל מד חום).
    4. לספק לגירוי נוסף. ייתכן כי מוצג גירוי חזותי, שמיעתי או המספקת נוספים במקביל משוב.

6. להעריך את היכולת לווסת עצמית המטרה רועי.

הערה: לאחר השלמת neurofeedback, היכולת לווסת עצמית באזור היעד עבור כל הפעלה של אימון צריך ניתן לכמת.

  1. לשינויים המשוב אינטרה-הנושא נתח אותות 12.
    1. צור מודל פסיכולוגי המייצג את תנאי פעילות ומנוחה של neurofeedback.
      הערה: מודל זה הוא convolved עם HRF מוגדרים מראש כדי לייצר מודל neurophysiological. התהליך הוא זהה לזה המתואר לשם מאתר פונקציונלי.
    2. מתאים סדרת הזמן אות משוב על הדגם neurophysiological באמצעות GLM. התוצאה היא פרמטר β, אשר מומר טי - או z-סטטיסטי מייצגת היכולת לווסת את עצמי.
  2. לבצע השוואות בין הנושא.
    הערה: ניתן להשוות סטטיסטיקה נציג של רגולציה עצמית ביצועים לאורך מסלולי וקבוצות באמצעות ניתוחים סטטיסטיים המתאים (למשל, מזווגים t - בדיקות או ANOVAs). בדיקות אלה להעריך שינויים ביכולת עצמית לווסת את אזור המטרה על פני קבוצות והדרכה, והוא יכול לשמש כדי להעריך את המחקר ' s hypothesis(es).

תוצאות

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

הצוות שלנו הוכיחה לעליה משמעותית שליטה שמאל נגמרה (DLPFC) למד מן ה-fMRI NFT במדגם של 18 משתתפים. אנובה בכיוון אחד בתוך-נושאים בוצעה על הערכים כמותית של שליטה ופרסומיה12. ניתוח זה גילה שליטה של השמאל ש-DLPFC גדל באופן משמעותי על פני 5 x
6 ריצות s min:24 של neurofeedback מופרדים על-פני חמישה מפגשים נפרדים שנערך בתוך 14 d (איור 1; F(4,68) = 2.216, p = 0.038, sphericity ההנחה, חד-זנבי). שינויים בביצועים במבחן ריבוי משימות מורכבות, שבוצעה לפני ואחרי NFT, הושוו לקבוצת שלא קיבלו neurofeedback באמצעות ANOVAs מעורב-דגם 2 x 2. פוסט-הוק, השוואות מתוקן Bonferroni חשף עליות משמעותיות בביצועים במבחן ריבוי משימות מורכבות שלא קיבלו הכשרה נוספת (p < 0.005, חד-זנבי), עלייה זו היה גדול באופן משמעותי מאשר קבוצת הבקרה אשר ביצע הכשרה דומה אך לא סופק עם סיוע נוסף של neurofeedback (p < sphericity 0.03 נקודות, ההנחה, חד-זנבי)12. למרות קבוצת הניסוי שהשיגה שליטה DLPFC השמאלי על פני אימון, לא נצפתה רמה. זה מעיד על שליטה מרבית שאין צורך לייצר תוצאות התנהגותיות, כי תופעות גדול עוד יותר עשוי להיות אפשרי עם הכשרה נוספת12. יתר על כן, הצוות שלנו גילה fMRI NFT בשילוב עם n-אימון גב יוצר שינויים מוקד פעילות מוחית מוגבלים לאזור היעד, אינה משפיעה על מעלה או למטה-זרם מרכיבי מרשת זיכרון העבודה (איור 2) 22.

