管理のリアルタイム fMRI ニューロフィード バック トレーニングのプロトコル

神経系の疾患は、影響を受ける個人、家族・社会に大きな阻害要因を提示します。神経系の疾患のための治療は非存在または疑わしい有効性の頻繁にだけ障害の症状をターゲットできます。米国食品医薬品局 (FDA) によって承認された治療法がない耳鳴り – 音の幻の知覚-のためのケースです。耳鳴りは、濃度を減少または実際の音の知覚を変えることによって、日常的なタスクに干渉すること、人の生活に大きな影響を持つことができます。さらに、疲労、ストレス、睡眠の問題、メモリの問題、うつ病、不安、過敏性¹耳鳴りによって影響を受ける個人も発生ことがあります。唯一存在する抗うつ薬や抗不安薬などの治療法の関連する症状の管理に役立つし、根本的な原因を扱うことができません。これは、これらの疾患の革新的な処置のための重要なギャップを作成します。

集録テクニック、計算能力、およびアルゴリズムの改善は機能磁気共鳴イメージ投射 (fMRI) データの測定、処理を速度の革命をもたらしました。これが、収集したデータを処理できる、リアルタイム fMRI の出現を有効にします。リアルタイム fMRI の早期応用であった限られた²、主に急速に動き補正などオフライン解析が典型的な処理前の手順を完了する無力によって抑制されました。コンピューティング技術およびアルゴリズムの改善は、速度、感度、およびリアルタイム fMRI³リアルタイムに適用される同様のオフライン事前処理できる汎用性を増加している今。これらの開発は、リアルタイム fMRI の 4 つの主要なアプリケーション ドメインにつながっている: 術中手術指導⁴脳-コンピューターのインターフェイス^5,6、現在脳状態⁷の順応とニューロフィード バック トレーニング⁸。

NFT がリアルタイム fMRI の元のフォーカスではない個人が脳活動の精神戦略 (すなわち想像タスク) の実施を決意を調節する学ぶ研究の成長分野です。NFT は、オペラント条件づけの⁹、神経細胞の発火率とサル¹⁰ニューロン活動を高めるために示されている形式です。また、fMRI NFT に関連付けられているスパイク タイミング依存可塑性、連合学習¹¹中に発生する神経回路の変更であります。さらに意味は、NFT が可塑性による長期増強 (LTP)、結果を誘導する fMRI 強化シナプス効率¹²をお勧めします。もう一つの仮定は、スキル学習など、脳の活動を意欲的に制御の分子機構を意味し、電位依存性膜コンダクタンス -¹³神経の興奮性の変化として表現の変化を伴うことがあります。いずれにせよ、fMRI NFT 神経レベルで脳に影響を与えるようであります。これらの理論は、fMRI NFT 神経学的疾患の治療での使用のための強力なケースを提供します。

FMRI NFT、伝統的な fMRI とは異なり動作^11,14と脳の活動の関係を調査する機会を提供しています。最近、ずっとあるスパイク 2011-2012 に掲載を含む fMRI NFT 二度ほぼ多くの記事で (n = 30) 以前の 10 年と比べて (n = 16)¹¹。最初の fMRI NFT 研究の一つは、ウェイスコフと 2003年⁸同僚によって行なわれました。本研究は、オンラインのフィードバックの可能性と fMRI の信号で、前部帯状皮質 (ACC) 1 つの参加者を使用して自己制御を実証しました。約 2 秒間、大きさの順よりも多くの遅延フィードバックを表示するいくつかの以前の研究より高速に。2004 参加者 6 名が somatomotor 野¹⁵の活動を制御することを学んだの最初の完全な調査を行った。FMRI NFT は、同じ日に 3 つのセッションで完了しました。増加活動空間選択的 somatomotor 野の対象地域には、一つの主題およびグループ レベルのトレーニングのコースを観察しました。この効果は以前の実行で (実行されているタスクを含みません) 背景領域から実際 fMRI 情報を受信するコントロール群の観察されなかった.研究者は、人間が意志 ACC¹⁶、扁桃体¹⁷前方皮質^18,19, 聴覚など多くの脳領域から計測した fMRI の信号制御を学ぶことができますを示しているので、注意関連するネットワーク²⁰、二国間 rostrolateral 前頭前野²¹、背外側前頭前野^12,22,23, 運動野^{24, 25,26,27,28}, 一次聴覚野^29,30, 感情的なネットワーク領域^{31,32 に関連する領域}、右の劣った正面 gyrus³³、および視覚野^34,35。

