방법 논문

정신 분열증에 대한 가족 성 위험이 높은 아동의 정서적 괴짜 작업을 사용하여 이마 관자 - 변연계의 활동의 측정

DOI:

10.3791/51484

⸱

2015년 12월 2일

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry, University of North Carolina at Chapel Hill School of Medicine, 2Duke-UNC Brain Imaging and Analysis Center, Duke University Medical Center, 3Curriculum in Neurobiology, University of North Carolina at Chapel Hill

이 논문에서

요약

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

이 논문은 가족성 고위험군 조현병(FHR)에 있는 어린이와 청소년의 뇌 활성화를 측정하기 위해 정서적 괴짜 과제와 fMRI를 사용하는 방법을 설명합니다. FMRI는 정서적 괴짜 과제 동안 전두엽-선조체-변연계 영역의 차이를 측정하는 데 사용되었습니다. FHR이 있는 소아는 청소년기에 비정상적인 기능 활성화를 보였습니다.

초록

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

청소년기는 정신분열증의 초기 증상이 자주 나타나는 중요한 발달 시기입니다. 가족성 고위험군(FHR)에 있는 조현병 환자의 1급 친척도 유사한 인지적, 정서적 변화를 보일 수 있다. 그러나 이러한 증상의 출현 기저에 있는 신경학적 변화는 불분명합니다. 이 연구는 기능적 자기 공명 영상을 사용하여 FHR이 있는 아동 및 청소년의 전두엽, 선조체 및 변연계 영역의 차이를 확인하고자 했습니다. FHR에서 21명의 아동 및 청소년과 21명의 건강한 대조군 그룹은 선택적 주의와 과제와 무관한 정서적 정보의 억제에 의존하는 정서적 괴짜 과제를 완료했습니다. 표준 괴짜 과제는 감정적 처리와 집행적 처리 모두에서 잠재적인 그룹 차이를 조사하기 위해 혐오감과 중립적 방해 요소를 포함하도록 수정되었습니다. 이 과제는 어린이와 청소년이 어려움과 감정적 이미지 내용을 연령에 맞게 유지하여 완료할 수 있도록 특별히 설계되었습니다. 또한 아동 및 청소년 참가자에게 적합한 fMRI 등록 기술을 보여줍니다. 이 패러다임은 실행 및 감정 처리의 가설된 발달 변화를 통해 다른 집단의 신경 활동 변화를 측정하기 위한 향후 연구에도 적용될 수 있습니다.

서론

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

정신분열증은 알려진 유전적 요인1,2을 가진 신경 발달 장애이며, 실행 및 감정 처리3,4의 결핍을 포함한 증상이 있습니다. 1급 친척은 정신분열증 발병 위험이 높은 것으로 생각되며, 인지 영역과 사회 정서적 영역 모두에서 동일한 신경인지적 결핍을 공유하는 것으로 나타났습니다5. 따라서 우리는 집행 및 감정 처리와 관련된 영역의 뇌 활동이 임상 증상이 시작되기 전에 위험에 처한 가족 구성원에서 변경될 수 있을 것으로 예상합니다.

이전 연구에서는 정신분열증을 앓고 있는 성인과 가족성 고위험군의 성인 모두 집행 및 감정 처리 네트워크 내에서 비정상적인 활동을 보인다고 밝혔지만, 이러한 변화가 발달 과정에서 어떻게 일어나는지는 불분명하다. 이러한 변화가 생애 초기에 발생한다는 것을 입증하는 것은 장애의 병태생리학을 이해하는 데 중요한 첫 번째 단계가 될 것입니다. 따라서 본 연구는 정신분열증 발병 위험이 있는 청소년의 집행 및 감정 처리가 모두 필요한 작업을 완료하는 동안 뇌 활동을 측정하기 위해 기능적 MRI(fMRI) 스캔 중 정서적 괴짜 패러다임을 활용합니다. 괴짜 패러다임은 정신분열증6 및 가족성고위험7 개인에서 전두엽 회로의 기능을 조사하는 데 자주 사용되며, 이는 과제 관련 목표 자극에 할당된 선택적 주의 과정을 측정함으로써 이루어진다. 여기서, 표준 괴짜 과제는 정신분열증 환자의 뇌 활동의 변화를 이끌어내는 것으로 나타난 과제와 무관한 혐오적 자극과 중립적 자극을 포함하도록 수정되었다8.