לגבי טינטון, מחקר קודמות אחד חקרה fMRI NFT כמו טיפול אפשרי29. במחקר זה, מינימום 4 x 4 ריצות של neurofeedback הושלמו ב אימון בודד. הערכות התנהגותיות של טינטון נערכו לפני ואחרי המפגש NFT fMRI יחיד. מוצלח ופרסומיה למטה-רגולציה של קליפת המוח השמיעתית מושגת, והוא הוביל לירידה משמעותית הפעלה השמיעה. מחקר זה מדגים את ההבטחה של fMRI NFT לטיפול טינטון, עם זאת, רק שישה משתתפים נחקרו, קבוצת ביקורת שלא היה מנוצל לשם השוואה. יתר על כן, ניתוחים סטטיסטיים כולל את הנתונים ההתנהגותי לא בוצעו. הרחבה על מחקר זה עשויים לגלות הזדמנויות מעניינות טיפולים חדשים לחולי טינטון.

figure-results-1
איור 1: הגדלת שליטה DLPFC שמאלה. ממוצע עזב DLPFC פקד עבור כל neurofeedback לרוץ (מתבצעות בימים נפרדים) מסומנים באמצעות החוגים ירוק בהיר. ניתוח רגרסיה ליניארית התגלה גידול משמעותי בשליטה על פני אימון (הקו הירוק כהה; β = 1.078, p < 0.033). קווי שגיאה מייצגות עבודה ב- SEM Unmodified 1 של שרווד. et al. 12, הודפס מחדש תחת רישיון מלאי ייחוס. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

figure-results-2
איור 2: השפעת למידה המותאמות לשפות אחרות עזבו DLPFC שליטה. (א) ההסתברות voxel הכללה עבור fMRI NFT שנבחר מתוך n-מאתר בחזרה פונקציונלי. אור כחול voxels שהיו כלולים לעתים קרובות ביותר באזור היעד NFT, voxels כחול כהה היו כלולים בתדירות נמוכה יותר, ברור voxels לא נכללו. (B) מבוססי Voxel ANOVA תוצאות עבור האפקט העיקרי של האימון (אדום-צהוב). אפקט זה הראה החפיפה עם ROIs DLPFC השמאלי שמיועד NFT. פרוסות צירית יוצגו בכנס רדיולוגים ב ז קואורדינטות = 22, 26, 30, 34, 38 מ מ (משמאל לימין). עבודה שלא שונתה של שרווד. et al. 22, הודפס מחדש תחת רישיון מלאי ייחוס. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

דיון

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

פרוטוקול NFT fMRI הנדונים כאן ניתן להתאים למטרה בכל אזור של המוח, ודן עם univariate, גישה המבוססות על רועי neurofeedback. זו יכולה להיות מושגת באמצעות תכנות נוספים מאתר פונקציונלי משימות כדי להפעיל אזורים אחרים. על ידי שילוב משימות אלה לתוך התוכנה neurofeedback מותאם אישית, פיתחנו תהליך פשוט מאוד. עם זאת, מגבלה אחת: אזור היעד להיות מוגדרת באופן פונקציונלי. בשלב זה, התוכנה הצוות שלנו פיתח אינו מבצע כל רישום בין תמונות אנטומי פונקציונלי. לכן, אפשרות ליישם שיטות בחירה רועי אחרות, כגון ROIs מבוסס-אטלס, בשלב זה. בנוסף, פרמטרים עבור גירויים ו- neurofeedback (למשל, משך הבלוק, מספר רחובות ופרמטרים ההדמיה כולל TR) יכול להשפיע בקלות על ידי המפעיל. בנוסף, העברה פועל כדי להעריך את היכולת לווסת עצמית המטרה שרועי בהיעדרו של neurofeedback יכול להיות מיושם. התוכנה פיתחנו אינו מציע neurofeedback ניצול דפוסי כמנבאים35,48 או קישוריות בין אזורי המוח49.