多くの神経疾患の基になるメカニズムは不明です。耳鳴りの例では、ほとんどの場合^36,37,38のファントムの音の明白なソースはありません。これにもかかわらず、聴覚神経³⁹の完全切除後症状解決の欠乏によって示されているように、中央機構はいくつかの個体で耳鳴りの知覚を担当かもしれない提案する証拠。多動性の耳鳴りに関連付けられては、一次聴覚野^40,41,42で発見されています。さらに証拠は、耳鳴りの影響がさらに拡張することを示唆している感情の処理に関与し、注意の領域に⁴³の状態します。これらの異常に基づいて、誘導し、通常神経活動パターンを奨励する neuroplastic メカニズムを制御する fMRI NFT パラダイムを開発できます。

ライト州立大学制度検討委員会の定めるガイドラインに準拠している次の fMRI NFT プロトコル

1 です。 コントロール グループ

1. は慎重に考慮し、コントロール グループの 事前 決定します。評価される hypothesis(es) を許可するコントロール グループを設計し、練習や期待のフィードバックなどの要因からの影響を考慮して ⁴⁴ を表示します
。

2。ハードウェア セットアップ

1. 参加者として伝統的な fMRI のと同じ手順を使用して MRI 室に入る前にすべてのハードウェアを準備します
。
2. 氏互換表示・応答装置を刺激コンピューター (PC) に接続します
。
3. 氏と互換性のあるデバイスの応答のためのケーブルを配線し、ヘッドフォンまたは MRI の周りの穴します
。
4. 刺激 PC MRI から TR トリガー出力に接続します
   。 注: いくつかのセットアップでは、この可能性がありますに接続する刺激コンピューターに接続し、氏互換対応デバイスのハードウェア。これは同期の刺激とデータ収集のために不可欠です
。
5. 位置氏互換表示するミラーを介して参加者に表示できるようにヘッドのコイルに貼付します
。

3。参加者の位置決め

注: 典型的な脳 MRI に類似した方法で、伝統的な fMRI と同じ方法で、参加者がスキャナー テーブルに配置される

1. ダウン スキャナー テーブルに仰臥位で参加者の嘘があります。頭のコイルの中に自分の頭を維持するためにそれらを求める
。
2. は、参加者にヘッドフォンを置く ' s、頭し、耳が覆われていることを確認します。追加ヒアリング保護が必要な場合は頭を携帯電話を提案する前に耳栓を挿入します
。
3. 参加者の下にパッドを配置 ' 追加された快適さのため s 膝
。
4. ヘッドのコイルの上半身を所定の位置にロックします
。
5. ヘッドのコイルに鏡を貼る
。
6. 参加者で対応デバイスの位置 ' s 手
。
7. ランドマークの参加者の場所 ' スキャナーの相対的な s ナジオン
。
8. MRI の中心に landmarked の場所の穴に移動します
。
9. 参加者がミラーを使用して全体表示を表示することができます確認します。必要に応じて、ミラーを調整する参加者をお願いします
。