이 논문은 건강한 청소년과 정신분열증에 대한 가족적 위험이 높은 청소년 사이의 기능적 차이를 정서적 괴짜 과제를 사용하여 측정합니다. 과제 설계는 피히텐홀츠(Fichtenholtz)와 그의 동료들이 사용한 것과 유사하지만9, 혐오적 감정 이미지의 선택은 9-18세 사이의 아동에게 적합하도록 수정되었다. 기능적 MRI 중 이 작업을 사용하면 청소년 발달 중 신경 활동의 연령 관련 변화 외에도 정신분열증으로 FHR을 앓고 있는 아동 및 청소년의 과잉 활성화 및 저활성화 패턴을 보여주는 특정 뇌 영역을 식별할 수 있었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

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

채플 힐 -이 연구 기간 동안 사용 된 연구 기술은 제도적 검토 보드 듀크 대학 (IRB)와 노스 캐롤라이나 대학에 의해 승인되었다.

1. 이미징 작업 디자인

  1. 더 - 자주 표준 자극 (스크램블 이미지)의 순서 내에서 드문 대상 자극 (원)을 제시 이벤트 기반 행동 작업을 생성합니다. 태스크의 개략도는도 1에 도시된다. CIGAL 소프트웨어 (10)를 이용하여 작업을 제시한다.

figure-protocol-1
작업 디자인의 그림 1. 도식은.이 그림은 허가, 하트 등. (20)에서 수정되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 등의 선택혐오 자극 등 국제 정서 그림 시스템 데이터베이스 (IAPS)에서 중립 자극의 집합. IAPS 이미지는 각성 및 가전 (11)의 수준을 반영하기 위해 1-9의 규모로 평가된다. 높은 숫자는 더 높은 긍정적 인 원자가과 각성을 나타냅니다. 뱀, 거미, 또는 다른 동물의 사진으로 연령에 적합한 연구 그룹에있는 이미지의 집합을 선택합니다.
    참고 : 본 연구에 사용 된 태스크 관련이없는 혐오 자극 이미지는 3.38 (SD = 1.78)와 6.14 (SD = 2.08)의 평균 각성 등급의 평균 원자가 평가했다. 중립 자극 이미지는 6.21 (SD = 0.26)와 3.72 (SD = 2.15)의 평균 각성 등급의 평균 원자가 있었다.
  2. 이미지는 500 밀리 1500 밀리 초 동안 의사 무작위 순서로 표시되도록 프로그램 태스크 스크립트 자극 간 간격을 의미한다. 현재 목표 자극과 태스크 관련이없는 중립적 인 이미지를 더 자주보다 매 15 초와는 자극의 각각의 약 4 %를합니다. 지혈역학 응답 함수의 더 나은 해상도를 제공하기 위하여 라 자세 히 이벤트 개시 시간.
  1. 이미지의 8 세트, 참가자 모두 8 실행의 과정을 통해 40 목표와 40 태스크 관련이없는 중립적 인 이미지의 총되게됩니다 있도록 8 기능 실행의 각 하나를 만듭니다.