FMRI NFT מציעה יתרונות רבים על פני צורות אחרות של neurofeedback אך גם יש מגבלות משלו. היתרון העיקרי של fMRI NFT הוא הרזולוציה המרחבית אשר outperforms כל צורות אחרות של NFT כגון העוויתיים (EEG)-מבוסס neurofeedback. רזולוציה מרחבית משופר מאפשר ספציפי במוח מבנים/פונקציות ברחבי המוח כולו להיות יישוב50. . כעת, זו אינה השגה עם טיפולים אחרים כגון pharmacotherapy, אשר שיטתית. עם זאת, החיסרון העיקרי של fMRI NFT הוא משך ההשהיה. לא רק נלקחות המחירים איטי יותר מאשר EEG (עד 3 סדרי גודל יותר איטי), השהיה והמודינמיקה הקשורים עם האות ה-fMRI נוסף מוסיף עיכוב זה. למרות זאת, יש ההוכחות כי המשתתפים יכולים להתגבר על עיכוב זה, שעם קצת תרגול, ללמוד לשלוט פעילות המוח (למשל, ראו סקירה זולצר. ואח 11 ו. Scharnowski et al. 50).

הפופולריות של ה-fMRI NFT גדל אך נותר בשלב הינקות. בגלל זה, המצויים טרם להיות מאומץ. הפרוטוקול המתואר מפרט שיטות אשר מתקבלים באופן מדעי. לדוגמה, טפסים מרובים של משוב מציג כבר נעזרו על פני מחקרים שונים, כולל של מדחום בסגנון בר מגרש18,19,21,34. יתר על כן, אות משוב הציג כמו האות אחוז השינוי עם תוכנית בסיסית שחושב מאזור המטרה היה גם מיושמים באופן נרחב12,19,21,25 , 30 , 51 , 52.

שליטה תופעות פלסטיק במוח מציעה טכניקה טיפולית חדשנית לטיפול בהפרעות רגשיות ונוירולוגיות או פציעות מוח עם פעילות מוחית חריגה, כגון משויכים עם טינטון שנדונו לעיל. המנגנון המדויק לתרגם neuromodulation תופעות התנהגותיות אמנם עדיין לא ידוע, fMRI NFT שויכה LTP11. באמצעות תהליך הלמידה, התנהגות הוא יחוזק כאשר אחד פעיל מווסת את פעילות המוח ברשתות הקשור לפעילות המוח. חיזוק כזה התוצאה האירוסין של מנגנונים neuroplastic שגרמו לצד הרשת לבצע ביעילות רבה יותר. זה עולה בקנה אחד עם טכניקות טיפול נוספות NFT מבוסס-EEG neurofeedback שבו אנשים מאומנים לשלוט בתדר להקות של אותות חשמליים נמדד מאזורים המקומיות הקרקפת53,54,55 . אחרים ציינו כי LTP מ הפלסטיות הסינפטית וכתוצאה מכך משופרת יעילות סינפטית12. עדיין postulation נוסף מצביע על המנגנונים התאיים של למידה עשוי לכלול שינויים תלויי-מתח הממברנה מוליכות המתבטאת בשינוי דעתנית עצבית13. בכל מקרה, נראה כי ה-fMRI ש-NFT גורם לשינויים ברמה התאית, כי האדם יכול ללמוד קצת שליטה תהליכים אלה. יכולת זו שינויים אלה עשוי להיות קריטי ללמוד על ופיתוח טיפולים עבור פציעות מוח והפרעות רגשיות ונוירולוגיות.

היבט חשוב של fMRI NFT היא למדוד שינויים בהתנהגות. זה הכרחי כדי השערות רבות אשר לחזות שינויים התנהגותיים מונע על ידי שינויים עצביים NFT-induced. לכל הפחות, הערכות אלה צריכים להיאסף על שתי נקודות זמן: לפני כן, בעקבות NFT. במקרה של טינטון, הערכות התנהגותיות אלה יכול להכיל אך ורק של שאלונים סובייקטיביים כמו שיש אין מדד ישיר עבור טינטון. עבור הפרעות רגשיות ונוירולוגיות אחרות, ביקורת ספרות וצריך להתנהל כדי לקבוע את הערכות המתאים, סביר, מתועדים hypothesis(es) ספציפיים נחקר. השערות מסוימות דורשות מדידות בנקודות זמן נוסף, כגון אלה לחקור את השפעות ה-fMRI NFT ליד - הקצר, בטווח הארוך. הערכות מסוימים עשויים לדרוש הכשרה לפני NFT כדי להפחית תופעות למידה. השערות אחרים עשויים לדרוש גם בדיקת נוירולוגיים כגון אלו המעוניינים ברמות של המוח מטבוליטים, זלוף מוחית או רשתות פונקציונלי.

