Name: Network Analysis della modalità predefinita rete tramite connettività funzionale MRI in epilessia del lobo temporale (Video) | JoVE Journal
Uploaded: 2014-08-05T14:00:00.000+00:00
Duration: 12 min 9 s
Description: Scopri l'analisi della rete di modalità predefinita tramite fcMRI nell'epilessia del lobo temporale. Questo metodo confronta la connettività cerebrale tra pazienti e controlli sani.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Finanziamento per questa ricerca è stato fornito dalla Fondazione Epilessia of America, Baylor College of Medicine computazionale e integrative Biomedical Research Center (CIBR) Semi di Grant Awards (ZH), NIH NINDS-K23 di Grant NS044936 (JMS); . e The Family Foundation Leff (JMS) L&#39;acquisizione dei dati è stata assistita da: Elizabeth Pierce (UCLA).

1. Soggetti <ol><li> La popolazione di studio di 36 soggetti comprende tre gruppi: a destra TLE (n = 11), a sinistra TLE (n = 12), e controlli sani (n = 13). Ottenere il consenso informato scritto da tutti i soggetti. Lo studio segue le linee guida della University of California, Los Angeles (UCLA) Institutional Review Board. </li><li> I gruppi di soggetti con epilessia dovrebbero essere i pazienti che sono candidati per la resezione del lobo temporale anteriore, come determinato dal monitoraggio video-EEG, MRI del cervello, imaging PET, e test neuropsicologici. I pazienti devono continuare i loro soliti farmaci durante la scansione fMRI e non devono essere digitalizzata immediatamente dopo un sequestro. Assicurarsi che tutti i soggetti hanno normali risonanze magnetiche del cervello e sono esenti da malattie neurologiche (diverso da epilessia nei gruppi di pazienti) o si utilizza farmaci neurologici. </li></ol> 2. Imaging <ol><li> Utilizzare un sistema a 3 Tesla MRI per l&#39;imaging. Ottenere sezioni assiali per immagini funzionali utilizzando un planare imag ecoING (EPI) sequenza e per le immagini anatomiche mediante gradiente viziato richiamate (SPGR) sequenza. </li><li> Eseguire l&#39;imaging funzionale utilizzando i seguenti parametri: TR = 2,000 msec, TE = 30 msec, FOV = 210 mm, matrice = 64 x 64, spessore di strato 4 millimetri, 34 fette. Utilizzare i seguenti parametri per imaging ad alta risoluzione strutturale: TR = 20 msec, TE = 3 msec, FOV = 256 millimetri, matrice = 256 x 256, spessore fetta 1 mm 160 fette. </li><li> Ogni sessione di imaging dovrebbe durare 20 min. Chiedere ai partecipanti di rilassarsi con gli occhi chiusi. Non è richiesta alcuna particolare input uditivo. </li></ol> 3. Pre-elaborazione dei dati BOLD <ol><li> Pre-elaborazione dei dati fMRI utilizzando FSL (fMRIB Software Library) versione del software 4.1.6 (Oxford, UK, www.fmrib.ox.ac.uk / FSL) 13,14. Fasi di pre-elaborazione devono includere i seguenti: Usa FSL MCFLIRT per rimuovere i movimenti della testa artefatto 15. Utilizzare BET FSL per rimuovere il tessuto nonbrain 16 con BET l&#39;opzione-F per i file BOLD. Questo aiuta a conduzione ffasi di analisi LTERIORI sulla sola tessuto cerebrale. </li><li> In FEAT, eseguire un&#39;analisi minimamente trasformati con la registrazione. Selezionare &quot;analisi di primo livello&quot; e cambiare &quot;analisi completa&quot; a &quot;pre-stats&quot; dai primi due bottoni. <ol><li> Nella scheda pre-stats, deselezionare &quot;estrazione del cervello BET&quot; e selezionare &quot;Nessuno&quot; per &quot;correzione Motion&quot; (in quanto queste sono state già fatte in precedenza). Registrare le immagini funzionali (BOLD) per la anatomico (SPGR) immagini e quindi ad un livello di immagine (MNI). Ciò si traduce nella generazione di matrici di trasformazione, che successivamente saranno utilizzati durante l&#39;analisi di deformare i semi selezionati nello spazio normale nello spazio cervello del soggetto. </li></ol></li><li> Utilizzare la matrice di trasformazione generata (denominato &quot;standard2example_func.mat&quot;) e trasformare CSF e ROI della sostanza bianca in singoli spazi BOLD. <ol><li> Estrarre la serie storica dal QCS e ROI della sostanza bianca con il comando fslmeants,utilizzando il ROI nello spazio singolo soggetto come maschera. Normalizzare la serie storica estratto utilizzando il software &quot;R&quot;. Tali serie sono usati come regressori nel GLM successivamente per rimuovere i corrispondenti segnali di artefatti dall&#39;analisi. </li></ol></li><li> Il passo successivo è la rimozione di artefatti di movimento legate soggetti. Per la regressione dei parametri di movimento, impostare la seguente entro FSL FEAT prima di eseguirlo. <ol><li> All&#39;interno della scheda dati, utilizzare il movimento corretto per file e cervello estratto come ingressi, impostare il valore TR corrispondere al dataset. Set filtro passa-alto utilizzando un filtro sec 100. L&#39;elevato filtraggio passa rimuoverà segnali di interesse, che sono di frequenza molto bassa. Un filtro passa-basso per rimuovere i segnali ad alta frequenza sarà applicata in seguito al passaggio 4.1. </li><li> All&#39;interno della scheda di pre-stats, scegliere &quot;Nessuno&quot; in &quot;Correzione Motion&quot; come è stato già fatto. Deselezionare &quot;estrazione del cervello BET&quot;, come è stato già fatto. Eseguire smoothing spazialeutilizzando una metà del massimo a tutta larghezza 5 mm (FWHM). </li><li> Nella scheda statistiche, regredire i parametri 6 di movimento e loro derivati ​​temporali. Selezionare &quot;Nessuno&quot; per convoluzione e controllare &quot;Applica filtro temporale.