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

이 절차의 전반적인 목표는 정서적 괴짜 작업을 수행하는 동안 어린이와 청소년에게 MR 이미징을 수행하는 것입니다. 이것은 먼저 아동에게 적절한 정서적 괴짜 작업을 설계함으로써 달성됩니다. 두 번째 단계는 참가자가 모의 스캐너 환경에서 작업 수행을 연습할 수 있도록 하는 것입니다.

다음으로, 참가자들은 MRI 스캐너에서 동일한 작업을 수행합니다. 마지막 단계는 행동 및 이미징 데이터를 분석하는 것입니다. 궁극적으로, 감정적 괴짜 작업 중 기능적 이미징.

정신분열증에서 1급 친척은 위험에 처한 아동 및 청소년에서 전두엽 선조체 회로의 활성화 감소 및 목표 자극에 대한 반응을 나타내는 데 사용됩니다. 이 기술의 가장 큰 장점은 어린이와 청소년이 인지 기능에 참여하는 동안 뇌를 비침습적으로 이미징할 수 있다는 것입니다. 이 방법은 정신 분열증에 대한 통찰력을 제공할 수 있지만, 양극성 장애나 자폐증과 같은 다른 발달 정신 질환 또는 외상 후 스트레스 장애와 같은 다른 뇌 장애에도 적용될 수 있습니다.

일반적으로 이 방법을 처음 수행하는 개인은 실험 설계를 생성하고, 이미지를 획득하고, 분석 및 이미지 처리 파이프라인을 프로그래밍하고, 프로젝트에 올바른 실험 설계를 적용하는 데 많은 단계가 있기 때문에 어려움을 겪을 것입니다. 참여하는 어린이와 신경 정신 질환이 있는 개인은 또한 절차가 행동 과제를 완료하는 동안 일반적인 MRI 세션 동안 가만히 있어야 하기 때문에 어려움을 겪습니다. 또한 이 절차는 실험자와 참가자 간의 명확한 의사 소통과 정보 보급을 필요로 하며, 이를 위해서는 상당한 양의 교육이 필요합니다.

먼저 Siegel 소프트웨어를 사용하여 스크램블된 이미지와 같이 더 빈번한 표준 자극 시퀀스 내의 원과 같이 드물게 발생하는 대상 자극을 제시하는 이벤트 기반 행동 작업을 생성합니다. International Effective Picture System 데이터베이스에서 혐오적 자극 세트와 중립적 자극 세트를 선택합니다. 이 이미지는 1에서 9까지의 척도로 등급이 매겨지며 숫자가 높을수록 원자가와 각성의 긍정적인 수준이 더 높다는 것을 나타냅니다.

연구 그룹에 적합한 연령에 적합한 이미지 세트(예: 뱀, 거미 또는 기타 동물의 사진)를 선택합니다. 이미지가 1, 500 밀리 초 동안 의사 무작위 순서로 표시되도록 작업 스크립트를 프로그래밍하고 500 밀리 초는 목표 자극을 의미하며 15 초마다 더 빈번하지 않고 관련성없는 중립 이미지를 작업하고 각 자극의 약 4 %를 만듭니다. 더 나은 혈류역학적 반응 기능 해상도를 제공하기 위해 이벤트 시작 시간을 지터링하고, 8개의 기능 실행 각각에 대해 하나씩 총 8개의 이미지 세트를 생성해야 합니다.

9세에서 18세 사이의 가족성 정신병 위험이 높고 건강한 대조군을 가진 참가자를 모집합니다. 참가자 또는 법적 보호자로부터 정보에 입각한 동의를 얻고 연구에 참여하는 미성년자로부터 승천합니다. 참가자를 모의 MRI 스캐너에 배치하여 MRI 환경에 익숙해지도록 하는 것으로 시작합니다.

그런 다음 작업 지침을 이해하고 동작 작업의 연습 실행을 완료하는 동안 스캐너 소음의 오디오 녹음을 재생하는지 확인합니다. 참가자가 실제 스캔 중에 사용될 것과 동일한 MRI 안전 입력 상자를 사용하도록 하고 모든 목표 자극에 반응하여 검지 손가락으로 한 버튼을 누르고 다른 모든 자극에 대해 가운뎃손가락으로 다른 버튼을 누르도록 지시합니다. 피험자가 모의 스캐너에 익숙해지면 3.0 Tesla MRI 스캐너에 넣습니다.