ההליך NFT fMRI יש שני שלבים קריטיים. הראשון הוא קביעת אזור המוח היעד עבור neurofeedback. לפני ביצוע כל ההליכים, סקירה יסודית בספרות וצריך להתנהל לחקור מסלולים עצביים ופונקציות חשובים מבנים/קשור עם הפרעות רגשיות ונוירולוגיות או פגיעה מוחית. מכאן, מבנים/פונקציות מפתח צריך שנבחרו בקפידה כיעד עבור neurofeedback. הבא, סקירת ספרות אחרת, יש לבצעו לבחון במשימות הקשורות המבנה/פונקציה זו. משימה זו עשויה או לא עשויה להיות קשורה להפרעה, אך זה יש לאשר המשימה מפעילה את region(s) הרצויה בקרב האוכלוסייה המיועדת. במהלך הליכי neurofeedback, אזור היעד זה ייבחרו באופן פרטני המושב הראשון או על כל מפגש. לכן, השתנות אינטר - ו intra - subject עשויים להיות גורמים חשובים אשר יכול להוביל לתוצאות בלתי צפויות. זה חיוני כדי ליצור פרוטוקול בחר את אזור המטרה, לנהל את כוח האדם הדרוש הדרכה. קיימות שתי שיטות כדי להגדיר מטרה רועי: אנטומית והן מבחינה תפקודית. הגדרות אנטומי לנצל מבניים סריקות MRI להגדרת אזור היעד בקפדנות של האנטומיה,אולי משתמש של אטלס סטנדרטי. תמונות פונקציונלי רשומים לתמונות מבניים, ואת אזור היעד הוא הופך מקום פונקציונלי21,26. שיטת פונקציונלי, אזור המטרה מסומנת ממפת הפעלה המיוצר על-ידי עריכת מאתר פונקציונלי11,12,24,29,44. שיטה זו נדון בזאת.

השלב הקריטי השני ב- fMRI NFT הוא שליטה קבוצה הבחירה. קבוצות שליטה מכרעת בקביעת השפעת fMRI NFT, הבחירה של קבוצות שליטה יש לשקול בזהירות. מחקרים קודמים השתמשו מגוון רחב של פקדים. הליך נפוץ בקבוצת הבקרה היא ניסיון ופרסומיה שליטה בנוכחות המזויפים משוב. משוב זה יכול להיות הולך לשעבד ממשתתף ב קבוצה ניסיונית21,44, הניתנים אזור לא מעורב בתהליך הרצוי ללא ידיעת המשתתף17,33, 44, או הפוך52. מחקרים אחרים השתמשו קבוצות הבקרה אשר ניסיון שליטה ופרסומיה אבל לא מסופקים עם neurofeedback12,21,44,56.

מחקר קודם מרמז כי כאשר הנבדקים מנסים לשלוט המזויפים משוב, יש הפעלה מוגברת insula דו צדדיים, מנוע anterior cingulate, משלים, dorsomedial ואזורי לרוחב הקדם חזיתית בהשוואה צופה פסיבי משוב להציג57. ממצאים אלה לסבך fronto דופני רחבה, cingulo-opercular הרשת מופעל כאשר יש כוונה לשלוט פעילות מוחית. יתר על כן, ממצאים אלה מראים קבוצות שליטה המסורתי המשמש בניסויים NFT ישתמש בקנה אחד עם שליטה קוגניטיבית, אפילו בנוכחות המזויפים משוב עצבית בקורלציה. נפרד מטא אנליזה חשף פעילות insula הקדמי, בגרעיני הבסיס, שניהם נמצאים אזורים המעורבים בשליטה קוגניטיבית, תפקודים קוגניטיביים גבוהים אחרים, היו רכיבים קריטיים כדי ניסיון שליטה ופרסומיה58. התוצאות של המטא-הניתוח לאשר את הממצאים הקודמים57. יחדיו, הראיות עולה כי זה קריטי על ההשפעות של שליטה ופרסומיה מוצלחת ואלו הקשורים ניסיון רגולציה עצמית. לכן, ההכללה של קבוצות הבקרה אשר תתנקש רגולציה עצמית עשוי להיות חשוב.