&quot; Usa l&#39;uscita del FSL MCFLIRT per ottenere i file di testo dei parametri del movimento, che può essere poi immessi nel modello di analisi FEAT a regredire questi in un modello lineare generale (GLM) </li><li> Aggiungete anche il QCS e segnali della sostanza bianca che sono stati estratti e normalizzato nelle fasi precedenti al GLM. Selezionare &quot;Nessuno&quot; per convoluzione, aggiungere derivata temporale, e deselezionare &quot;Applica filtro temporale&quot;. </li></ol></li></ol> 4. Metodi statistici <ol><li> I residui di pre-elaborazione sopra descritta dovrebbero essere utilizzati per la correlazione a base di semi. Tali residui devono essere passati prima attraverso un filtro passa-basso di 0,1 Hz, poi umiliate sottraendo la media, dividendo per la deviazione standard, e poi scalato aggiungendo100. Semi devono essere definite con un diametro di 6 mm di spazio MNI standard utilizzando software MRICron. </li><li> Il posteriore e semi anteriori devono corrispondere alle seguenti coordinate: (1) Regione Rsp / PCUN (x = 2, y = -60, z = 36) e (2) corteccia prefrontale ventromediale (vmPFC; x = 3, y = 60, z = -1). Queste posizioni seme sono state definite negli controlli sani e sono trasformato allo spazio soggetto nel passaggio successivo 17-19. <ol><li> I semi devono essere successivamente trasformati in singolo spazio funzionale del cervello di ciascun soggetto dallo spazio standard di MNI. Per questo, utilizzare la matrice di trasformazione generata in precedenza (denominata &quot;standard2example_func.mat&quot;) per trasformare il seme da (MNI) spazio standard per il singolo spazio funzionale (BOLD). </li><li> Utilizzare il comando fslmeants per estrarre la serie temporale dal già sminuito e scalato residua, utilizzando il seme nel singolo spazio soggetto come una maschera. Normalizzare la serie storica estratto utilizzando il software &quot;R&quot;. </li></ol></li><li> Correlazioni parziali tra i voxel di sementi e tutti gli altri voxel cerebrali dovrebbero essere calcolate separatamente per ciascun soggetto per ciascuna corsa. Per questo, all&#39;interno della GUI FEAT FSL, selezionare &quot;analisi di primo livello&quot;, e poi &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda Dati, il residuo precedentemente umiliato e scalato deve essere usato come input in FEAT. </li><li> Impostare il passa alto taglio del filtro a 10.000, il residuo è già elevata passata a 100 sec. Nella scheda Statistiche, deselezionare &quot;Usa FILM prewhitening&quot;, e utilizzare le serie storiche seme precedentemente estratto e normalizzato nel GLM. Nella scheda Post-statistiche, impostare la soglia di Z-stat desiderata per un valore di 2,0. </li><li> Prima di eseguire l&#39;analisi di gruppo che unisce corre all&#39;interno di sudditi, di un Fisher Z trasformare deve essere eseguita sul file COPE (Contrasto delle stime dei parametri) generato dalla analisi di correlazione eseguito in precedenza (punto 4.3). Copiare dati di registrazione from la directory &quot;reg&quot; dell&#39;analisi FEAT fatto nella fase 3.1 nel periodo correlazione del punto 4.3. </li><li> Eseguire un&#39;analisi di livello superiore, combinando corse all&#39;interno di ogni soggetto. Per questo, all&#39;interno della GUI FEAT FSL, selezionare &quot;analisi a livello superiore&quot;, e poi &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda &quot;Dati&quot;, scegliere &quot;ingressi sono directory FEAT di livello inferiore&quot; e inserite corse del soggetto dal punto 4.4. All&#39;interno della scheda &quot;Statistiche&quot;, scegli &quot;effetti misti: Semplice OLS&quot;. Impostare modello effetto medio; inserire il valore di 1 per ciascun corsa del soggetto. </li><li> Per combinare dati su piste tra i soggetti, uno minimi quadrati ordinari (OLS) semplice analisi degli effetti misti dovrebbe essere usato. Per questo, all&#39;interno della GUI FEAT FSL, scegliere &quot;analisi a livello superiore&quot; e &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda Dati, scegliere &quot;ingressi sono directory FEAT di livello inferiore&quot; e inserite combinati corre soggetti dal punto 4.5. </li><li> Nella scheda Statistiche, scegliete &quot;effetti misti: Simple OLS&quot; &#39;Impostare un modello come 3 gruppi; inserire il valore 1 per il gruppo di ogni soggetto appartiene, 0 altrimenti. L&#39;analisi di gruppo dovrebbe essere fatto su ogni voxel con un one-way ANOVA con tre livelli corrispondenti ai tre gruppi (TLE destra, sinistra TLE, e controlli sani). </li><li> Per soglia le immagini statistici Z utilizzano cluster di formare la soglia di Z&gt; 2.0 e corretti grappolo soglia rilevante del p = 0,05 20. Per ottenere corretti valori z sulla mappa correlazione, un rovescio di Fisher Z trasformare deve essere eseguita sui risultati. </li><li> I seguenti contrasti specifici devono essere confrontati (1) giuste TLE&gt; controlli; (2) a sinistra TLE&gt; controlli; (3) a destra TLE&gt; sinistra TLE; (4) TLE sinistra&gt; destra TLE; (5) Controllo&gt; destra TLE; (6) Controllo&gt; sinistra TLE; (7) TLE (combinato destra e sinistra)&gt; controllo; e (7) Controllo&gt; TLE (unito destra e sinistra). </li></ol>