2. 참가자 설정 및 스캔

  1. 정신병에 대한 가족의 위험이 높은 건강한 제어 개인 또는 중 하나 인 9 세에서 18 사이의 어린이와 청소년을 모집.
    1. 건강한 사람이 정신 질환을 앓고있는 어떤 정신 질환 또는 일급 가족이 없는지 확인하십시오. 가족 위험 참가자가 정신 분열증에 적어도 하나의 제 1도 상대 (부모 또는 형제 자매)가 있는지 확인합니다. 먼저도 친척의 다른 정신 질환의 존재를 배제하지 마십시오.
    2. 가족 위험 그룹 참가자와 나이와 성별이 일치 건강한 참가자에스.
  2. 미성년자의 경우 18 세 이상 참가자의 동의를 획득 부모 / 법적 보호자로부터 동의를 획득. 또한, 연구에 참여하고있다 미성년자의 서면 동의를 획득.
  3. 환경을 숙지하기 위해 모의 MRI 스캐너에서 참가자를 놓습니다. 스캐너 노이즈의 오디오 녹음을 재생하고 그들이 작업 지침을 이해했는지 확인하기 위해 행동 작업의 연습 실행을 완료해야합니다.
  4. MRI 스캐너의 참가자를 놓고 필요한 뇌 현지화 검사 및 / 또는 해부학 적 영상을 획득.
  5. MRI 안전 입력 상자를 사용하여 모든 대상 자극과 다른 자극에 대한 자신의 가운데 손가락에 다른 버튼에 대한 응답으로 자신의 검지 손가락으로 하나의 버튼을 눌러 참가자를 말한다.
  6. fMRI를 스캔 후, 참가자의 하위 집합에서 연구에 사용 된 이미지에 대한 각성과 원자가의 주관적 평가를 수집합니다. CURRENT 연구는 15 컨트롤과 가족 위험이 높은 13 등급을 획득했습니다.

3. 이미지 인식

  1. 3.0 테슬라 MRI 스캐너에 배치 할 참가자. TE, 5.16 밀리 초 : 2.04 밀리 초, FOV : 첫째, (TR 버릇 그라데이션 리콜 획득 펄스 시퀀스를 사용하여 해부학 T1 대비 이미지 동일 평면 3D를 포함한 구조 이미지 세트 취득 24cm를, 이미지 매트릭스 : 256 × 256, 플립 각도 : 20; 복셀의 크기 : 0.94 mm × 0.94 mm mm 1.9 × 68 축 조각).
  2. 전체 뇌 따르면 그라데이션 에코 에코 평면 촬상 시퀀스를 이용하여 기능성 촬상 데이터를 취득 (TR : 2,000 밀리; TE : 27 밀리; FOV : 24cm, 화상 매트릭스 : 64 × 64; 각도 플립 : 60; 복셀의 크기 : 3.75 mm 3.8 mm × 3.75 mm × 34 축선 슬라이스)되도록 뇌 활성 행동 태스크의 수행 동안 측정 될 수있다. 행동 작업의 각 실행이 영상 시퀀스를 실행합니다. 각각의 실행은 120 이미징 시점으로 구성해야합니다.
  3. 타 제시SK는 8 기능 실행에서, 각각 약 4 분 동안 지속.