עם זאת, מחקרים קודמים איפה בקרת קבוצות קיבלו המזויפים fMRI אותות חשפו הבדלים היעד רועי פעילות נצפו מאלה שקיבלו משוב אמיתי15,16,17, 18 , 20 , 21 , 25 , 26 , 28 , 33 , 34 , 44, רומז אסטרטגיות הדרכה המשלבים לא משוב אינם יעילים להתכוונן אזור היעד. בנוסף, קבוצות הבקרה אשר קיבלו הוראות זהים, באותה התקופה של אימונים אבל לא קיבלו משוב ברמה הנוכחית של פעילות מוחית התערוכה לא תוצאות התנהגותיות דומות כקבוצות ניסיוני שקיבלו neurofeedback12,18,21,32,44,59. ממצאים אלה מראים שהאפקטים חווייתית הם לייחס fMRI NFT-induced למידה ולא למידה אחרים או שינויים לא ספציפית. לכן, הכשרה ספציפית משטרי חייב להיות שפותחה אשר יעד מערכות neurophysiological מסוימות כדי להשיג את ההשפעה הרצויה. התוצאות ממחקר עם מגוון של קבוצות שליטה מצביעות על הדרכה התנהגותית, תרגול, משוב חושית, ביופידבק לבד לא לייצר מקבילה תופעות התנהגותיות כמו אלה המקבלים fMRI NFT44.

גילויים

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

המחברים אין לחשוף.

תודות

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

חומר זה מבוסס על מחקר ממומן על ידי חיל האוויר האמריקאי תחת מספר הסכם FA8650-16-2-6702. הדיעות של המחברים, אינן משקפות את ההשקפות הרשמי או מדיניות של משרד ההגנה ומרכיביה. ממשלת ארה ב מוסמך השכפול וההפצה הדפסות חדשות למטרות ממשלתיות על אף האמור בכל סימון זכויות היוצרים בגינו. הפול, מלאה מדעת של נושאים המשמשים במחקר זה הושג ככל הנדרש על-ידי 32 CFR 219, דודי 3216.02_AFI 40-402.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
3T MRIGE רפואי750W חומרתרכישת נתונים
מערכת תצוגה תואמת MRInVivoSensaVueגירויים חזותיים חומרה
תואמת MRמערכת שמיעה טכנולוגיות תהודהCinemaVisionגירויים שמיעתיים חומרה
תוכנת גירוי ניסיונימערכות נוירו-התנהגותיותהצגתל תוכנת עיבוד גירויים למצגת בקרה
MathworksMATLABלעיבוד נתונים
תוכנה לעיבוד נתוניםMicrosoftVisual Studio C++תוכנה לעיבוד
רפידות תגובהCedrus CorporationLumina חומרהלקבלת קלט משתתפים
גילוי תוכנת תוכנת לנתונים