<ol><li>Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+connectivity+in+the+motor+cortex+of+resting+human+brain+using+echo-planar+MRI%5BTitle%5D)+AND+%22Magn.+Reson.+Med%22%5BJournal%5D)">Functional connectivity in the motor cortex of resting human brain using echo-planar MRI.</a> Magn. Reson. Med. 34, 537-541 (1995).</li>
<li>Fox, M. D., Greicius, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+applications+of+resting+state+functional+connectivity%5BTitle%5D)+AND+%22Front.+Syst.+Neurosci%22%5BJournal%5D)">Clinical applications of resting state functional connectivity.</a> Front. Syst. Neurosci. 4, 1-13 (2010).</li>
<li>Laufs, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electroencephalographic+signatures+of+attentional+and+cognitive+default+modes+in+spontaneous+brain+activity+fluctuations+at+rest%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest.</a> Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).</li>
<li>Shmuel, A., Leopold, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+correlates+of+spontaneous+fluctuations+in+fMRI+signals+in+monkey+visual+cortex%3A+Implications+for+functional+connectivity+at+rest%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest.</a> Hum. Brain Mapp. 29, 751-761 (2008).</li>
<li>Margulies, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting+developments%3A+a+review+of+fMRI+post-processing+methodologies+for+spontaneous+brain+activity%5BTitle%5D)+AND+%22Magn.+Mater.+Phys.+Biol%22%5BJournal%5D)">Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity.</a> Magn. Mater. Phys. Biol. 23, 289-307 (2010).</li>
<li>Biswal, B. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Toward+discovery+science+of+human+brain+function%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Toward discovery science of human brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).</li>
<li>Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+lateralized+temporal+lobe+epilepsy+on+the+default+mode+network%5BTitle%5D)+AND+%22Epilepsy+Behav%22%5BJournal%5D)">Effect of lateralized temporal lobe epilepsy on the default mode network.</a> Epilepsy Behav. 25, 350-357 (2012).</li>
<li>Pillai, J. J., Williams, H. T., Faro, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+imaging+in+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Semin.+Ultrasound.+CT+MR%22%5BJournal%5D)">Functional imaging in temporal lobe epilepsy.</a> Semin. Ultrasound. CT MR. 28, 437-450 (2007).</li>
<li>Blumenfeld, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Positive+and+negative+network+correlations+in+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Cereb.+Cortex%22%5BJournal%5D)">Positive and negative network correlations in temporal lobe epilepsy.</a> Cereb. Cortex. 14, 892-902 (2004).</li>
<li>Dupont, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Eur.+J.+Nucl.+Med.+Imaging%22%5BJournal%5D)">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).</li>
<li>Fransson, P., Marrelec, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+precuneus%2Fposterior+cingulate+cortex+plays+a+pivotal+role+in+the+default+mode+network%3A+Evidence+from+a+partial+correlation+network+analysis%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis.</a> Neuroimage. 42, 1178-1184 (2008).</li>
<li>Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+brain%27s+default+network%5BTitle%5D)+AND+%22Ann.+N.+Y.+Acad.+Sci%22%5BJournal%5D)">The brain's default network.</a> Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).</li>
<li>Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimage. 14, 1370-1386 (2001).</li>
<li>Forman, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+assessment+of+significant+activation+in+functional+magnetic+resonance+imaging+%28fMRI%29%3A+use+of+a+cluster+size+threshold%5BTitle%5D)+AND+%22Magn.+Reson.+Med%22%5BJournal%5D)">Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold.</a> Magn. Reson. Med. 33, 636-647 (1995).</li>
<li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimage. 17, 825-841 (2002).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+robust+automated+brain+extraction%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Fast robust automated brain extraction.</a> Hum. Brain Mapp. 17, 143-155 (2002).</li>
<li>Raichle, M. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+default+mode+of+brain+function%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">A default mode of brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).</li>
<li>Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+connectivity+of+default+mode+network+components%3A+correlation%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Functional connectivity of default mode network components: correlation.</a> Hum. Brain Mapp. 30, 625-637 (2009).</li>
<li>Singh, K. D., Fawcett, I. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transient+and+linearly+graded+deactivation+of+the+human+default-mode+network+by+a+visual+detection+task%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Transient and linearly graded deactivation of the human default-mode network by a visual detection task.</a> Neuroimage. 41, 100-112 (2008).</li>
<li>Worsley, K. J., Evans, A., Marrett, S., Neelin, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+three-dimensional+statistical+analysis+for+CBF+activation+studies+in+human+brain%5BTitle%5D)+AND+%22J.+Cereb.+Blood+Flow+Metab%22%5BJournal%5D)">A three-dimensional statistical analysis for CBF activation studies in human brain.</a> J. Cereb. Blood Flow Metab. 12, 900-918 (1992).</li>
<li>Spencer, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+networks+in+human+epilepsy%3A+evidence+of+and+implications+for+treatment%5BTitle%5D)+AND+%22Epilepsia%22%5BJournal%5D)">Neural networks in human epilepsy: evidence of and implications for treatment.</a> Epilepsia. 43, 219-227 (2002).</li>
<li>Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Default-mode+network+activity+distinguishes+Alzheimer%27s+disease+from+healthy+aging%3A+evidence+from+functional+MRI%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI.</a> Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).</li>
