Name: 치수 변경 카드 정렬 성능인지 제어 네트워크 관련의 기능 연결에서 연령 관련 차이점을 조사하는 방법 (동영상) | JoVE Journal
Uploaded: 2014-05-07T13:00:00.000+00:00
Duration: 9 min 1 s
Description: 학습하세요 ICA 기반 fMRI 분석을 활용하여 치수 변경 카드 정렬 과제에서 인지 제어 네트워크의 기능 연결성을 평가하고 성인과 아동 간 연령 관련 차이를 식별하는 방법을.

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

이 연구는 J. 브루스 모튼 국립 과학 및 공학 연구위원회 (NSERC)에서 교부금의 지원으로 가능하게되었다.

1. 사람을 대상으로 작업에 대한 승인을 받아야 2.의 fMRI 데이터 수집 <ol><li> (Raschle, 등. 12 참조) 어린이를위한 적합한 절차에 따라의 fMRI 데이터를 수집. 이러한 차이는 뇌의 활성화와 기능적인 연결의 발달 관련 차이점에 대해 추론을 그릴 수있는 자신의 능력을 제한하는 불필요한 혼동을 소개로, 작업 성능과 동작 가능한 연령에 따른 차이를 제한하기 위해 최선의 노력을합니다. 참고 : 현재 프로토콜에서 DCCS의 회 반복 시험 버전은 블록 설계 (13)의 형태로 투여 하였다. 각각의 실행은 2 개의 8 시험 스위치 블록과 스위치 블록 4 스위치 시련과 4 반복 시험으로 구성되어 2 개의 8 시험 반복 블록을 포함하고, 반복 블록은 8 반복 시험으로 구성되어 있습니다. 이 프로토콜은 이벤트 관련의 fMRI 데이터를 사용하기 위해 완벽하게 적합합니다. 그러나, 블록 디자인은 처음 acqu을 가져올 때 작업하기 좋은 위치이 구성 요소 시간 과정에서 작업 변조를 쉽게 알 수있다로, ICA와 ainted. </li><li> 표준 fMRI를 전처리 절차에 따라 전처리의 fMRI 데이터. <ol><li> 같은 방향 및 위치에 대한 모든 기능 이미지를 다시 정렬합니다. 통상적으로, 제 1 기능은 볼륨에 정렬되는 다른 모든 볼륨에 대한 참조 화상으로서 사용된다. </li><li> 정품 인증이 정확한 해부학 적 위치에 중첩되도록 T2와 T1-가중 (해부학) 이미지 Coregister, (기능) 검사 * 가중. </li><li> 템플릿 뇌 (예 Talairach 공간)의 선택과 표준화 된 크기, 공간, 위치의 모든 이미지를 표준화. 이것은 다른 과목에서 상동 지역이 비교되고 있는지 확인하는 데 도움이됩니다. 주의 : 다른 템플릿은 또한 (예를 들어, {MNI 몬트리올 신​​경학 연구소} 공간)을 사용할 수 있지만, 이미지가 현재의 프로토콜에 Talairach 공간으로 워핑된다. </li><li> DAT의 모든 기능 볼륨을 부드럽게커널을 부드럽게 6~10밀리미터와 세트. </li></ol></li><li> 디렉토리의 별도의 세트로 사전 처리 된 볼륨을 격리한다. 상위 디렉토리로 &quot;기능 검사&quot;를 사용합니다. &quot;기능 검사&quot;내에서 각 참가자에 대해 별도의 디렉토리를 포함하고, 각 실행에 대한 각 참가자의 디렉토리 내에서 별도의 디렉토리. 이제 데이터가 ICA 분석을위한 준비가되어 있습니다. </li></ol> 3. 그룹 독립적 인 구성 요소 분석 (ICA) <ol><li> 그룹 ICA 소프트웨어를 다운로드하고 설치합니다. fMRI를 포함한 신경 생리 학적 상이한 유형의 데이터에 ICA 구현이 가능하고, 툴 박스의 수가있다. 그룹 ICA를 수행하는 모든 도구 상자는 잠재적으로 적합 할 것이지만, 현재의 프로토콜에 사용되는 하나는 선물이라고합니다. 선물은 뉴 멕시코 대학에서 빈스 하운 및 동료에 의해 개발되었다. 선물 도구 상자 SPM, 잘 알려진의 fMRI 분석 패키지와 함께 작동 MATLAB 스크립트의 집합입니다. 모두 B 수전자는 인터넷에서 무료로 다운로드 (GIFT : mialab.mrn.org / 소프트웨어 / 선물 / index.html 페이지 번호, SPM : www.fil.ion.ucl.ac.uk/spm/을). 일단 다운로드, MATLAB 검색 경로에 선물 도구 상자와 모든 하위 디렉토리를 추가하고 경로 파일을 저장합니다. </li><li> 선물을 사용하여의 fMRI 데이터에 대한 그룹 ICA 컴퓨팅 RAM 메모리에 대한 상당한 요구를합니다. 메모리에 대한 정확한 요구 참가자의 수, 각 참가자로부터 수집 된 데이터의 양, 데이터의 해상도에 따라 달라질 것이다. 메모리 문제를 방지하기 위해, 서버의 ICA 분석을 실행하는 것이 가장 좋습니다. 로컬 컴퓨터 분석을 실행하는 경우에, RAM 요건은 GIFT의 일부인 스크립트 &quot;icatb_mem_ica.m&quot;의 사용을 통해 추정 될 수있다. </li><li> - 설정하거나 분석을 매개 변수화. &quot;icatb_batch_files&quot;의 선물에 저장됩니다 &quot;Input_data_subjects_1.m&quot;라는 기존의 배치 스크립트를 수정하여이 작업을 수행합니다. 참고 :이 선물의 그래픽 사용자 INTERF를 사용하여도를 수행 할 수 있습니다에이스. 그러나이 기존의 스크립트를 수정하여 분석을 설정하려면 약간의 연습으로, 훨씬 더 쉽습니다. <ol><li> 의 fMRI로 데이터 양상을 지정합니다 </li><li> ICASSO와 ICA 같은 분석의 유형을 지정합니다. 이 ICA가 ICASSO 절차를 실행 보장합니다. ICASSO는 상이한 랜덤 시드로 시작 ICA 여러 번 실행하여 분해 안정성을 추정한다. 