4. 분석

  1. 이미지 전처리 : FSL 12에서 열기의 fMRI 전문가 분석 도구 (FEAT). 첫 번째 수준의 분석 및 사전 통계를 선택합니다.
    1. "데이터"탭에서, 입력 이미지의 수를 선택하고 처리하려고하는 자기 공명 영상의 각각의 경로를 입력합니다. 출력 디렉토리를 설정합니다. 전체 볼륨, 폐기 인수의 수와 TR을 입력합니다.
    2. "사전 통계"탭에서, 5 MMS에 MCFLIRT, FWHM을 부드럽게 공간에 모션 보정을 설정 와 "슬라이스 타이밍 보정". "BET 뇌 추출"와 "하이 패스"시간 필터링을 선택하지만 B0의 뒤 틀어짐 방지를 선택하지 (당신이 그라데이션 필드 맵이 uness) 또는 "나는 normaization을 ntensitiy."(12, 14).
    3. "등록"탭에서 "메인 STRU을 선택ctural 이미지 ".. 피사체의 두개골 제거 T1 강조 영상의 경로를 입력 최소 6 DOF와 선형 일반 검색을 사용하십시오. 표준 공간 확인란을 선택합니다. MNI 아틀라스 이미지의 경로를 입력합니다. 보통의 선형을 사용하여 12 DOF.를 눌러 이동하여 검색 할 수 있습니다.
    4. X, Y보다 큰 3mm 머리의 움직임, 또는 Z 방향으로 참가자를 제외합니다.
  2. 레벨 1 : 단일의 런 작업 조건 사이의 데이터를 비교. 열기 FEAT. "첫 번째 수준의 분석"과 "통계 + 후 통계"를 선택합니다.
    1. 데이터 탭에서의 입력 번호를 설정하고 MR 이미지의 각각의 경로를 입력한다. . "출력 디렉토리"에 대한 경로를 입력 "전체 볼륨", 폐기 인수의 수와 TR을 입력합니다.
    2. "통계"탭에서 "사용 필름은 사전 백색 화"체크 상자 (16)을 선택합니다. "전체 모델을 누르면 그 자체TUP "버튼을 누릅니다. 작업 조건의 수에 "원래의 전기차 번호"를 설정한다. 각 조건의 경우, 회선 "드롭 다운 메뉴 17, 18"에서 두 번 가마 HRF "기본 모양의 드롭 다운 메뉴에서"사용자 지정 (3 열 형식) "을 선택하고 작업시기를 포함하는 텍스트 파일을 선택합니다.
      1. 주어진 유형의 각 "이벤트"에 대한 하나의 항목으로 3 열에서이 텍스트 파일을 포맷합니다. 첫 번째 열은 두 번째 시간 (초) 지속 기간을 포함한다 (초) 시작 시간을 포함해야하고, 세 번째 이벤트 중량을 함유한다. 대조 및 F-테스트 탭에서 한 각 작업 조건에 대한 대비와 각각 비교를 만듭니다.
    3. "후 통계"탭을 선택하고 '형 임계 값 "드롭 다운 메뉴에서"클러스터 "및"Z 임계 값 "및 클러스터 P (T)를 설정각각 2.3과 0.05 8,19에 hreshold.
    4. "등록"탭에서. "기본 구조 이미지"를 선택 피사체의 두개골 제거 T1 강조 영상의 경로를 입력합니다. 최소 6 DOF와 선형 일반 검색을 사용합니다. "표준 공간"확인란을 선택합니다. MNI 아틀라스 이미지의 경로를 입력합니다. 12 DOF와 정상, 선형 검색을 사용합니다. 를 눌러 "이동".
  3. 2 단계 : 각 작업 조건에 대해 실행 사이의 데이터를 비교. 열기 FEAT. 드롭 다운 메뉴에서 "높은 수준의 분석"과 "통계 + 후 통계"를 선택합니다.
    1. 데이터 탭에서 "입력은 낮은 수준의 묘기 디렉토리입니다"를 선택합니다. 입력의 수를 설정하고 자기 공명 영상의 각각의 경로를 입력합니다. "출력 디렉토리"에 대한 경로를 입력합니다.
    2. "통계"탭에서 "혼합 효과 : FLAME1"변경 선택 상자하는 "E 고정하기효과 적용 ".을 눌러"모델 설정 마법사 하나의 그룹 평균 "버튼을 누릅니다. 선택" "를 클릭"프로세스 "버튼을 클릭합니다.
    3. "후 통계"탭에서 "형 임계 값"드롭 다운 메뉴에서 "클러스터"를 선택하고 각각 2.3과 0.05 8,19에 "Z 임계 값"과 "클러스터 P"임계 값을 설정합니다. 를 눌러 "이동".
  4. 레벨 3 : 모든 실행에서 각 작업 조건에 대한 주제 사이의 데이터를 비교. 열기 FEAT. 드롭 다운 메뉴에서 "높은 수준의 분석"과 "통계 + 후 통계"를 선택합니다.
    1. 데이터 탭에서 입력의 수를 설정합니다. "입력은 FEAT 디렉토리에서 이미지를 극복 차원이다"를 선택하고 자기 공명 영상의 각각의 경로를 입력합니다. "출력 디렉토리"에 대한 경로를 입력합니다.
    2. "통계"T에AB, 눌러 "전체 모델 설정". 각 EV 용 - 같은 진단 등 그룹, 나이, 성별, 각 주제에 대한 값 (입력 N 입력 1)을 입력으로 그룹 변수와 공변량의 수와 같은 전기 자동차의 수를 설정합니다. 이러한 값의 스프레드 시트를 복사하려면 "붙여 넣기"창을 사용할 수 있습니다.
      1. "대조 및 F-테스트"탭에서, 각 시험 변수에 대해 각각의 대비 (예를 들어, 진단 그룹)에 대한 대비를 추가 할 수 있습니다. 각각의 실험 변수에 대한 적절한 EV 아래 열의 값 하나를 선택하여 명암을 설정한다. 각각의 대비, 1 첫 번째 값과 -1로 두 번째를 설정합니다. "완료"를 선택합니다.
    3. "후 통계"탭을 선택하고 '형 임계 값 "드롭 다운 메뉴에서"클러스터 "를 각각 2.3과 0.05 8,19에"Z 임계 값 "과"클러스터 P "임계 값을 설정 "이동".