<li>Kennedy, D. P., Redcay, E., Courchesne, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Failing+to+deactivate%3A+resting+functional+abnormalities+in+autism%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Failing to deactivate: resting functional abnormalities in autism.</a> Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).</li>
<li>Garrity, A. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Aberrant+%26%2334%3Bdefault+mode%26%2334%3B+functional+connectivity+in+schizophrenia%5BTitle%5D)+AND+%22Am.+J.+Psychiatry%22%5BJournal%5D)">Aberrant &#34;default mode&#34; functional connectivity in schizophrenia.</a> Am. J. Psychiatry. 164, 450-457 (2007).</li>
<li>Mannell, M. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting+state+and+task-induced+deactivation%3A+A+methodological+comparison+in+patients+with+schizophrenia+and+healthy+controls%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls.</a> Hum. Brain Mapp. 31, 424-437 (2010).</li>
<li>Jones, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-related+changes+in+the+default+mode+network+are+more+advanced+in+Alzheimer+disease%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Age-related changes in the default mode network are more advanced in Alzheimer disease.</a> Neurology. 77, 1524-1531 (2011).</li>
<li>Kobayashi, Y., Amaral, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Macaque+monkey+retrosplenial+cortex+II.+Cortical+afferents%5BTitle%5D)+AND+%22J.+Comp.+Neurol%22%5BJournal%5D)">Macaque monkey retrosplenial cortex II. Cortical afferents.</a> J. Comp. Neurol. 466, 48-79 (2003).</li>
<li>Dupont, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Eur.+J.+Nuclear+Med.+Mol.+Imaging%22%5BJournal%5D)">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).</li>
<li>Laufs, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+lobe+interictal+epileptic+discharges+affect+cerebral+activity+in+%E2%80%9Cdefault+mode%E2%80%9D+brain+regions%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Temporal lobe interictal epileptic discharges affect cerebral activity in “default mode” brain regions.</a> Hum. Brain Mapp. 28, 1023-1032 (2007).</li>
<li>Morgan, V. L., Gore, J. C., Abou-Khalil, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+epileptic+network+in+left+mesial+temporal+lobe+epilepsy+detected+using+resting+fMRI%5BTitle%5D)+AND+%22Epilepsy+Res%22%5BJournal%5D)">Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI.</a> Epilepsy Res. 88, 168-178 (2010).</li>
<li>Gotman, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generalized+epileptic+discharges+show+thalamocortical+activation+and+suspension+of+the+default+state+of+the+brain%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain.</a> Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).</li>
<li>Hamandi, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-fMRI+of+idiopathic+and+secondarily+generalized+epilepsies%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">EEG-fMRI of idiopathic and secondarily generalized epilepsies.</a> Neuroimage. 31, 1700-1710 (2006).</li>
<li>Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Patterns+of+altered+functional+connectivity+in+mesial+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Epilepsia%22%5BJournal%5D)">Patterns of altered functional connectivity in mesial temporal lobe epilepsy.</a> Epilepsia. 53, 1013-1023 (2012).</li>
<li>Liao, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Default+mode+network+abnormalities+in+mesial+temporal+lobe+epilepsy%3A+a+study+combining+fMRI+and+DTI%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI.</a> Hum. Brain Mapp. 32, 883-895 (2011).</li>
<li>Pereira, F. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Asymmetrical+hippocampal+connectivity+in+mesial+temporal+lobe+epilepsy%3A+evidence+from+resting+state+fMRI%5BTitle%5D)+AND+%22BMC+Neurosci%22%5BJournal%5D)">Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI.</a> BMC Neurosci. 11, 1-13 (2010).</li>
<li>Dupont, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bilateral+hemispheric+alteration+of+memory+processes+in+right+medial+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22J.+Neurol.+Neurosurg.+Psychiatr%22%5BJournal%5D)">Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy.</a> J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).</li>
<li>Vlooswijk, M. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+MRI+in+chronic+epilepsy%3A+associations+with+cognitive+impairment%5BTitle%5D)+AND+%22Lancet+Neurol%22%5BJournal%5D)">Functional MRI in chronic epilepsy: associations with cognitive impairment.</a> Lancet Neurol. 9, 1018-1027 (2010).</li>
<li>McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Default+mode+network+connectivity+indicates+episodic+memory+capacity+in+mesial+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Epilepsia%22%5BJournal%5D)">Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy.</a> Epilepsia. 54, (2013).</li>
<li>Zhang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+spontaneous+neuronal+activity+of+the+default-mode+network+in+mesial+temporal+lobe+epilepsy%5BTitle%5D)+AND+%22Brain+Res%22%5BJournal%5D)">Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy.</a> Brain Res. 1323, 152-160 (2010).</li>
<li>Horovitz, S. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoupling+of+the+brain%27s+default+mode+network+during+deep+sleep%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.S.A%22%5BJournal%5D)">Decoupling of the brain's default mode network during deep sleep.</a> Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).</li>
<li>Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+local+coherence+in+the+default+mode+network+due+to+sevoflurane+anesthesia%5BTitle%5D)+AND+%22Brain+Res%22%5BJournal%5D)">Altered local coherence in the default mode network due to sevoflurane anesthesia.</a> Brain Res. 1318, 110-121 (2010).</li>
</ol>