먼저, 손상된 그래디언트 리콜 획득 펄스 시퀀스를 사용하여 3D 공동 계획자 해부학적 T one 가중치 이미지를 포함한 구조 이미지 세트를 획득합니다. 그런 다음 전체 뇌 범위를 가진 gradient echo echo planner 이미징 시퀀스를 사용하여 기능적 이미징 데이터를 획득합니다. 행동 과제 중 뇌 활동을 측정하려면 행동 과제의 각 실행에 대해 이 이미징 시퀀스를 사용하여 각각 약 4분 동안 지속되고 120개의 이미징 시점으로 구성된 8개의 기능 실행으로 작업을 제시합니다.

이미지를 사전 처리하여 분석을 시작하고, FSL 소프트웨어 내에서 FMRI 전문가 분석 도구를 열고, 1차 수준 분석 및 사전 통계를 선택합니다. 그런 다음 데이터 탭에서 입력 이미지의 수와 각 MR 이미지의 경로를 선택합니다. 또한 출력 디렉토리를 설정하십시오.

total volumes, number of discarded acquisitions(폐기된 획득 수) 및 TR을 입력합니다. 다음으로, pre stats 탭에서 모션 보정을 MFL 공간 스무딩 최대로 절반 최대 5mm로 설정하고 슬라이스 타이밍 보정을 선택합니다. B zero UN warping 및 intensity normalization을 선택하지 말고 BET brain extraction 및 high-pass temporal filtering을 선택합니다. 그런 다음 주요 구조 이미지에 대한 등록 탭에서 피사체의 두개골이 벗겨진 T 한 번의 스캔 경로를 입력합니다.

최소 6개의 자유도를 가진 선형 법선 탐색을 사용합니다. 그런 다음 표준 공간을 선택하고 MNI Atlas 이미지의 경로를 입력합니다. 자유도가 12인 일반 선형 검색을 사용하고 머리 움직임이 3mm보다 큰 참가자를 제외합니다.

이제 단일 실행 내에서 작업 조건 간의 데이터를 비교하려면 첫 번째 수준 분석, 통계 및 사후 통계를 선택합니다. 데이터 탭에서 입력 수를 설정하고 각 MR 이미지 및 출력 디렉토리의 경로를 입력합니다. 총 볼륨, 폐기된 취득 수 및 TR을 입력합니다. 다음으로, 통계 탭에서 use film, pre whitening and full model setup을 선택합니다.

원래 EV의 수를 작업 조건의 수로 설정합니다. 각 조건에 대해 기본 형상 메뉴에서 사용자 정의 3열 형식을 선택하고 회선 메뉴에서 이중 감마 HRF를 선택하고 작업 타이밍 형식이 포함된 텍스트 파일을 선택합니다. 이 텍스트 파일은 각 이벤트에 대해 하나의 항목이 있는 세 개의 열로 되어 있습니다.

첫 번째 열에는 시작 시간이 포함되어야 합니다. 두 번째는 지속 시간을 포함해야 하고 세 번째는 이벤트 가중치를 포함해야 합니다. 이제 대비 및 F 테스트 탭에서 각 테스트 조건 및 사후 통계에서 비교에 대해 하나의 대비를 생성하고, 임계값 설정 메뉴에서 클러스터를 선택하고, Z 임계값 및 클러스터 P 임계값을 각각 2.3 및 0.05로 설정합니다.

그런 다음 정합 탭에서 주요 구조 이미지를 선택하고 대상 두개골의 경로를 입력합니다. T 하나의 이미지를 벗겼습니다. 자유도가 6개 이상인 선형 법선 탐색을 사용하고 표준 공간을 선택합니다.

MNI Atlas 이미지의 경로를 입력하고 자유도가 12인 일반 선형 탐색을 사용합니다. 다음으로, 두 번째 수준 분석의 경우 실행 간 데이터를 비교합니다. 각 작업 조건에 대해 더 높은 수준의 분석 및 통계와 게시물 통계를 선택합니다.