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Vanneste, S., Plazier, M., der Loo, E. V., de Heyning, P. V., Congedo, M., De Ridder, D. The neural correlates of tinnitus-related distress. NeuroImage. 52 (2), 470-480 (2010).
  2. Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magn Reson Med. 33 (2), 230-236 (1995).
  3. Weiskopf, N., et al. Real-time functional magnetic resonance imaging: methods and applications. P Int School Magn Reson Brain Funct. 25 (6), 989-1003 (2007).
  4. Hirsch, J., et al. An integrated functional magnetic resonance imaging procedure for preoperative mapping of cortical areas associated with tactile, motor, language, and visual functions. Neurosurgery. 47 (3), 711-722 (2000).
  5. Yoo, S. -S., et al. Brain computer interface using fMRI: spatial navigation by thoughts. Neuroreport. 15 (10), 1591-1595 (2004).
  6. Sorger, B., Reithler, J., Dahmen, B., Goebel, R. A real-time fMRI-based spelling device immediately enabling robust motor-independent communication. Curr Biol. 22 (14), 1333-1338 (2012).
  7. Yoo, J. J., et al. When the brain is prepared to learn: Enhancing human learning using real-time fMRI. NeuroImage. 59 (1), 846-852 (2012).
  8. Weiskopf, N., et al. Physiological self-regulation of regional brain activity using real-time functional magnetic resonance imaging (fMRI): methodology and exemplary data. NeuroImage. 19 (3), 577-586 (2003).
  9. Fetz, E. E. Volitional control of neural activity: Implications for brain-computer interfaces. J Physiology. 579 (Pt 3), 571-579 (2007).
  10. Fetz, E. E. Operant Conditioning of Cortical Unit Activity. Science. 163 (3870), 955-958 (1969).
  11. Sulzer, J., et al. Real-time fMRI neurofeedback: Progress and challenges. NeuroImage. 76 (0), 386-399 (2013).
  12. Sherwood, M. S., Kane, J. H., Weisend, M. P., Parker, J. G. Enhanced control of dorsolateral prefrontal cortex neurophysiology with real-time functional magnetic resonance imaging (rt-fMRI) neurofeedback training and working memory practice. NeuroImage. 124 (A), 214-223 (2016).
  13. Mozzachiodi, R., Byrne, J. H. More than synaptic plasticity: Role of nonsynaptic plasticity in learning and memory. Trends Neurosci. 33 (1), 17-26 (2010).
  14. Weiskopf, N., Scharnowski, F., Veit, R., Goebel, R., Birbaumer, N., Mathiak, K. Self-regulation of local brain activity using real-time functional magnetic resonance imaging (fMRI). J Physiology-Paris. 98 (4-6), 357-373 (2004).
  15. deCharms, R. C., Christoff, K., Glover, G. H., Pauly, J. M., Whitfield, S., Gabrieli, J. D. E. Learned regulation of spatially localized brain activation using real-time fMRI. NeuroImage. 21 (1), 436-443 (2004).
  16. Hamilton, J. P., Glover, G. H., Hsu, J. -J., Johnson, R. F., Gotlib, I. H. Modulation of subgenual anterior cingulate cortex activity with real-time neurofeedback. Hum Brain Mapp. 32 (1), 22-31 (2011).
  17. Zotev, V., et al. Self-regulation of amygdala activation using real-time fMRI neurofeedback. PLoS ONE. 6 (9), e24522(2011).
  18. Caria, A., et al. Regulation of anterior insular cortex activity using real-time fMRI. NeuroImage. 35 (3), 1238-1246 (2007).
  19. Veit, R., Singh, V., Sitaram, R., Caria, A., Rauss, K., Birbaumer, N. Using real-time fMRI to learn voluntary regulation of the anterior insula in the presence of threat-related stimuli. Soc Cogn Affect Neur. 7 (6), 623-634 (2012).
  20. Lee, J. -H., Kim, J., Yoo, S. -S. Real-time fMRI-based neurofeedback reinforces causality of attention networks. Neurosci Res. 72 (4), 347-354 (2012).