그러므로 클러스터링 의해 각 결과의 유사도를 테스트한다. ICASSO의 사용은 ICA 분해의 품질을 검사하는 수단으로 권장되지만 크게는 분석을 완료하기 위해 선물을 소요되는 시간을 연장합니다. <ol><li> &quot;분석 유형&quot;의 ICASSO 절차를 선택 &#39;2 &#39;와 ICA를 실행 한 다음 설치 파일의 후속 라인 ICASSO 절차를 매개 변수화합니다. </li></ol></li><li> 그룹 PCA 성능 설정에서 &#39;1 &#39;을 선택하여 그룹 PCA의 성능을 극대화. &#39;2이 매개 변수를 설정하는 것이 좋습니다&#39;부족한 RAM 메모리의 문제가 발생한다. </li><li> 표준 SPM 설계 행렬의 예측을 사용하여 구성 요소를 결과의 정렬 이상 사용 가능 다양한 주제에 대해 서로 다른 행렬이 있는지 여부를 지정합니다. </li><li> 전처리 기능 데이터가 저장되고 디자인 매트릭스를 함유 SPM.mat 파일 전처리 기능 데이터와 함께 저장되어 있는지 위치를 지정. <ol><li> 모든 참가자가 실행되는 동일한 수를 가지며, fMRI를 데이터 취득 아래 단계 2.3에 설명 된대로 데이터 디렉토리가 구성되어있는 경우 데이터를 읽는 GIFT를 얻는 가장 간단한 방법이다. 그렇다면 DataSelectionMethod 하에서, 방법 1에 대해 &#39;1 &#39;을 선택하고, 데이터가 저장되는 파일 경로를 포함하여 파라미터 &quot;sourceDir_filePattern_flagLocation&quot;를 완료 데이터의 파일 포맷, 및 개별 세션이 하위로 저장되어 있는지를 나타내는 문 각 주제 폴더 안에. </li></ol></li&gt; <li> 분석의 출력을 기록 할 디렉토리를 나타냅니다. 데이터가 저장되어있는 같은 디렉토리에 결과를 작성하지 마십시오. </li><li> 모든 출력 파일에 추가 할 접두사를 제공합니다. </li><li> 마스크에 파일 경로를 제공합니다. ICA에 제출 된 모든 볼륨이 마스크됩니다. 선물은 기본 마스크를 제공한다. 이 작품은, ICA에 제출 될 데이터에서 마스크를 생성하는 자체 스크립트. 최소한 마스크는 두개골, 여분의 대뇌 공간, 특히 안구를 제거해야합니다. 안구 복셀에서 신호를 실행하는 동안 매우 큰 변동을 보여줍니다 때문에 마지막 구성 요소의 구조에 상당한 영향을 미칠 것입니다. 3이 좋은 마스크 모양을 보여줍니다 그림. </li><li> 사용하는 그룹 PCA의 유형을 지정합니다. &#39;주제 특정를.&#39;사용 </li><li> 백 재건 방법을 지정합니다. 이 단계에서는 개별 주제 IC의 및 관련 시간 코스는 이리저리 계산기 분석 결과 m. 이 점에 대한 문헌에서 상당한 논의가 있지만 GICA은, 가장 좋은 시간 코스를 얻는 것이 좋습니다. </li><li> 데이터 사전 처리의 유형을 지정합니다. 출력에 숫자가 아닌 값 (즉, infinites, NaN이의)를 방지하기 위해 강도 정상화를 사용합니다. 이 예제에서, 우리는 &#39;1 &#39;의 기본을 선택했다. </li><li> PCA의 유형을 지정합니다 (우리는 표준을 사용)과 PCA 옵션에서 기본 값을 받아 들인다. 선물은 각 참가자의 각 실행에 PCA를 수행하고 ICA에 혼합되지 않은 것으로 소스의 수와 동일한 구성 요소의 수를 유지합니다. PCA는 두 가지 중요한 목적이 있습니다. 첫째, 각 참가자 및 각 실행에 고유 한 소음의 원인을 제거하는 데 도움이됩니다. 둘째, 분석의 계산적 요구가 더 다루기 쉬운 만든다. </li><li> 의 PCA는 ICA 전에 데이터를 실행하는 방법에 대해 많은 지정 (2 권장). 뿐만 아니라, 실행하는 경우 (각 PCA 후 유지하는 방법에 많은 구성 요소 지정이이를) 제 PCA 후에도 유지 부품 점수 두번 초 후에도 유지 개수하는 것이 좋다. </li><li> 데이터의 크기를 조절하는 방법을 지정합니다. 이 작품의 경우, z 점수 스케일링 사용 하였다. </li><li> ICA에 대한 블라인드 소스 분리 알고리즘을 선택합니다. 이 일을 위해, 연합 인 포맥스 사용 하였다. 선물은 적어도 10 개의 서로 다른 알고리즘의 선택을 제공합니다. </li><li> 같이 나머지 매개 변수는 남아있을 수 있습니다. </li></ol></li><li> ICA가 완료되면, 사용 가능한 컴포넌트들에서 잠재적 이론적 관심있는 이들을 선택. 선물 GUI를 통해 구성 요소 선택을 선택 공간 정렬은 기존 템플릿과 공간의 상관 관계에 의한 공간 구성 요소를 정렬; 시간 정렬은 (3.3.5 참조) 데이터를 저장할 수있는 SPM 디자인 행렬에서 선형 예측에 의해 구성 요소의 시간 코스를 정렬합니다. 참고 : 구성 요소 선택에 대한 두 가지 접근법이 유틸리티가있다. 그러나, 작업 데이터 작업, 시간 선택그들이 선택된 성분이 작업에 의해 활성화 된 것을 검증하는 수단을 제공하는 등의 기준이 특히 유용하다. DCCS의 경우, 시간적 정렬의 사용은 선택된 성분이 반복 블록에 비해 스위치 블록 중에 더욱 활성 이었다는 것을 확인하기 위하여 사용될 수있다. </li><li> 이 선택한 구성 요소의 어린이와 성인 버전이 차이가 있는지 여부를 테스트합니다. 집계 아동과 그 어른의 구성 요소를 두 개의 그룹 및 구성 요소가 될 두 표본 t-검정의 지역에 의해 시험에. 이 선물 GUI를 통해 할 상대적으로 쉽습니다. </li></ol>