그런 다음 데이터 탭에서 입력이 더 낮은 수준의 피트 디렉토리임을 선택합니다. 입력 수를 설정하고 각 MR 이미지의 경로를 입력합니다. 또한 출력 디렉토리의 경로와 Total Volumes Number of Discarded Acquisitions를 입력하고 통계 탭을 TR.In Mixed Effects flame one을 Fixed effects로 변경합니다.

모형 설정 마법사를 사용하여 단일 그룹 평균 및 프로세스를 선택합니다. 그런 다음 게시물 광고 탭의 임계값 지정 메뉴에서 클러스터를 선택하고 Z 임계값과 클러스터 P 임계값을 각각 2.3 및 0.05로 설정합니다. 이제 모든 실행에서 각 작업 조건에 대한 피험자 간의 데이터를 비교하려면 더 높은 수준의 분석 및 통계와 사후 통계를 선택합니다.

데이터 탭에서 피트 디렉토리의 3D COPE 이미지를 선택합니다. 입력 수를 설정하고 각 이미지의 경로를 입력합니다. output directory, total volumes, number of discarded acquisitions, TR을 입력합니다. 그런 다음 통계 탭에서 전체 모델 설정을 선택합니다.

EV의 수를 그룹 변수 및 공변량의 수와 동일하게 설정합니다. 각 ev에 대한 각 제목의 값을 입력합니다. 마지막으로, 반대로 F 테스트를 보냅니다.

각 테스트 변수와 각 대비에 대한 대비를 추가합니다. 각 테스트 변수에 대해 적절한 ev 아래의 열에서 하나를 선택하여 대비를 설정합니다. 각 대비에 대해 첫 번째 값을 1로 설정하고 두 번째 값을 음수 값으로 설정합니다.

그런 다음 포스트 통계에서 임계값 설정 드롭다운 메뉴에서 클러스터를 선택하고 Z 임계값과 클러스터 P 임계값을 각각 2.3 및 0.05로 설정합니다. 여기에서 보이는 그룹 차이 사이에 표시되는 활성화 맵을 볼 수 있습니다. 여기서 가족성 고위험군은 표적 처리 과정에서 대조군보다 더 큰 활성화를 보였다.

이 영역에서, 대조군은 표적 처리 동안 가족성 고위험군보다 더 큰 활성화를 보였다. 여기서, 가족성 고위험군은 혐오적 대조군 동안 대조군보다 더 많이 활성화되었고, 여기서 대조군은 혐오적 대조군 동안 가족성 고위험군보다 더 많이 활성화되었으며, 이러한 활성화 지도는 연령과 관련된 집단 차이를 보여주었습니다. 여기에서 보이는 영역은 표적 처리 중 대조군보다 가족성 고위험군의 연령과 더 큰 양의 상관관계를 보입니다.

여기서 우리는 혐오적 기간 동안 가족성 고위험군보다 대조군에서 연령과 더 큰 긍정적인 상관관계를 가진 영역을 볼 수 있습니다. 대비가 중립보다 큽니다. 스캐너 환경에서 개인과 함께 작업하는 것은 매우 위험할 수 있음을 잊지 마십시오: MRI, 안전 검사, 적절한 안전 및 편안함 예방 조치와 같은 예방 조치와 이 절차를 수행하는 동안 항상 교육을 받아야 합니다.

이 기술은 또한 정신 분열증, 자폐증 및 외상 후 스트레스 장애와 같은 뇌 장애에서 비정상적인 신경 과정을 시각화하는 새로운 방법을 만들었습니다. 이 절차를 시도하는 동안 참가자가 침착하고 집중할 수 있도록 참가자와 의사 소통하는 것을 기억하는 것이 중요합니다. 이 기술을 숙달하면 제대로 수행하면 두 시간 안에 완료할 수 있습니다.

이 절차에 따라 유사한 코호트에서 신경 동기화에 대한 추가 질문에 답하기 위해 EEG와 같은 다른 방법을 수행할 수 있습니다.