  21. McCaig, R. G., Dixon, M., Keramatian, K., Liu, I., Christoff, K. Improved modulation of rostrolateral prefrontal cortex using real-time fMRI training and meta-cognitive awareness. NeuroImage. 55 (3), 1298-1305 (2011).
  22. Sherwood, M. S., Weisend, M. P., Kane, J. H., Parker, J. G. Combining real-time fMRI neurofeedback training of the DLPFC with n-back practice results in neuroplastic effects confined to the neurofeedback target region. Front Behav Neurosci. 10 (138), 1-9 (2016).
  23. Zhang, G., Yao, L., Zhang, H., Long, Z., Zhao, X. Improved working memory performance through self-regulation of dorsal lateral prefrontal cortex activation using real-time fMRI. PLoS ONE. 8 (8), e73735(2013).
  24. Sitaram, R., et al. Acquired control of ventral premotor cortex activity by feedback training: an exploratory real-time fMRI and TMS study. Neurorehab Neural Re. 26 (3), 256-265 (2012).
  25. Subramanian, L., et al. Real-time functional magnetic resonance imaging neurofeedback for treatment of Parkinson's Disease. J Neurosci. 31 (45), 16309-16317 (2011).
  26. Yoo, S. -S., Lee, J. -H., O'Leary, H., Panych, L. P., Jolesz, F. A. Neurofeedback fMRI-mediated learning and consolidation of regional brain activation during motor imagery. Int J Imag Syst Tech. 18 (1), 69-78 (2008).
  27. Berman, B. D., Horovitz, S. G., Venkataraman, G., Hallett, M. Self-modulation of primary motor cortex activity with motor and motor imagery tasks using real-time fMRI-based neurofeedback. NeuroImage. 59 (2), 917-925 (2012).
  28. Chiew, M., LaConte, S. M., Graham, S. J. Investigation of fMRI neurofeedback of differential primary motor cortex activity using kinesthetic motor imagery. NeuroImage. 61 (1), 21-31 (2012).
  29. Haller, S., Birbaumer, N., Veit, R. Real-time fMRI feedback training may improve chronic tinnitus. Eur Radiol. 20 (3), 696-703 (2010).
  30. Haller, S., et al. Dynamic reconfiguration of human brain functional networks through neurofeedback. NeuroImage. 81 (0), 243-252 (2013).
  31. Johnston, S. J., Boehm, S. G., Healy, D., Goebel, R., Linden, D. E. J. Neurofeedback: A promising tool for the self-regulation of emotion networks. NeuroImage. 49 (1), 1066-1072 (2010).
  32. Johnston, S., Linden, D. E. J., Healy, D., Goebel, R., Habes, I., Boehm, S. G. Upregulation of emotion areas through neurofeedback with a focus on positive mood. Cogn Affect Behav Ne. 11 (1), 44-51 (2011).
  33. Rota, G., et al. Self-regulation of regional cortical activity using real-time fMRI: The right inferior frontal gyrus and linguistic processing. Hum Brain Mapp. 30 (5), 1605-1614 (2009).
  34. Scharnowski, F., Hutton, C., Josephs, O., Weiskopf, N., Rees, G. Improving visual perception through neurofeedback. J Neurosci. 32 (49), 17830-17841 (2012).
  35. Shibata, K., Watanabe, T., Sasaki, Y., Kawato, M. Perceptual learning incepted by decoded fMRI neurofeedback without stimulus presentation. Science. 334 (6061), 1413-1415 (2011).
  36. Fowler, E. Head noises in normal and in disordered ears: Significance, measurement, differentiation and treatment. Arch Otolaryngol. 39 (6), 498-503 (1944).
  37. Penner, M. J. An estimate of the prevalence of tinnitus caused by spontaneous otoacoustic emissions. Arch Otolaryngol. 116 (4), 418-423 (1990).
  38. Sismanis, A., Smoker, W. R. K. Pulsatile tinnitus: Recent advances in diagnosis. Laryngoscope. 104 (6), 681-688 (1994).