Dr. Engel è finanziato dal NIH Grants P01 NS02808, R01 NS33310 e U01 NS42372, ha brevetti WO 2009/123734A1, e WO 2009/123735A1, riceve canoni da MedLink, Wolters Kluwer, Blackwell, e Elsevier, e ha ricevuto onorari da Medtronics , Wolters Kluwer, e Best Doctors. Il dottor Stern ha servito come consulente pagato per UCB e Lundbeck. Il dottor Stern è un editor di MedLink Neurologia, e ha ricevuto canoni da Wolters Kluwer e da McGraw-Hill. Gli altri autori non hanno divulgazione o conflitti di interesse da dichiarare.

L&#39;epilessia è pensato per essere una malattia di rete, e le anomalie delle reti coinvolte sono presenti durante la crisi e nello stato interictale 21. Basata su attività fMRI è stato utilizzato per analizzare le anomalie del linguaggio e reti di memoria in TLE 8. FcMRI ha vantaggi inerenti studiare il DMN 12 in quanto è una rete attiva principalmente nello stato di riposo. Il DMN è una rete di regioni del cervello che è stato trovato per essere attivo in individui svegli che vengono ...

Functional MRI Connettività (fcMRI) è un approccio analitico relativamente recente ai dati fMRI che quantifica il rapporto tra le diverse regioni del cervello basato sulla somiglianza del loro livello di ossigenazione del sangue dipendente (BOLD) serie storica segnale - questo è chiamato connettività &quot;funzionale&quot;, ed è distinguibile da connettività anatomica che descrive l&#39;esistenza di collegamenti fisici tra regioni (ad esempio fibre di materia bianca). In una particolare applicazione di questo approccio, la serie temporale sono raccolti quando il partecipante non è impegnato in un compito o è nel cosiddetto &quot;stato di riposo&quot;. Sebbene descritto per primo nel 1995 1, c&#39;è stato interesse immenso in fcMRI conseguente circa 1.000 pubblicazioni relative alla tecnica nel 2012. FcMRI ha vantaggi intrinseci rispetto basate su operazioni fMRI in (1) che non vi è alcun compito specifico da eseguire, ( 2) La cooperazione soggetto ènon necessario, (3) gruppi di dati possono essere utilizzati per eseguire query diverse reti diverse, meglio (4) rapporto segnale rumore è presente probabilmente dovuto a differenze nelle energetica cerebrali coinvolte, e (5) l&#39;elusione dei confonde relativi alle attività 2. Come prova del suo concetto, modifiche fcMRI hanno dimostrato di corrispondere alle variazioni EEG 3 e potenziali di campo locali 4 nel cervello. Tecniche di analisi fcMRI includono tecniche di ROI / a base di semi-, analisi delle componenti indipendenti (ICA), analisi di teoria dei grafi, nesso di causalità di Granger, i metodi locali (ampiezza delle oscillazioni a bassa frequenza, l&#39;analisi di omogeneità regionale), e altri cinque. Nessuna singola tecnica ha ancora dimostrato la netta superiorità rispetto ad un altro, anche se i metodi più diffusi sono metodi ICA 6 di semi-based e. Seed-based fcMRI correla fluttuazioni temporali segnale BOLD da una parte preselezionata della rete putativo in esame definito il &quot;seme1; o &quot;regione di interesse (ROI)&quot; a tutte le altre parti del cervello. Le aree del cervello che mostra BOLD correlatore segnale alla zona sementi sono pensati per delimitare parti della rete coinvolti. Al contrario, ICA utilizza un&#39;analisi basata sui dati model-free per estrarre aree cerebrali spazio-temporalmente correlate (componenti indipendenti, CI), analizzando le caratteristiche del segnale emodinamiche del tutto il cervello 5. Nel manoscritto attuale, una descrizione dei metodi utilizzati in uno studio pubblicato in precedenza di riposo Stato basato seme-analisi della connettività del DMN in TLE è presentato 7. TLE è la forma più comune di epilessia adulta. In aggiunta alle crisi epilettiche, TLE provoca disfunzioni delle reti multiple cerebrali, tra cui memoria, il comportamento, il pensiero e la funzione sensoriale 8. Il DMN è costituito da regioni cerebrali che sottendono cosciente, cognizione di riposo-stato. Il DMN è stato segnalato per essere coinvolti in crisi associate consc ridottaiousness 9,10. Inoltre, l&#39;ippocampo è la struttura chiave coinvolti nella TLE ed è stato pensato per essere componente del DMN. Tuttavia, la connettività del PCC alla formazione dell&#39;ippocampo è più debole di altri organi di DMN, quali mediale prefrontale e parietale inferiore. Ciò suggerisce che l&#39;ippocampo è o una sottorete del DMN o una rete 11,12 interagenti. Questi comune tra TLE e DMN sollevano la possibilità che DMN connettività funzionale è alterata in TLE. Questa analisi mette a confronto il DMN di soggetti con TLE ai controlli sani al fine di conoscere il coinvolgimento di DMN in TLE. La connettività di semi posto nei principali hub del DMN - le regioni del mozzo anteriore e posteriore sono stati analizzati 12. I semi sono stati inseriti nel mozzo posteriore costituito dalla retrosplenium / precuneus (DSR / PCUN) così come il mozzo anteriore costituito da corteccia prefrontale ventromediale (vmPFC) in pazienti con TLE e incontrolli sani di individuare le anteriori e posteriori sottoreti del DMN.

<table><tbody><tr>Macchina <td></td><td></td><td></td><td>per risonanza magnetica</td></tr><tr><td>Linux workstation con software di analisi delle immagini installato</td><td></td><td></td><td></td></tr></tbody></table>

network analysis della modalità predefinita rete tramite connettività funzionale mri in epilessia del lobo temporale

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Connettività funzionale MRI (fcMRI) è un metodo fMRI che esamina la connettività di diverse aree cerebrali basate sulla correlazione delle fluttuazioni del segnale BOLD nel tempo. Epilessia del lobo temporale (TLE) è il tipo più comune di epilessia adulta e coinvolge molteplici reti del cervello. La modalità di rete predefinita (DMN) è coinvolto in cosciente, riposo cognizione stato ed è pensato per essere coinvolti in TLE dove convulsioni provocano perdita di coscienza. Il DMN in epilessia è stato esaminato utilizzando sementi a base di fcMRI. I mozzi anteriore e posteriore del DMN stati usati come semi in questa analisi. I risultati mostrano una disconnessione tra anteriore e mozzi posteriori del DMN in TLE durante lo stato basale. Inoltre, una maggiore connettività DMN ad altre regioni del cervello a sinistra TLE con ridotta connettività in diritto TLE è rivelato. L&#39;analisi dimostra come fcMRI a base di semi-possono essere utilizzati per sondare le reti cerebrali in disturbi cerebrali come TLE.

La figura 1 mostra il DMN rivelato con connettività da un seme posteriore (Rsp / PCUN, colori rosso-giallo) e un seme anteriore (vmPFC, colori blu-verde) e confronta le reti trovate nei diversi gruppi di soggetti (Figure 1A-C) e tra l&#39;altro, cioè controlli sani rispetto a tutti i pazienti con TLE (Figure 1D e 1E), quindi controlli sani comparati separatamente a sinistra TLE (figure 1F ed 1G) e destra TLE (Fi...