<ol><li>Diamond, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Normal+Development+of+Prefrontal+Cortex+from+Birth+to+Young+Adulthood%3A+Cognitive+Functions+Anatomy%2C+and+Biochemistry%5BTitle%5D)+AND+%22Principles+of+Frontal+Lobe+Function%22%5BJournal%5D)">Normal Development of Prefrontal Cortex from Birth to Young Adulthood: Cognitive Functions Anatomy, and Biochemistry.</a> Principles of Frontal Lobe Function. , 1-38 (2002).</li>
<li>Zelazo, P. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Dimensional+Change+Card+Sort+%28DCCS%29%3A+a+method+of+assessing+executive+function+in+children%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">The Dimensional Change Card Sort (DCCS): a method of assessing executive function in children.</a> Nat Protoc. 1, 297-301 (2006).</li>
<li>Monsell, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Task+switching%5BTitle%5D)+AND+%22Trends+Cogn+Sci+%28Regul+Ed%22%5BJournal%5D)">Task switching.</a> Trends Cogn Sci (Regul Ed. 7, 134-140 (2003).</li>
<li>Crone, E. A., Bunge, S. A., van der Molen, M. W., Ridderinkhof, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Switching+between+tasks+and+responses%3A+a+developmental+study%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">Switching between tasks and responses: a developmental study.</a> Developmental Science. 9, 278-287 (2006).</li>
<li>Cole, M. W., Schneider, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+cognitive+control+network%3A+Integrated+cortical+regions+with+dissociable+functions%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The cognitive control network: Integrated cortical regions with dissociable functions.</a> Neuroimage. 37, 343-360 (2007).</li>
<li>Fair, D. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+distinct+control+networks+through+segregation+and+integration%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+USA%22%5BJournal%5D)">Development of distinct control networks through segregation and integration.</a> Proc Natl Acad Sci USA. 104, 13507-13512 (2007).</li>
<li>Uddin, L. Q., Supekar, K., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Typical+and+atypical+development+of+functional+human+brain+networks%3A+insights+from+resting-state+FMRI%5BTitle%5D)+AND+%22Frontiers+in+systems+neuroscience%22%5BJournal%5D)">Typical and atypical development of functional human brain networks: insights from resting-state FMRI.</a> Frontiers in systems neuroscience. 4, (2010).</li>
<li>Calhoun, V. D., Adali, T., Pearlson, G. D., Pekar, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+method+for+making+group+inferences+from+functional+MRI+data+using+independent+component+analysis%5BTitle%5D)+AND+%22Human+brain+mapping%22%5BJournal%5D)">A method for making group inferences from functional MRI data using independent component analysis.</a> Human brain mapping. 14, 140-151 (2001).</li>
<li>Fransson, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting-state+networks+in+the+infant+brain%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Resting-state networks in the infant brain.</a> Proceedings of the National Academy of Sciences of the United States of America. 104, 15531-15536 (2007).</li>
<li>Supekar, K., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Developmental+maturation+of+dynamic+causal+control+signals+in+higher-order+cognition%3A+a+neurocognitive+network+model%5BTitle%5D)+AND+%22PLoS+computational+biology%22%5BJournal%5D)">Developmental maturation of dynamic causal control signals in higher-order cognition: a neurocognitive network model.</a> PLoS computational biology. 8, (2012).</li>
<li>Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggar, B. L., Petersen, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spurious+but+systematic+correlations+in+functional+connectivity+MRI+networks+arise+from+subject+motion%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion.</a> Neuroimage. 59, 2142-2154 (2012).</li>
<li>Raschle, N. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Making+MR+Imaging+Child%27s+Play+-+Pediatric+Neuroimaging+Protocol%2C+Guidelines+and+Procedure%5BTitle%5D)+AND+%22%22%5BJournal%5D)">Making MR Imaging Child's Play - Pediatric Neuroimaging Protocol, Guidelines and Procedure.</a> (29), (2009).</li>
<li>Morton, J. B., Bosma, R., Ansari, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-related+changes+in+brain+activation+associated+with+dimensional+shifts+of+attention%3A+an+fMRI+study%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Age-related changes in brain activation associated with dimensional shifts of attention: an fMRI study.</a> Neuroimage. 46, 249-256 (2009).</li>
<li>Ezekiel, F., Bosma, R., Morton, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dimensional+Change+Card+Sort+performance+associated+with+age-related+differences+in+functional+connectivity+of+lateral+prefrontal+cortex%5BTitle%5D)+AND+%22Developmental+Cognitive+Neuroscience%22%5BJournal%5D)">Dimensional Change Card Sort performance associated with age-related differences in functional connectivity of lateral prefrontal cortex.</a> Developmental Cognitive Neuroscience. , (2013).</li>
<li>Calhoun, V. D., Kiehl, K. A., Pearlson, G. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+temporally+coherent+brain+networks+estimated+using+ICA+at+rest+and+during+cognitive+tasks%5BTitle%5D)+AND+%22Human+brain+mapping%22%5BJournal%5D)">Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks.</a> Human brain mapping. 29, 828-838 (2008).</li>
<li>Allen, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+baseline+for+the+multivariate+comparison+of+resting-state+networks%5BTitle%5D)+AND+%22Front+Syst+Neurosci%22%5BJournal%5D)">A baseline for the multivariate comparison of resting-state networks.</a> Front Syst Neurosci. 5, (2011).</li>
<li>Calhoun, V. D., Liu, J., Adali, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+group+ICA+for+fMRI+data+and+ICA+for+joint+inference+of+imaging%2C+genetic%2C+and+ERP+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">A review of group ICA for fMRI data and ICA for joint inference of imaging, genetic, and ERP data.</a> Neuroimage. 45, (2009).</li>
<li>Allen, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+whole-brain+connectivity+dynamics+in+the+resting+state%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Tracking whole-brain connectivity dynamics in the resting state.</a> Cerebral Cortex. , (2012).</li>
</ol>