  39. Folmer, R. L., Griest, S. E., Martin, W. H. Chronic tinnitus as phantom auditory pain. Otolaryngology. 124 (4), 394-400 (2001).
  40. Gu, J. W., Halpin, C. F., Nam, E. -C., Levine, R. A., Melcher, J. R. Tinnitus, diminished sound-level tolerance, and elevated auditory activity in humans with clinically normal hearing sensitivity. J Neurophysiol. 104 (6), 3361-3370 (2010).
  41. Schecklmann, M., et al. Neural correlates of tinnitus duration and distress: A positron emission tomography study. Hum Brain Mapp. 34 (1), 233-240 (2013).
  42. Geven, L. I., de Kleine, E., Willemsen, A. T. M., van Dijk, P. Asymmetry in primary auditory cortex activity in tinnitus patients and controls. Neurosci. 256, 117-125 (2014).
  43. Seydell-Greenwald, A., Leaver, A. M., Turesky, T. K., Morgan, S., Kim, H. J., Rauschecker, J. P. Functional MRI evidence for a role of ventral prefrontal cortex in tinnitus. Brain Res. 1485, 22-39 (2012).
  44. deCharms, R. C., et al. Control over brain activation and pain learned by using real-time functional MRI. P Natl Acad Sci USA. 102 (51), 18626-18631 (2005).
  45. Friston, K. J., et al. Analysis of fMRI time-series revisited. NeuroImage. 2 (1), 45-53 (1995).
  46. Ashby, F. G. Statistical analysis of fMRI data. , MIT Press. Cambridge, Mass. (2011).
  47. Ruiz, S., et al. Acquired self-control of insula cortex modulates emotion recognition and brain network connectivity in schizophrenia. Hum Brain Mapp. 34 (1), 200-212 (2013).
  48. Papageorgiou, T. D., Curtis, W. A., McHenry, M., LaConte, S. M. Neurofeedback of two motor functions using supervised learning-based real-time functional magnetic resonance imaging. Eng Med Biol Soc Ann. , 5377-5380 (2009).
  49. Koush, Y., et al. Connectivity-based neurofeedback: Dynamic causal modeling for real-time fMRI. NeuroImage. 81, 422-430 (2013).
  50. Scharnowski, F., Weiskopf, N. Cognitive enhancement through real-time fMRI neurofeedback. Curr Opin Behav Sci. 4, 122-127 (2015).
  51. Sulzer, J., et al. Neurofeedback-mediated self-regulation of the dopaminergic midbrain. NeuroImage. 83, 817-825 (2013).
  52. Berman, B. D., Horovitz, S. G., Hallett, M. Modulation of functionally localized right insular cortex activity using real-time fMRI-based neurofeedback. Front Human Neurosci. 7 (638), 1-11 (2013).
  53. Birbaumer, N., Cohen, L. G. Brain-computer interfaces: Communication and restoration of movement in paralysis. J Physiol. 579 (3), 621-636 (2007).
  54. Daly, J. J., Wolpaw, J. R. Brain-computer interfaces in neurological rehabilitation. Lancet Neurol. 7 (11), 1032-1043 (2008).
  55. Ros, T., Munneke, M. A. M., Ruge, D., Gruzelier, J. H., Rothwell, J. C. Endogenous control of waking brain rhythms induces neuroplasticity in humans. Eur J Neurosci. 31 (4), 770-778 (2010).
  56. Linden, D. E. J., et al. Real-Time Self-regulation of emotion networks in patients with depression. PLoS ONE. 7 (6), e38115(2012).
  57. Ninaus, M., et al. Neural substrates of cognitive control under the belief of getting neurofeedback training. Front Hum Neurosci. 7 (914), 1-10 (2013).
  58. Emmert, K., et al. Meta-analysis of real-time fMRI neurofeedback studies using individual participant data: How is brain regulation mediated? NeuroImage. 124, 806-812 (2016).
  59. Linden, D. E. J., Turner, D. L. Real-time functional magnetic resonance imaging neurofeedback in motor neurorehabilitation. Curr Opin Neurol. 29 (4), 412-418 (2016).

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

Echo Planar Imaging

מאמרים קשורים