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

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

인구 통계 학적 특성 (20)에 따라 그룹 사이에 차이가 없었다. 행동 데이터는 표적 탐지 작업이 9-18 세 사이의 어린이와 청소년을위한 어려움이 적절한 수준에 있음을 지적했다. 현재의 연구에서 제대로 대상 (SD = 0.14)의 82.36 %를 식별하고 가족 위험군은 제대로 목표 (SD = 0.17)의 76.8 %를 식별 제어합니다. 두 그룹은 중립 사진에 비해 감정적 인 사진을 식별 할 때 정확성이 감소 하였다 (F (1,40) = 5.63, P = 0.03).

촬상 데이터는 실험 조건은 이그제큐티브 감정적 프로세싱 동안 채용 될 것으로 예상 지역의 상당한 활성화를 이끄는 것으로 나타났다. 정품 인증 대상 시험 중에 오른쪽 편도, 양측 안와 전두엽 피질, 방추형 피질과 시각 고전에서 전두엽, 전방 미상, 편협, 후방 정수리 영역에서 관찰되었다두 그룹 모두에서 혐오 시험 동안 광 케이블 (...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

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

현재 연구에서 수정된 정서적 이상한 패러다임은 정신분열증 위험이 있는 어린이와 청소년의 선택적 주의 및 감정 처리 동안 신경 동원의 차이를 이끌어내는 것으로 나타났습니다. 정서적 이상한 작업을 사용하는 기존 패러다임은 정신 질환이 있는 성인 인구의 신경 변화를 조사하는 데 사용되어 왔지만8, 현재 패러다임은 젊은 연령층의 취약성 지표 측정에 특히 유용할 수 있습니다.

어린이와 청소년을 대상으로 fMRI 연구를 수행하는 데에는 작업이 난이도와 내용 측면에서 적절한지 확인하고 모션 아티팩트를 최소화하는 것을 포함하여 몇 가지 과제가 내재되어 있습니다. 프로토콜의 중요한 단계에는 참가자가 fMRI 세션 전에 모의 스캔 및 연습 세션을 갖도록 요구하는 2.2단계가 포함됩니다. 이 단계는 참가자의 편안함과 데이터 품질을 개선하는 데 특히 유용합니다. 또한 행동 과제의 설계는 과제의 난이도가 적절하고 혐오적인 이미지 선택이 어린 연령대에 적합한지 확인하는 데 중요합니다...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

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

Perkins 박사는 현재 Janssen으로부터 보조금 지원을 받고 있으며 Dainippon의 컨설턴트입니다. 과거에 퍼킨스 박사는 일라이 릴리(Eli Lilly)와 아스트라제네카(AstraZeneca)의 연사 사무국에 있었거나 그랬습니다. Perkins 박사는 이전에 AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen 및 Pfizer로부터 보조금을 받았습니다. AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer 및 Shire의 컨설팅 및 교육 비용. 다른 모든 저자는 생물 의학 금전적 이해관계나 잠재적인 이해 상충이 없음을 선언합니다.