더 경쟁 금전적 이해 관계가 없습니다.

이러한 정렬 규칙을 전환하는 기능과 같은 고차원의 정신 작업은, 어린 시절과 청소년기에 걸쳐 신속하게 개발. 이러한 정신적 인 작업은 여러 분산 된 뇌 영역 사이의 상호 작용을 포함하고 있기 때문에, 고차인지와 광범위한 규모의 대뇌 피질 네트워크의 조직에서 연령과 관련된 변화의 발전 사이의 관계를 탐구에 관심이 증가하고있다. 우리는 직접 관계를 검사하는 수단으로 작업 기반의 fMRI 데이터에 적용 기 독립 성분 분석에 기초한 방법을 제시한다. 어떤 그룹 간 비교 연구의 사실로서, 방법의 성공은 성인과 어린이 모두에서 높은 품질의 fMRI 데이터에 입각한다. 운동 관련 이슈에 그룹의 차이는 ICA 분해의 질에 심각한 영향을 미칠 그 결과 구성 요소 가짜의 차이가 발생할 수 있습니다. 작업 성능 그룹의 차이는 잠재적 문제 야 할 수 있습니다그들은 모든 그룹에 대한 시간 정렬의 생존 능력을 저해하므로,뿐만 아니라 tic을. 한 그룹은 실험 및 제어 실험 간의 큰 성능 차이를 보여 ...