4。対象地域のローカライズ

1. 実行する " 機能 " ローカライザー。関心領域 (ROI) ¹¹ のターゲットを定義する機能のローカライザーから脳の活動を使用します
   。 注: この実行は、伝統的な fMRI と同様の方法で実行されます。ただし、ターゲット投資収益率は個々 の解剖学を使用して定義することもできるまたは機能ローカライザーを実行する必要を削除するアトラスを標準化します。
   1. 提供するスクリプトおよび/または視覚タスクの参加者に指示します
      。 メモ: 手順必要があります簡潔が機能ローカライザーの中に実行されるタスクを正常に実行する参加者を許可する十分な情報が含まれます。ここでは、指示通知画面にドットになります参加者と彼らはヘッドフォンで音を聞くことがあります。彼らの目標は、リラックスしてドットに焦点を当てるです
   。
   2. 開始は同期を押して音刺激 (例えば、 二国間の連続的なホワイト ノイズ ²⁹) とデータ収集の管理、" スキャン " MR 装置のボタン
      。 注: これは、fMRI の買収から TR トリガーを使用して刺激のプレゼンテーションをプログラミングによって実行されます。TR トリガーは、ただし、これは MRI およびインストールされているパッケージの製造元による影響は fMRI プロトコル経由で制御されます。視覚や触覚、聴覚刺激は、他のタスクを実行またはその他の地域をターゲットに指定できます。 ブロック パターンで
      1. 代替配信タスク刺激 (ホワイト ノイズ) と一致するコントロールの刺激 (ノイズがない)。コントロール刺激を使用して望ましくないネットワーク/システム タスクの刺激で活性化をアクティブにします
         。 注: この交替は、fMRI の獲得に刺激を同期して、TR のパルスを監視します
      。
      2. 収集グラデーション リコール エコー MRI パルス シーケンスを使用して全体の脳エコー平面イメージ; パルス シーケンスのパラメーター例には 41 スライスに平行に、位相と周波数方向に 64 x 64 要素の取得行列が含まれます、前交連、後交連平面 x 3 mm ³ ボクセル サイズがあり、0.5 mm スライス ギャップ、脂肪抑制 3.75 x 3.75 を有効に、TR ・ TE = 2,000/20 ms と反転の角度 = 90 °
      。
2. 多変量統計量を用いた機能ローカライザーの間に収集した fMRI データから活性化マップを計算します
   。 注: 次の手順は、伝統的な fMRI の実行処理の一種です。いくつかの手順は削除または処理時間を削減するため簡略化されました。
   1. 前処理標準的な前処理技術 ^{12 , 45} からカスタム ソフトウェアを使用してデータ集録中にデータが作成されます。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
      。
      2. トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい
      。
      3. ガウス ローパス カーネルを用いた σ 時間フィルタ リングを実行 = 3 s.
   2. タスクに神経生理学的応答を予測するモデルを作成する; これは伝統的な fMRI と同じ方法で実行されます。
      1. アクティブなを記述する心理的なモデルを作成して各時間ポイント ⁴⁶ の州の残り。これは、モデルはタイム ポイントの値を持つタスク中に ' 1 ' を制御し、' 0 ' です
      。
      2. タスクに fMRI (神経生理学) 応答を予測する定義済みの血行力学的応答関数 (HRF) ⁴⁶ 心理学モデルを色混ぜ
      。
   3. 各ボクセルで一般的な線形モデル (GLM) を用いた神経生理学的モデルを時間の関数として fMRI データに適合します。これは、結果、β パラメーター マップで、t または z に変換されます-標準的な統計的変換を使用して統計マップ (活性化マップ).
3. 平均 fMRI 画像にオーバーレイ活性化マップを使用して、後続のニューロフィード バックのフィードバック信号が派生する範囲を決定します
   。 メモ: これはカスタム ソフトウェアを使用して実行されます。グローバルと非特異的変化を削除するには、2 番目の投資収益率をまた定義されるかもしれません。
   F に表示されている解剖学的マーカーを見つけるためスライダー、マウスのホイールまたはスライス スライダー バーを使用してスライスを移動
   1. 側脳室の ¹² の正面の角の下面などの MRI データ
   。
   2. しきい値しきい値スライダー バーを使用して対象地域の機能のローカライザー時にアクティブに最もロバスト ボクセルを明らかにする活性化マップ。
      1. 、しきい値 事前 選択するか、手動で、しきい値を調整して、これを実行します
      。
   3. マウスの左ボタンを使用して選択したしきい値を超えると投資収益率に追加するターゲット領域内の活性化と個々 のボクセルを選択します
      。 注: ボクセルを 1 つまたは複数のスライスから選択できます
   。