La rete di default Mode (DMN) in epilessia del lobo temporale (TLE) viene analizzata nello stato di riposo del cervello utilizzando la connettività funzionale a base di semi-MRI (fcMRI).

Network Analysis della modalità predefinita rete tramite connettività funzionale MRI in epilessia del lobo temporale

Functional connectivity MRI (fcMRI) is an fMRI method that examines the connectivity of different brain areas based on the correlation of BOLD signal ...

L'obiettivo generale del seguente esperimento è ottenere mappe statistiche. Confrontando la differenza tra scansioni fMRI dello stato di riposo tra soggetti sani e pazienti con epilessia. Questo viene raggiunto acquisendo dati fMRI da soggetti con epilessia del lobo temporale, nonché da soggetti di controllo sani.Come secondo passaggio, la FMRI viene pre-elaborata, un processo che prepara i dati per l'analisi statistica. Successivamente, i dati FMRI pre-elaborati vengono analizzati al fine di ottenere confronti statisticamente validi tra i due gruppi. I risultati ottenuti mostrano differenze nelle reti cerebrali tra pazienti con epilessia e le reti cerebrali di soggetti sani di controllo.In base alle differenze statistiche nelle mappe delle reti cerebrali tra questi due gruppi, è diventato sempre più evidente che anche le epilessie manifestate da crisi focali siano proprietà emergenti di disturbi diffusi a livello della rete. L'idea di questa tecnica è emersa dopo aver riconosciuto l'importanza della rete DEF Favo durante le crisi e aver ipotizzato se la rete LO predefinita fosse anomala tra una crisi e l'altra nell'epilessia del lobo temporale. La popolazione oggetto dello studio per questo protocollo dovrebbe includere tre gruppi, giusto?Pazienti con epilessia del lobo temporale, pazienti con epilessia del lobo temporale sinistro, nonché controlli sani. Si raccomanda un totale di circa 35 soggetti. I gruppi di soggetti con epilessia devono includere pazienti ai quali è stata diagnosticata l'epilessia del lobo temporale, ad esempio candidati a una resezione anteriore del lobo temporale, come determinato mediante video, monitoraggio EEG, imaging PET e test neuropsicologici; si deve inoltre assicurare che tutti i soggetti abbiano risonanze magnetiche cerebrali normali ed essere privi di malattie neurologiche diverse dall'epilessia nei gruppi di pazienti.Ottenere l'approvazione del comitato etico e il consenso informato scritto da tutti i soggetti prima dell'imaging e verificare la compatibilità con la risonanza magnetica. I pazienti dovrebbero continuare a prendere i farmaci di uso abituale durante la scansione con fMRI e non dovrebbero essere sottoposti a scansione immediatamente dopo un attacco epilettico. Per tutte le immagini descritte in questo protocollo, si dovrebbe utilizzare un sistema di risonanza magnetica da tre Tesla.Acquisire sezioni assiali per le immagini funzionali utilizzando una sequenza di imaging eco-planare e per le immagini anatomiche utilizzare una sequenza gradient recalled con saturazione. Chiedere ai partecipanti di rilassarsi e di rimanere immobili a occhi chiusi ed eseguire l'imaging funzionale utilizzando i parametri mostrati qui. Utilizzare inoltre i seguenti parametri per l'immaging strutturale T1 pesato ad alta risoluzione S PGR.Ogni sessione di imaging dovrebbe durare circa 20 minuti. Iniziare pre-elaborando i dati FMRI utilizzando il software FSL First. Utilizzare FSL MFL per rimuovere l'artefatto dovuto al movimento della testa.Quindi utilizzare lo strumento di estrazione del cervello FSL o BET per rimuovere i tessuti non cerebrali con l'opzione -F per file bold. Questo consente ulteriori passaggi di analisi esclusivamente sul tessuto cerebrale. Successivamente, in FEAT, eseguire un'analisi con elaborazione minima mediante registrazione.Selezionare l'analisi di primo livello e modificare l'analisi completa in pre-statistica utilizzando i due pulsanti in alto. Quindi, nella scheda pre-statistica, deselezionare l'estrazione del cervello con bet e selezionare nessuna correzione del movimento, poiché queste operazioni sono già state eseguite. Successivamente, registrare le immagini funzionali con le immagini anatomiche e quindi con un'immagine standard MNI.Questo porta alla generazione di matrici di trasformazione, che vengono utilizzate successivamente durante l'analisi per deformare il seed selezionato nello spazio standard nello spazio cerebrale del soggetto. Successivamente, utilizzare la matrice di trasformazione generata denominata standard to example funk dot mat ed effettuare la trasformazione delle ROI del LCS e della sostanza bianca nello spazio BOLD individuale. Quindi, mediante il comando FSL mean TS, estrarre le serie temporali dalle ROI del LCS e della sostanza bianca.Utilizzando la ROI nello spazio individuale del soggetto come maschera, normalizzare le serie temporali estratte utilizzando il software R. Queste serie temporali verranno successivamente utilizzate come regressori nel modello lineare generale per rimuovere i segnali artifatti corrispondenti dall'analisi. Il passo successivo consiste nella rimozione degli artefatti legati al movimento del soggetto. Per la regressione dei parametri di movimento.Impostare quanto segue in FSL prima di eseguirlo per la prima volta nella scheda dei dati: utilizzare come input i file corretti per il movimento ed estratti per il cervello e impostare il valore di TR in base al proprio set di dati. Impostare il filtro passa-alto utilizzando un filtro di 102° ordine, che rimuoverà i segnali a bassissima frequenza non rilevanti. Un filtro passa-basso per rimuovere i segnali ad alta frequenza verrà applicato successivamente nella scheda prestat.Scegliere nessuna sotto correzione del movimento e deselezionare, ma mantenere l'estrazione del cervello. Poiché questi passaggi sono già stati eseguiti, effettuare la filtratura spaziale utilizzando una larghezza massima a metà altezza di cinque millimetri. Quindi, all'interno della scheda stats, eseguire la regressione dei sei parametri di movimento e delle loro derivate temporali.Selezionare "nessuno" per la convoluzione e spuntare "applica filtro temporale". Utilizzare l'output di F selmic flirt per ottenere file di testo dei parametri di