행동을 조절하는 능력은 (검토를 위해, 다이아몬드 1 참조) 유년기와 청소년기에 점차적으로 개발하고 있습니다. 치수 변경 카드 정렬 작업에서는, 예를 들어, 참가자들에게 같은 색상 2와 같은 다른 방법을, (그림 2 참조) 정렬로, 같은 모양으로, 카드 한 방법을 분류 전환. 전환은 약간의 성능 비용 또는 스위치 비용을 입히고있다 응답은 일반적으로 느리고 오류가 발생하기 쉬운 스위치 시험에이되도록하는 정렬 규칙이 같은 3 남아있는 실험을 반복 비교하여 정렬 규칙 변경. 아이들이 4 나이를 먹어 감에 따라 이러한 비용의 크기는 일반적으로 행동 규제 능력은 인생의 초기 개발을 계속 겪는다는 사실을 보여주는 작아진다. 이러한 전환과 같은 복잡한 정신 작업, 여러 뇌 영역 5 사이의 빠른 상호 작용을 포함하고 있기 때문에, relati에 관심이 증가하고있다넓은 규모의 대뇌 피질의 네트워크 6의 기능 조직의 변화에 고차인지의 발달을 겨. 광범위한 대규모 네트워크의 발달 변화를 조사하는 한 가지 방법은 시드 계 기능적 연결성 분석 6,7의 사용을 통해서이다. 이 기술의 첫 번째 단계는 가능한 연구 문헌에 문의하고 문제의 행동과 관련이있을 것 같다 선험적으로 관심 영역, 또는의 ROI를 정의하는 것입니다. 이러한 ROI에, 또는 노드는, 네트워크의 기본 골격을 정의한다. 참가자가 MRI 스캐너에 휴식하는 동안 다음 활동의 저주파 변동이의 ROI (또는 T2 신호 강도를 * 가중)은 5 ~ 10 분 동안 측정된다. 네트워크의 두 노드 사이의 기능적 연결이 후 각각의 시간 코스의 상관 관계로 정량화된다. 기능적으로 강하게 연결되어 노드가 유사하고, 따라서 높은 신호보기 상관해야시간 코스. 한편, 약하게 기능적으로 연결되어있는 노드는 비슷하기 때문에 약한 상관 관계가 시간의 과정을 신호한다. 네트워크의 모델을 완성하기 위해, 가장자리 (또는 링크)는 그 시간 코스 선택 임계 값 이상으로 상관 관계 노드 사이에 그려집니다. 네트워크 내의 기능적 연결성의 연령과 관련된 차이 테스트 단일 노드 간 연결, 또는 노드 및 에지들의 전체 세트의 토폴로지에서 수행 될 수있다. 기능적 연결성의 이러한 차이는 다음 오프라인 수집 인식 성능의 측정과 관련 될 수있다. 본 논문에서는 다른 방법은 작업 기반의 fMRI 데이터 8 그룹 독립 성분 분석을 기반으로이 설명되어 있습니다. 독립 성분 분석 (ICA 나)는 맹목적 밝혀 소스가 극대로 독립적이되도록 한 세트의 관측을 밑에 숨겨진 소스를 드러내는위한 통계적 절차이다. 의 fMRI 데이터의 분석, (P)에인가rocedure 각 볼륨이 공간적으로 독립적 인 소스의 유한 수의 혼합물 인 것으로 가정한다. 그러한 포맥스 알고리즘 같은 다른 알고리즘의 다양한 중 하나를 사용하여, ICA는 원래의 데이터에 적용 할 때 오는 극대 독립 소스, 또는 구성 요소의 집합을 산출 unmixing 행렬을 추정한다. 각 구성 요소는 공통 시간 코스를 나누어 복셀의 집합으로 구성 것이면, 네트워크로서 생각 될 수있다. 그룹 ICA는 그룹 구성 요소의 공통 집합은 우선 전체 데이터 세트로부터 추정 한 후 그룹 구성 요소의 참가자 고유 세트가 백 재구성 단계에서 계산 된 ICA의 특정 유형이다. 전체 데이터 세트는 일련의 구성 요소로 분해되면, 다음 단계는 잡음 소스를 나타내는 인공적 성분을 폐기하고, 그 네트워크에 대응 이론적으로 의미있는 구성 요소를 식별하는 것이다. 이것은에 IDE GLM의 컨텍스트에서 모델링 성분 시간의 과정에 의해도 달성 될 수있다공간적으로 그 네트워크의 템플릿, 또는 두 가지 모두에 구성 요소의 상관 관계, 예측 방식으로 활성화 네트워크를 ntify. 구성 요소의 결과 세트는 이론적으로 흥미 네트워크 7,9,10 이내에 기능적 연결이 가능한 연령에 따른 차이를 테스트하기 위해 그룹 비교에 제출 될 수있다. 그룹 ICA의 응용 프로그램을 통해 기능적인 연결에 나이와 관련된 변화를 공부하는하는 작업 기반의 fMRI 데이터는 휴식 상태의 fMRI 데이터에 씨앗 기반 기술의 응용 프로그램에 비해 몇 가지 장점을 가지고있다. 먼저, 사전 정의 된 ROI에의 작은 세트에 초점과 다른 시드 기반 기술은 현재 그룹 ICA 방식은 체적 시계열을 구성하는 모든 복셀을 이용한다. 이 씨의 작은 그룹이 관심 영역으로 사전을 선택하면 반드시 발생한다는 편견 기회를 감소. 둘째로, 기능적 연결성 분석 (ICA 기반이거나)에 작업을 적용휴식 상태의 fMRI 데이터는 네트워크 구성 및 네트워크 기능을보다 직접적으로 연관 될 수있는 이점을 가지고보다는. 예를 들어, (예 DCCS 성능의 변화와 같은) 기능적 연결성인지 또는 행동 영향을 검사하는 것이 우선적이며, 경우에, 그 네트워크가 작업 성능과 연관되어 있음을 나타 내기 위해 중요하다. 연구자가 데이터를 수집하는 동안 참가자가 경험하는,인지 행동, 또는 정서적 상태의 기록이 없기 때문에 휴식 상태 프로토콜로, 이것은 매우 어렵습니다. 그것은 관심의 네트워크 작업 성능 관련이 있다는 직접적인 증거를 제공하는 것이 불가능하다. 이러한 ICA 같은 기능적 연결성 분석, 작업 데이터에 적용될 때 대조적으로, 그것은 또한 네트워크는 적어도 작업의 성능과 관련되어 있음을 확인할 수있다. 마지막으로, ICA는 소음의 부정적 영향을 덜받습니다. 그런 그 관련된 재치와 같은 노이즈 소스,H 제목의 운동과 심장 리듬, 독특한 공간 - 시간 프로파일이 있습니다. 따라서 그룹 ICA의 맥락에서, 이러한 소스는 고립되고 분산 이러한 반갑지 소스의 비교적 자유로운 나머지 구성 요소를 떠나는 별개의 구성 요소에 할당. 종자 기반의 분석은 기능적인 연결의 추정에 원시 시간 코스를 사용하고, 시간 과정이기 때문에, 정의에 의해, 신경 생리 학적 신호와 인공적인 잡음의 혼합물은 기능적 연결 추정 그룹의 차이에 기초 신경 생리학, 그룹의 차이에 해당 그룹의 차이를 반영 할 수 노이즈의 구조 또는 둘 11.