5。 fMRI NFT

1. 行為ニューロフィード バックは、タスクと制御条件を交互に有蓋車モデルを使用して実行されます。
   1. 実装タスク条件参加者が上げる、または目的の結果を達成するために重要であるコントロールの方向と対象地域の活性を下げる
      。 注: たとえば、頭脳の多くの地域耳鳴り患者で非常に活発、したがって、減少の活動は、通常神経活動パターンを促すことがあります
   。
   2. タスク状態と参加者が彼らの心をオフにリラックスして残りの部分にアクティビティを返すコントロール状態を交互にします
   。
   3. は、所望の状態に向かって脳の活動を調整するためのエイズの開始としての両方の条件に使用するマインドフルネス タスクのスクリプト例と参加者を提供します。所望の状態に向かってドライブアクティビティ脳マインドフルネスのタスクを実行するように参加者に指示します。
      1. 耳鳴りなどの聴覚の活動を減らすために他の感覚系に聴覚システムから注意をそらすに参加者に指示します
      。
   4. ベースライン計算
      注: 参加者にフィードバックを提示する前にデータを正規化するそれぞれの実行前に MRI ハードウェア コンポーネントのチューニングのためのベースラインを使用します。NFT 実行 ^{12 , 47} 各 fMRI の先頭に取得した 1 つまたは複数のボリュームの平均を使用してターゲット地域のベースライン平均を決定します。
      1. スキャンの開始でカウント ダウン中にリラックスするように参加者に指示します
   。
2. 開始を押して刺激プレゼンテーションおよびデータ集録の同期、" スキャン " MRI スキャナーのボタン。4.1.2 の手順で機能のローカライザーの規定する同じ方法でグラデーションを思い出したエコー MRI パルス シーケンスを用いたエコー平面画像を収集します
。
3. 取得基準のボリューム。
   1. カウント ダウン タイマーと空のフィードバックの表示を視覚的に表示します
   。
   2. は、カスタム ソフトウェアを使用して集録中にデータを処理します。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
      。
      2. 質量の中心を使用して各ボリュームの並進運動の修正; トリ線形補間を使用して機能のローカライザーの最初のボリュームに各ボリュームを登録します
      。
      3. 時間と空間を超えてターゲット投資収益率から計算平均信号します
      。
      4. 各ボリュームにターゲット ROI 内すべてのボクセルからの信号を合計します
      。
      5. ROI のボクセルの数で合計を割ることによってボリュームごとに作成する投資収益率平均します
      。
      6. ベースライン ボリュームからの合計の平均です
      。
4. ニューロフィード バック ボリュームを取得
   1. カスタム ソフトウェアを使用して集録中にデータを前処理します。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
      。
      2. トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい
      。
   2. フィードバック信号を計算します。フィードバック信号は、fMRI NFT の間に取得した各ボリュームから派生されます。意志の制御を学習を支援する参加者に提示する情報です。
      1. 1 つの値を作成するターゲット ROI 内のすべての画素から fMRI の信号を平均します
      。
      2. は、現在の投資収益率の平均と投資収益率のベースライン平均の割合の変化を計算します。必要に応じて、この信号が参加者に依存係数で拡大縮小が可能 ' s パフォーマンス
      。
      3. 一時的にフィルタ リングによるフィードバック信号を計算 (3 シグマとガウスのローパス カーネルだけ過去のコンポーネントから成る s) 現在 % は前のニューロフィード バック ボリュームからフィードバック信号に変更します
      。
   3. フィードバック信号を表示します。 バーの高さはフィードバック値 ^{18 , 19 、} に比例して温度計スタイル バー プロットを介して
      1. 表示電流フィードバック信号 ^{21 , 34}.
      2. フィードバックの参加者に対する指示をオーバーレイ表示します
         。 注: 手順は単純な、リラックス、または上げたり下げたり (すなわち 温度計バー) の活動参加者を直接する必要があります
      。
   4. その他の刺激を必要に応じて提供します。フィードバックと並行してその他視覚、聴覚、あるいは触覚刺激を表示場合があります
   。

6。自己目標の投資収益率を規制する能力を評価します

注: ニューロフィード バックを完了するを定量化する必要があります自己トレーニングの実行ごとに対象地域を規制する能力

1. フィードバックの分析内部変化は信号 ¹² をです。
   1. ニューロフィード バックの残りの部分とタスク条件を表す心理的なモデルを作成します
      。 注: このモデルは神経生理学的モデルを生成するための定義済み HRF と畳み込まれます。プロセス機能のローカライザーの説明したのと同じです
   。
   2. に合わせて、GLM を用いた神経生理学的モデルにフィードバック信号の時系列。これは、結果、t または z に変換 β パラメーターで-自己調節機能の代表的な統計量
   。
2. 被験者間比較を実行します
   。 注: 自己調整機能の代表的な統計が実行され、適切な統計分析 (例えば、 ペア t - テストまたは性) を使用してグループの間で比較できます。これらのテストは自己訓練、グループ、ターゲット領域を調整する機能の変化を評価し、研究を評価する使用することができます ' s hypothesis(es).