movimento, che potranno poi essere inseriti nell'analisi feet per regressione in un modello lineare generale. Inoltre, aggiungere i segnali del liquor (CSF) e della sostanza bianca estratti e normalizzati nei passaggi precedenti al GLM.Selezionare "nessuno" per la convoluzione. Aggiungere la derivata temporale e deselezionare l'applicazione del filtraggio temporale. I residui del pre-elaborazione descritto in precedenza devono essere utilizzati per la correlazione basata su seed.Questi residui devono essere prima filtrati con un filtro low-pass di 0,1 hertz, quindi centrati sottraendo la media, dividendo per la deviazione standard e poi scalati aggiungendo 100. Il seed deve essere definito con un diametro di sei millimetri nello spazio MNI standard. Utilizzando il software MRIcron, i seed posteriore e anteriore devono corrispondere alle coordinate qui mostrate.Si noti che queste posizioni di seed sono state definite all'interno di soggetti controllo sani. I seed devono successivamente essere trasformati nello spazio cerebrale funzionale individuale di ogni soggetto, a partire dallo spazio standard MNI. A tale scopo, utilizzare la matrice di trasformazione precedentemente generata per convertire il seed dallo spazio standard MNI allo spazio funzionale individuale.Successivamente, utilizzare il comando FSL mean Ts per estrarre la serie temporale dal residuo precedentemente centrato e scalato, usando il seed nello spazio del singolo soggetto come maschera. Normalizzare la serie temporale estratta utilizzando il software R; le correlazioni parziali tra i voxel del seed e tutti i voxel cerebrali devono essere calcolate separatamente per ciascun soggetto e per ciascuna sessione.A questo scopo, all'interno dell'interfaccia FSL feet, selezionare prima l'analisi di primo livello e poi stats plus post stats all'interno della scheda dati. Utilizzare come input il residuo già centrato e normalizzato. Impostare la soglia del filtro passa-alto a 10.000 poiché il residuo è già stato filtrato con un passa-alto di 100 secondi all'interno della scheda stats.Deselezionare l'opzione di pre-sbiancamento del filmato e utilizzare le serie temporali dei semi precedentemente estratte e normalizzate. Nel modello lineare generale (GLM) all'interno della scheda post stats, impostare la soglia statistica Z desiderata a un valore di 2,0 prima di eseguire l'analisi di gruppo. Combinando le esecuzioni all'interno dei soggetti, si dovrebbe effettuare una trasformazione Z di Fisher sul contrasto delle stime dei parametri.File generato dall'analisi di correlazione; copiare i dati di registrazione dalla directory reg dell'analisi dei piedi nell'esecuzione della correlazione. Eseguire un'analisi di livello superiore combinando le esecuzioni all'interno di ogni soggetto. Per prima cosa, selezionare l'analisi di livello superiore, quindi statistica più post-statistica.Quindi, all'interno della scheda dati, selezionare le directory di livello inferiore come input e inserire le sessioni del soggetto all'interno della scheda delle statistiche. Scegliere effetti misti. Impostare un modello OLS semplice come effetto medio e inserire un valore di uno per ciascuna delle sessioni dei soggetti.Per combinare i dati di overrun tra soggetti, si dovrebbe utilizzare un'analisi semplice a effetti misti con metodo dei minimi quadrati ordinari; a tale scopo, selezionare l'analisi a livello superiore e stats plus post stats all'interno della scheda dati. Nella scheda stats, selezionare come input le directory dei piedi a livello inferiore e inserire le prove combinate dei soggetti, quindi scegliere effetti misti. Nel modello OLS semplice, impostare il modello come tre gruppi e inserire il valore uno per il gruppo.Ogni soggetto appartiene allo zero. In caso contrario, l'analisi di gruppo deve essere eseguita su ogni voxel utilizzando un'analisi della varianza unidirezionale con tre livelli, corrispondenti ai tre gruppi, per la soglia. Le immagini delle statistiche Z utilizzano una soglia di formazione dei cluster di Z maggiore di 2,0 e una soglia di significatività del cluster corretta di P uguale a 0,05 per ottenere i valori Z corretti sulla mappa di correlazione.Deve essere eseguita una trasformazione inversa di Fisher Z sui risultati. Infine, utilizzare i seguenti contrasti specifici come mostrato sullo schermo qui. Questa figura mostra la rete della modalità predefinita rivelata dalla connettività di un punto di partenza posteriore, inclusi il retro splenio e il precuneo in colori rosso-giallo, e di un punto di partenza anteriore, inclusa la corteccia prefrontale mediale ventrale in colori blu-verde.La prima riga mostra la rete per i soggetti di controllo, la seconda riga per l'epilessia del lobo temporale sinistro e l'ultima riga per l'epilessia del lobo temporale destro. Le figure seguenti confrontano queste reti tra i tre gruppi. Qui osserviamo le reti della modalità predefinita rivelate mediante un seed anteriore e uno posteriore per l'epilessia del lobo temporale destro e sinistro combinata, rispetto ai controlli sani.Questa figura mostra le reti della modalità predefinita rivelate con gli stessi punti seme per l'epilessia del solo lobo temporale sinistro rispetto ai controlli sani. Mentre questa figura mostra le reti rivelate per l'epilessia del solo lobo temporale destro rispetto ai controlli sani, e infine qui osserviamo le reti della modalità predefinita rivelate con un seme anteriore e uno posteriore per l'epilessia del lobo temporale sinistro rispetto all'epilessia del lobo temporale destro. Gli studi sulla connettività funzionale che includono l'intero cervello sono essenziali per comprendere i meccanismi fondamentali dell'epilessia.Abbiamo utilizzato una tecnica basata su seed in questo esperimento per valutare la connettività con la rete della modalità predefinita. Sarà interessante osservare come altri metodi si confrontano nei risultati nello studio dell'epilessia del lobo temporale.

network-analysis-default-mode-network-using-functional-connectivity

Research

Ricerca

JoVE Journal

Medicine

Medicina

Noi usiamo magnetoencefalografia (MEG) e elettroencefalografia (EEG) per mappare aree del cervello coinvolte nella elaborazione di semplici stimoli sensoriali.