<table><tbody><tr><td>SPM8</td><td>매스웍스, Inc.</td><td>R2013a를 참조하십시오.</td><td></td></tr></tbody></table>

치수 변경 카드 정렬 성능인지 제어 네트워크 관련의 기능 연결에서 연령 관련 차이점을 조사하는 방법

A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance

환경의 급격한 변화에 동작을 조정할 수있는 능력은 아동기와 청소년기에 점차적으로 개발하고 있습니다. 예를 들어, 치수 변경 카드 정렬 작업에서는 참가자들에게 색과 같은 다른 방법을, 정렬로, 같은 모양으로, 카드 한 방법을 분류 전환. 이 방법으로 문제를 조정하면 약간의 성능 비용, 또는 스위치의 비용을 입히고있다 응답은 일반적으로 느리고 오류가 발생하기 쉬운 스위치 시험에이되도록하는 정렬 규칙이 동일하게 유지되는 실험을 반복 비교하여 정렬 규칙 변경. 유연하게 동작을 조정하는 기능은 종종 스위치 비용으로 행동 비용은 일반적으로 연령 증가에 따라 감소 부분에 있기 때문에, 점차 개발이라고합니다. 이러한 행동의 유연성 등의 고차인지, 측면, 그래서 개발 왜 점점 의문 남아있다. 하나의 가설은 이러한 변화가 광범위한 규모인지 제어 네트워크의 기능 변화와 관련하여 발생하는 것입니다. 이보기에,이러한 전환과 같은 복잡한 정신 작업은 빠른 그 해당 업데이트 및 작업 규칙을 유지하는 등 여러 분산 된 뇌 영역 사이의 상호 작용, 다시 방향을주의, 선택 행동을 포함한다. 개발,이 지역 사이의 기능적 연결이보다 빠르고 효율적으로 전환 작업을 선도, 강화. 현재 비디오는 다양한 연령의 참가자로부터의 fMRI 데이터의 수집과 다변량 분석을 통해이 가설을 시험하는 방법을 설명한다.

그룹 ICA가, 심지어 상대적으로 작은의 fMRI 데이터 세트에, 다른 연구에서 관찰 된 것과 유사한 구성 요소의 집합을 반환합니다. 4 그림 12 어린이와 13 성인의 샘플에서 혼합되지 않은 5와 같은 구성 요소와 관련된 시간 과정의 중첩은 참가자 당 약 800 볼륨이. 도 4, 기본 모드, 전두 정수리에 도시 된 바와 같이, cingulo-인술 및 네트워크 카메라는 좀처럼이 분해의 결과로부터 알 수있다. 뿐만 아니라, 그것은 시각 및 기본 모드 구성 요소의 시간 과정에서 블록 설계를 식별하는 방법을 쉽게 알 수 있습니다. 성공적인 ICA 분해는 신뢰할 수 있어야합니다. 분해 안정성 ICASSO 절차의 출력을 검사하여 평가할 수있다.도 5 GIFT 수행 안정적인 분해 ICASSO 출력의 일부를 보여준다. 공간적 correlat를 사용...

이 동영상은 대상 작업 / 프로세스에 관여인지 제어 네트워크의 기능적 연결성에 나이와 관련된 변화를 검사하는 방법을 제시한다. 기법의 fMRI 데이터의 다변량 분석에 기초한다.

The ability to adjust behavior to sudden changes in the environment develops gradually in childhood and adolescence. For example, in the Dimensional ...