감사의 글

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

참가자 모집 및 임상 평가에 기여해 주신 Erin Douglas, Anna Evans, Carolyn Bellion에게 감사드립니다. 또한 데이터 수집 및 분석에 기여한 Michael Casp, Zoe Englander, Justin Woodlief, James Carter와 통계 분석 및 원고 편집에 대한 컨설팅을 해준 Robert M. Hamer에게 감사드립니다. 마지막으로, 이 연구에 참여한 개인과 그 가족에게 감사드립니다.

이 연구는 국립 정신 건강 연구소(National Institute of Mental Health)의 Conte 센터 보조금 P50 MH064065의 지원을 받았습니다. Hart 박사는 국립 아동 건강 및 인간 발달 연구소(National Institute of Child Health and Human Development)의 T32 HD040127의 지원을 받았습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
3T MRI 스캐너GEBIAC 3T 스캐너(교체)

참고문헌

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. Mental illness in the biological and adoptive families of adpoted schizophrenics. Am J Psyc. 128, 302-306 (1971).
  2. Weinberger, D. R. Implications of normal brain development for the pathogenesis of schizophrenia. Arch Gen Psychia. 44, 660-669 (1987).
  3. Nuechterlein, K. H., Dawson, M. E. Information processing and attentional functioning in the developmental course of schizophrenic disorders. Schizophr Bul. 10, 160-203 (1984).
  4. Nuechterlein, K. H. The vulnerability/stress model of schizophrenic relapse: a longitudinal study. Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.
  5. Keshavan, M. S. Premorbid cognitive deficits in young relatives of schizophrenia patients. Front Hum Neurosc. 3 (62), (2010).
  6. Kiehl, K. A., Liddle, P. F. An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia. Schizophr Re. 48, 159-171 (2001).
  7. Bramon, E. Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study. Neuroimag. 27, 960-968 (2005).
  8. Dichter, G. S., Bellion, C., Casp, M., Belger, A. Impaired modulation of attention and emotion in schizophrenia. Schizophr Bul. 36, 595-606 (2010).
  9. Fichtenholtz, H. M. Emotion-attention network interactions during a visual oddball task. Brain Res Cogn Brain Re. 20, 67-80 (2004).
  10. Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimag. 10, 91-106 (1999).
  11. International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6. , The Center for Research in Psychophysiology, University of Florida. (2005).
  12. Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimag. 23, 208-219 (2004).
  13. Smith, S. M. Fast robust automated brain extraction. Hum Brain Map. 17, 143-155 (2002).
  14. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimag. 17, 825-841 (2002).
  15. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Med Image Ana. 5, 143-156 (2001).
  16. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimag. 14, 1370-1386 (2001).
  17. Beckmann, C. F., Jenkinson, M., Smith, S. M. General multilevel linear modeling for group analysis in FMRI. Neuroimag. 20, 1052-1063 (2003).
  18. Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. Multilevel linear modelling for FMRI group analysis using Bayesian inference. Neuroimag. 21, 1732-1747 (2004).
  19. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimag. 15, 870-878 (2002).
  20. Hart, S. J. Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia. Psychiatry Re. 212, 19-27 (2013).
  21. Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. Modulating emotional responses: effects of a neocortical network on the limbic system. Neurorepor. 11, 43-48 (2000).
  22. Gottesman, I. I., Gould, T. D. The endophenotype concept in psychiatry: etymology and strategic intentions. Am J Psyc. 160, 636-645 (2003).
  23. Glahn, D. C., Thompson, P. M., Blangero, J. Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function. Hum Brain Map. 28, 488-501 (2007).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

MRIfMRI

관련 논문