Mappatura funzionale con EEG e MEG simultaneo

In questo articolo prendiamo in esame la metodologia e le considerazioni rilevanti per la combinazione di TMS e fMRI per esaminare gli effetti della stimolazione cerebrale sulla rete di default.

La combinazione di stimolazione magnetica transcranica e fMRI per esaminare il modo predefinito della rete

Descriviamo un nuovo approccio per l'analisi simultanea delle funzioni cerebrali e della struttura utilizzando la risonanza magnetica (MRI). Valutiamo la struttura del cervello ad alta risoluzione diffusion-weighted imaging e sostanza bianca trattografia fibra. A differenza di standard di risonanza magnetica strutturale, queste tecniche ci permettono di collegare direttamente la connettività anatomica di proprietà funzionali delle reti cerebrali.

Co-analisi della struttura e delle funzioni cerebrali con fMRI e Diffusion-weighted imaging

Fonte: Shafi, M. M., et al. Un metodo basato sull'imaging multimodale e sulla stimolazione per valutare l'eccitabilità cerebrale correlata alla connettività nei pazienti con epilessia. J. Vis. Exp. (2016)Il video mostra la procedura per l'utilizzo della stimolazione magnetica transcranica (TMS) e dell'elettroencefalografia (EEG) per valutare l'eccitabilità neuronale nei pazienti con epilessia. Descrive in dettaglio i passaggi per allineare la testa del paziente con una scansione cerebrale...

Valutazione dell'ipereccitabilità cerebrale con la stimolazione magnetica transcranica e l'elettroencefalografia

Questo protocollo descrive le tecniche complementari di neuroimaging della connettività strutturale dello stato di riposo, della disattivazione indotta dal compito e delle analisi della connettività strutturale per esaminare la rete predefinita nel disturbo da stress post-traumatico. L'uso di metodi sinergici potrebbe potenzialmente portare a un miglioramento della diagnostica e delle valutazioni della gravità, dell'esito e di altri fattori clinici rilevanti.

Lo sviluppo di Neuroimaging fenotipi della modalità di rete predefinita in PTSD: Integrazione stato di riposo, Working Memory, e connettività strutturale

La risonanza magnetica di connettività funzionale in stato di riposo ha identificato anomalie in pazienti con un'ampia gamma di disturbi neuropsichiatrici, inclusa l'epilessia dovuta a malformazioni dello sviluppo corticale. La stimolazione magnetica transcranica in combinazione con l'EEG può dimostrare che i pazienti con epilessia hanno ipereccitabilità corticale nelle regioni con connettività anormale.

Un multimodale Imaging- e stimolazione a base di metodo di valutazione relativi alla connettività del cervello eccitabilità pazienti con epilessia

Questo protocollo descrive una procedura per tracciare l'evoluzione delle misure della rete mesiale nei pazienti con epilessia del lobo temporale (TLE). Si basa sulla combinazione di registrazioni intracraniche con una nuova tecnica numerica per l'analisi dei dati. In particolare, presentiamo un protocollo per l'analisi di rete delle registrazioni del forame ovale.

Network Analysis di forame ovale elettrodi Recordings in farmaco-resistenti epilessia del lobo temporale pazienti

Un EEG-fMRI multimodal imaging metodo, conosciuto come la fonte del EEG di fMRI-vincolata spatiotemporal, metodo, di formazione immagine è descritta qui. Il metodo presentato impiega in modo condizionale-attivo fMRI sottomappe, o priori, per guidare la localizzazione delle sorgenti EEG in un modo che migliora la specificità spaziali e limita risultati errati.

Simultanee EEG e risonanza magnetica funzionale registrazione e analisi di integrazione per l'attività corticale dinamica Imaging

Le tecniche di analisi EEG standard offrono una visione limitata della funzione del sistema nervoso. La derivazione di modelli statistici di connettività corticale offre una capacità molto maggiore di studiare le dinamiche di rete sottostanti. Una migliore valutazione funzionale apre nuove possibilità per la diagnosi, la prognostizione e la previsione dell'esito nelle malattie del sistema nervoso.

Modellazione statistica della connettività corticale mediante elettroencefalogrammi non invasivi

Questo articolo descrive in dettaglio le procedure di registrazione simultanea dell'elettroencefalogramma e della risonanza magnetica funzionale (EEG-fMRI) che possono essere utilizzate sia in ambito clinico che di ricerca. Sono incluse anche le procedure di elaborazione EEG per rimuovere gli artefatti di imaging per la revisione clinica. Questo studio si concentra sull'esempio dell'epilessia durante il periodo interictale.

Configurazione delle apparecchiature e rimozione degli artefatti per elettroencefalogramma simultaneo e risonanza magnetica funzionale per la revisione clinica nell'epilessia

Un nuovo protocollo per la stimolazione magnetica transcranica personalizzata in combinazione con la mappatura elettroencefalografica (TMS-EEG) delle reti corticali, informata da modalità di dati di risonanza magnetica multipla (MRI).

TMS-EEG guidato da neuroimaging per la mappatura della rete corticale in tempo reale

Scopri l'analisi della rete di modalità predefinita tramite fcMRI nell'epilessia del lobo temporale. Questo metodo confronta la connettività cerebrale tra pazienti e controlli sani.

Network Analysis della modalità predefinita rete tramite connettività funzionale MRI in epilessia del lobo temporale

Esplora altri video