이 실험 절차의 전반적인 목적은 과제 전환(task switching)과 관련된 뇌 네트워크를 식별하고, 이러한 네트워크의 기능적 연결성에서 연령에 따른 차이가 있는지 테스트하는 것입니다. 이는 먼저 아동과 성인을 대상으로 차원 변경 카드 분류 과제(dimensional change card sort task)를 수행하는 동안 FMRI 데이터를 수집함으로써 이루어집니다. 데이터 전처리를 거친 후, 기능적 볼륨은 통계적으로 독립적인 소스 또는 성분들의 집합으로 분해됩니다.실행 기능 및 과제 수행과 관련된 성분들은 각각 템플릿 매칭과 선형 모델링을 통해 선택됩니다. 마지막 단계는 선택된 성분 내의 기능적 연결성이 성인과 아동 간에 차이가 있는지 결정하는 것입니다. 궁극적으로, ICA 기반 fMRI 분석은 과제 전환과 관련된 네트워크를 식별하고, 이러한 네트워크의 기능적 조직에서 연령에 따른 차이가 있는지 테스트하는 데 사용될 수 있습니다.휴지기 기능적 연결성 분석과 같은 기존 기술과 비교하여 이 기술의 주요 장점은 피질 네트워크의 기능을 정확하게 특성화하는 수단을 제공한다는 것입니다. 이 방법은 과제 전환과 같은 고차원 인지 작용에 관여하는 광범위한 피질 네트워크가 발달 과정에서 기능적 재구성을 거치는지와 같은 발달 인지 신경과학 분야의 핵심 질문에 답하는 데 도움이 될 수 있습니다. 시작하려면 어린 아동에게 적합한 절차에 따라 fMRI 데이터를 획득하십시오. 준비가 되었을 때 모의 스캐너 시설에서 참가자들을 사전에 훈련시켜 원치 않는 혼란 변수를 제한하고, 차원 변화 카드 분류 과제의 반복 시행 버전을 실시하십시오.각 실행에는 8회 시행의 스위치 블록 2개와 8회 시행의 반복 블록 2개가 포함되며, 스위치 블록은 4회의 스위치 시행과 4회의 반복 시행으로 구성되고 반복 블록은 8회의 반복 시행으로 구성됩니다. 데이터 수집 후, 표준 fMRI 전처리 절차에 따라 fMRI 데이터를 전처리하십시오. 먼저 잘 알려진 fMRI 분석 패키지인 SPM과 함께 작동하는 그룹 ICA 소프트웨어 툴박스인 GIFT를 다운로드하여 설치하십시오. 다운로드가 완료되면 GIFT 툴박스와 모든 하위 디렉토리를 MATLAB 검색 경로에 추가하고 경로 파일을 저장하십시오. GIFT를 사용하여 fMRI 데이터에 대해 그룹 ICA를 계산하는 작업은 RAM 메모리 요구량이 매우 많습니다.메모리 문제를 방지하기 위해 ICA 분석은 서버에서 실행하는 것이 가장 좋습니다. 로컬 컴퓨터에서 분석을 실행하는 경우, gif의 일부인 스크립트를 사용하여 RAM 요구 사항을 추정할 수 있는데, 이를 위해 gif의 ICAT B batch files 폴더에 저장된 Input data subjects one M이라는 기존 배치 스크립트의 분석 파라미터를 수정하십시오. 이 작업은 gif의 그래픽 사용자 인터페이스(GUI)를 사용하여 수행할 수도 있습니다.하지만 약간의 연습을 통해 기존 스크립트를 수정함으로써 분석 설정을 훨씬 더 쉽게 수행할 수 있습니다. 다음으로, 데이터 모달리티를 지정하십시오. FMRI의 경우, I Casso 절차를 통해 ICA를 실행하도록 분석 유형을 ICA로 지정하십시오.분석 유형(type of analysis)에서 'two'를 선택한 다음, 설정 파일의 다음 줄에서 I Casso 절차를 매개변수화하십시오. 표준 SPM 디자인 행렬로부터의 정렬을 활성화하기 위해 group PCA 성능 설정(group PCA performance settings)에서 하나를 선택하여 그룹 PCA의 성능을 최대화하고, 피험자마다 서로 다른 행렬이 존재하는지 여부를 지정하십시오. 다음으로, 전처리된 기능적 데이터가 저장된 위치와 디자인 행렬이 포함된 SPM dot mat 파일이 전처리된 기능적 데이터와 함께 저장되어 있는지 여부를 지정하십시오.각 참가자의 런(run) 수가 동일한 경우, 방법 1을 선택하십시오. 데이터 선택 방법 옵션에서 파라미터 소스 스티어 파일 패턴, 플래그, 위치를 완료하십시오. 이때 데이터가 저장된 파일 경로, 데이터의 파일 형식, 그리고 개별 세션이 각 피험자 폴더 내의 하위 디렉토리로 저장되어 있음을 나타내는 진술을 포함하고 분석 결과가 기록될 디렉토리를 지정하십시오. 이 디렉토리는 데이터가 저장된 디렉토리와 동일해서는 안 됩니다.다음 단계는 모든 출력 파일에 추가될 접두사를 제공하는 것입니다. 그다음, 마스크 파일의 경로를 제공하십시오. 최소한 마스크는 여기에 표시된 바와 같이 두개골 외 뇌 공간, 특히 안구를 제거해야 합니다.이 예시에서 안구의 잔여 흔적이 남아 있음에 유의하십시오. 이는 최적이지 않은 ICA 분해로 이어지며, 사용될 그룹 PCA 유형에서는 이를 피해야 합니다. 최적의 시계열을 얻으려면 피험자 특정(subject specific) 옵션을 선택하십시오.역재구성 방법으로 GICA를 선택하십시오. 데이터 전처리 유형을 선택할 때, 출력 결과에 비수치 값이 포함되지 않도록 강도 정규화(intensity normalization)를 사용하십시오. 본 예시에서는 기본값인 1이 선택되었습니다.표준 PCA 유형을 선택하고 PCA 옵션에서 기본값을 수락하십시오. 다음으로, ICA를 수행하기 전 데이터에 대해 실행할 PCA 횟수를 지정하십시오. 또한, 각 PCA 이후 유지할 성분 수를 지정하고, 데이터 점수 산출을 위해 Z-score 스케일링을 사용하며, 본 연구의 ICA를 위한 블라인드 소스 분리 알고리즘을 선택하십시오.ICA가 완료된 후 Infomax가 사용되었습니다. 추가 고려 사항을 위해 이론적으로 잠재적 관심이 있는 성분들을 선택하십시오. 공간적 정렬(Spatial sorting)을 선택하면 기존 템플릿과의 공간적 상관관계에 따라 성분을 정렬할 수 있으며, 시간적 정렬(temporal sorting)을 통해 정렬할 수도 있습니다.SPM 디자인 행렬의 선형 예측자를 이용한 성분 시간 과정입니다. 분석이 완료되면, 선택된 성분의 아동 버전과 성인 버전 사이에 차이가 있는지 테스트하십시오. 표시됨. 여기에는 60개 성분을 가진 ICA에 적용된 ICAS O 절차의 결과가 나와 있습니다.각 번호가 매겨진 점은 하나의 성분을 나타냅니다. 검은색 점들은 서로 다른 랜덤 시드를 사용하여 동일한 데이터를 다르게 ICA 분해한 결과를 나타냅니다. 이상적인 경우, 여기에서 서로 다른 검은색 점으로 표시된 다양한 분해 결과들이 번호가 매겨진 점들 주변에 밀접하게 군집을 이루어야 합니다.이는 분해 과정의 신뢰도가 높음을 나타냅니다. 실행 제어 템플릿과 선택된 우측 전두-두정 성분을 고해상도 해부학적 스캔의 동일한 슬라이스에 중첩시켰을 때 상당히 유사하게 나타났습니다. 기능적 연결성은 아동과 비교했을 때 성인의 내측 전전두엽 피질, 복측 분절 영역, 배측 전전두엽 및 하두정 피질에서 더 강하게 나타났습니다.이제 이 절차를 시도해 보겠습니다. 분석의 각 단계에서 결과물을 확인하는 것이 중요합니다. 작은 오류가 계속 누적되면 결국 해석 불가능한 결과로 이어지게 됩니다.이 절차를 따른 후, 구성 요소 간의 기능적 상호작용이 과제 요구 사항이나 참가자의 연령에 따라 변하는지와 같은 추가적인 질문에 답하기 위해 기능적 네트워크 연결성 분석과 같은 다른 방법들을 수행할 수 있습니다.

a-method-for-investigating-age-related-differences-functional

Research

연구

JoVE Journal

Behavior

행동

연구의 목표는 두뇌 활동에 동작을 상관 관계하는 것입니다. 정확한 행동 측정 및 이미징 기술은 우리가 뇌 - 행동 관계를 명료하게하다 수 있습니다.