私たちのチームは、18 人の参加者のコホートにおける fMRI NFT から学んだ左背外側前頭前野 (DLPFC) 制御の大幅な増加を示しています。科目内の一方通行 ANOVA がしめす12の定量的な値で実行されました。この分析は DLPFC が 5 倍に大幅に増加した左の制御を明らかに
ニューロフィード バックの 6 min:24 s 失点 14 d (図 1内で実施した 5 つの別々 のセッション間で分離F(4,68) = 2.216、p = 0.038、球形と仮定、片側)。NFT、前後を実行される複雑なマルチタスク テストでのパフォーマンスの変更は、2 x 2 混合モデル性を用いたニューロフィード バックを受けなかったグループと比較されました。事後、ボンフェローニ修正比較は、追加のトレーニングを受けない複雑なマルチタスク テストでのパフォーマンスの大幅な向上を明らかにした (p < 0.005, 1 尾)、この増加は対照群より有意に大きかったと同じような訓練を実行がニューロフィード バックの追加援助を提供されなかった (p < 0.03、球形と仮定、片側)12。トレーニングで左 DLPFC の制御を得て実験グループ、にもかかわらず高原は観察されなかった。これは、最大のコントロールは行動の結果を生成する必要がないと更なる効果はさらにトレーニング12ことが可能を意味します。さらに、私たちチームは、NFT がnと組み合わせた fMRI を明らかにした-バック練習が焦点変更される脳活動対象地域に限られているし、作業メモリ ネットワーク (図 2)のアップ ストリームやダウン ストリーム コンポーネントには影響しません22。

耳鳴りに関する 1 つの前の調査は可能な治療29として fMRI NFT を調査しました。本研究ではニューロフィード バックの 4 x 4 分実行は、1 つのトレーニング セッションで完了しました。耳鳴りの行動評価を 1 つ fMRI NFT セッションの前後に行った。大脳皮質聴覚野の成功意欲的ダウン規制は達成され、聴覚活性化の大幅な削減につながった。本研究は、耳鳴りの治療に fMRI NFT の約束を示します、しかし、のみ 6 人の参加者を調べた、制御グループは比較のため未使用します。さらに、行動データを含む統計解析が実行されません。この研究に拡大と、耳鳴り患者のための興味深い新しい治療機会を明らかにするかもしれない。

図 1: 左 DLPFC を制御の増加します。平均左 DLPFC を実行各ニューロフィード バック制御 (別の日に実行されます) は、光の緑の円で示されます。線形回帰分析は、トレーニング全体制御の大幅な増加を明らかにした (濃い緑線; β = ウェバー 1.078、p < 0.033 お)。誤差範囲は、シャーウッドらから 1 SEM. 未変更作業を表す12日は、クリエイティブ ・ コモンズ ライセンスの下で復刻。この図の拡大版を表示するのにはここをクリックしてください。

図 2: 学習のローカライズされた効果左 DLPFC コントロール。(A) 確率 fMRI nから選択された NFT のボクセルの-ローカライザー バック機能。光青ボクセルが NFT の対象地域に最も頻繁に含まれていた、暗い青ボクセル頻度、含まれていた明確なボクセルに含まれていなかった。(B) ボクセル ベースの分散分析は、トレーニング セッション (赤・黄色) の主な効果の結果します。この効果は、NFT 向け左 DLPFC roi 大きなオーバー ラップを示した。軸スライス座標 z で放射線のコンベンションに表示されます = 22、26、30、34、38 mm (左右から)。シャーウッドらから変更されていない作業22日は、クリエイティブ ・ コモンズ ライセンスの下で再版。この図の拡大版を表示するのにはここをクリックしてください。

著者が明らかに何もありません。