인간의 전두엽 피질에서 fMRI 신호에 행동 응답을 연관 : 작업 분석을 사용하여인지 과정을 검토

우리는 인식에 나이의 영향을 조사하고있는 태블릿 컴퓨터 기반 응용 프로그램 (EmoCogMeter)의 유용성을 테스트했습니다. 결과는 따라서 우리의 응용 프로그램의 유용성을 증명, 연령과 관련된인지 적 몰락을 보여줍니다. 연구 결과는 탐지 및인지 기능 장애의 모니터링을위한 태블릿 기​​반 응용 프로그램의 큰 임상 및 실용 가능성을 강조.

EmoCogMeter, 소설 태블릿 컴퓨터 기반 접근 방식을 사용하여인지 기능의 연령과 관련된 변화의 평가

EEG 실험에서 사용된 이력이 있는 패러다임을 fMRI 실험으로 전환하는 것이 고려됩니다. 시각적 괴짜 작업에서 작업 요구 사항을 조작하면 다양한 BOLD 활성화 패턴이 생성되고 작업 설계가 fMRI 실험에서 얼마나 중요한지 설명되었습니다.

뇌 영상의 감각적 양상 사이인지 작업을 전송 :의 fMRI 연구 작업 설계를위한 시사점 및 결과의 해석

이 기사에서는 작동하는 allocentric 공간 기억에 대한 해마 의존 테스트인 4MT(4 Mountains Test)에 대해 설명합니다. 해마는 알츠하이머병(AD) 초기에 영향을 받으며, 이 기사는 치매 전 단계의 알츠하이머병 진단에서 4MT의 가치를 입증하는 4MT 방법론과 환자 검사 결과를 간략하게 설명합니다.

4 산맥 테스트 : 알츠하이머 병 전 치매의 진단에 대한 높은 감도와 공간 메모리의 짧은 테스트

이 원고에서는 선택한 근원 지역 및 두뇌의 다른 지역에서 복 간의 기능 연결에 작업 종속 변경 공개 정신 상호 작용 분석을 구현 하는 방법을 설명 합니다. 정신 상호 작용 분석 두뇌 연결, 다른 전통적인 일변량 활성화 효과에 작업 효과 시험 하는 인기 있는 방법입니다.

메모리의 일반화 된 정신 상호 작용 (PPI) 분석 관련 Alzheimer의 질병을 위한 유전 모험에 개인에 연결

우리 후부 대상 피 질과 Alzheimer의 질병 (광고) 환자, 가벼운 인지 장애 (MCI)와 건강 한 컨트롤 환자에서 뇌 간의 지시 기능 연결에서 변경 조사 휴식 상태 기능 자기 공명 영상 그레인저 인과 분석을 바탕으로.

알 츠 하이 머 질환과 경미한 인지 장애에 감독된 기능 연결의 그 랜 저 인과관계 분석의 응용 프로그램

기술된 접근의 목표 기능 연결에 상당한 재구성 기능 자기 공명 영상에서 발생 하는 어떤 순간의 패러다임 (시간적 관점), 그리고 어느 지역 (공간 관점) 사이 결정 하는 것입니다. 기록 기간 동안 시간 동기 자극 재생 됩니다.

동적 상호 주제 기능 연결 밝혀 연속에 의해 구동 하는 순간 순간 두뇌 네트워크 구성 또는 통신 패러다임

이 논문은 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 조사하기 위한 통합적 접근 방식을 제시합니다. 이 접근 방식은 대규모 신경 영상 메타 분석 데이터베이스, 휴지 상태 기능적 자기 공명 영상, 네트워크 모델링 및 그래프 이론 기술을 통합합니다.

인간 뇌의 공간 탐색을 위한 기능적 네트워크 모델링

우리는 객관적인 측정이 널리 채택 고무 손 착각 패러다임에 종사 할 수있는 방법을 보여줍니다. 이 측정은 잘 확립 crossmodal 일치 성은 작업을 수정하여 얻을 수 있습니다. 이 작업은 고무 손 착각에서와 같이 신체 표현의 변조에 중요한 감각적 프로세스를 조사 할 수 있습니다.

고무 손 환상 패러다임에서 목표 행동 측정을 확보하는 수단으로 Crossmodal 일치 성은 작업

우리는 시각적 자극의 시점 회전에 대한 새로운 방법에 대해 논의하고 거울 입체경을 사용하여 깊이 있는 회전의 3차원 지각을 시연합니다. 이 기술은 시점 회전 그림을 인코딩하는 데 입체 신호의 역할을 조사하는 데 사용할 수 있습니다.

Measuring Sensitivity to Viewpoint Change with and Without Stereoscopic Cues(입체 신호의 유무에 따른 뷰포인트 변화에 대한 민감도 측정)

학습하세요 ICA 기반 fMRI 분석을 활용하여 치수 변경 카드 정렬 과제에서 인지 제어 네트워크의 기능 연결성을 평가하고 성인과 아동 간 연령 관련 차이를 식별하는 방법을.

치수 변경 카드 정렬 성능인지 제어 네트워크 관련의 기능 연결에서 연령 관련 차이점을 조사하는 방법

더 많은 동영상 탐색