Methodenartikel

Netwerk Analyse van de default-Functioneel Connectiviteit MRI in temporale kwab epilepsie

DOI:

10.3791/51442

⸱

5 augustus 2014

 ,  ,  ,  , 
1Department of Neurology, Baylor College of Medicine, 2Neurology Care Line, Michael E. DeBakey VA Medical Center, 3Semel Institute for Neuroscience and Human Behavior, University of California, Los Angeles, 4Department of Neurology, University of California, Los Angeles

In dit artikel

Samenvatting

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

De standaardmodus Network (DMN) in temporale kwab epilepsie (TLE) wordt geanalyseerd in de rusttoestand van de hersenen met behulp van zaad-gebaseerde functionele connectiviteit MRI (fcMRI).

Samenvatting

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

Functionele connectiviteit MRI (fcMRI) is een fMRI-methode die de connectiviteit van verschillende hersengebieden op basis van de correlatie van BOLD signaal schommelingen in de tijd onderzoekt. Temporale kwab epilepsie (TLE) is de meest voorkomende vorm van volwassen epilepsie en bestaat uit meerdere hersenen netwerken. De standaard modus netwerk (DMN) is betrokken bij bewustzijn, rusttoestand cognitie en wordt verondersteld te worden beïnvloed in TLE waar epileptische aanvallen kunnen veroorzaken vermindering van het bewustzijn. De DMN bij epilepsie werd onderzocht met behulp van zaad gebaseerd fcMRI. De voorste en achterste naven van de DMN werden gebruikt als zaden in deze analyse. De resultaten tonen een scheiding tussen de voorste en achterste naven van de DMN in TLE in de basale toestand. Daarnaast werd een verhoogde DMN connectiviteit met andere hersengebieden in de linker TLE samen met een verminderde connectiviteit in juiste TLE wordt onthuld. De analyse toont hoe-zaad gebaseerde fcMRI kan worden om cerebrale netwerken probe bij dementie zoals TLE.

Inleiding

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

Functionele connectiviteit MRI (fcMRI) is een relatief recente analytische benadering van fMRI data die de relatie tussen verschillende hersengebieden gebaseerd op de gelijkenis van hun bloed zuurstof niveau afhankelijk (BOLD) signaal tijdreeksen kwantificeert - dit is "functioneel" connectiviteit genoemd, en is onderscheiden van anatomische connectiviteit die het bestaan ​​van fysieke verbindingen tussen de regio's (bijvoorbeeld witte stof vezels) beschrijft. In een bijzondere toepassing van deze benadering worden de tijdreeks opgevangen bij de deelnemer niet is betrokken bij een taak of in de zogenaamde "rusttoestand".

Hoewel het eerst beschreven in 1995 1, is er enorme belangstelling fcMRI resulteert in ongeveer 1.000 publicaties in verband met de techniek in 2012. FcMRI heeft intrinsieke voordelen ten opzichte van taakgericht fMRI in (1) dat er geen specifieke taak uit te voeren, ( 2) onderwerp samenwerking isniet nodig, (3) datasets kunnen worden gebruikt om verschillende netwerken te vragen, (4) een betere signaal-ruisverhouding aanwezig is waarschijnlijk te wijten aan verschillen in de cerebrale energetica betrokken, en (5) omzeiling van taakgerichte verwart 2. Als bewijs van het concept zijn fcMRI veranderingen aangetoond corresponderen met veranderingen in het EEG 3 en typisch veldpotentialen 4 in de hersenen.

Technieken van fcMRI analyse omvatten ROI /-zaad-gebaseerde technieken, onafhankelijke componenten analyse (ICA), grafentheorie analyse, Granger causaliteitsanalyse, plaatselijke werkwijzen (amplitude van laagfrequente fluctuaties, regionale homogeniteit analyse), en anderen 5. Geen enkele techniek is nog duidelijk blijk gaf van superioriteit over de andere, hoewel de meest populaire methoden zijn-zaad-based en ICA methoden 6. Zaad-gebaseerde fcMRI correleert temporele fluctuaties in BOLD signaal van een vooraf gekozen deel van het vermeende netwerk onder studie aangeduid als de "zaad1; of "gebied van belang (ROI)" naar alle andere delen van de hersenen. Hersengebieden geeft BOLD signaal correleren van het zaad gebied wordt gedacht dat delen van het betrokken netwerk bakenen. In tegenstelling, ICA maakt gebruik van een model-free data-driven analyse om spatio-temporeel gecorreleerd hersengebieden (onafhankelijke componenten, IC's) te halen door het analyseren van de hemodynamische signaal kenmerken van het gehele brein 5.

In de huidige manuscript wordt een beschrijving van methoden die in een eerder gepubliceerde studie rusttoestand zaad gebaseerde analyses van de DMN in TLE ingediend 7. TLE is de meest voorkomende vorm van volwassen epilepsie. Naast aanvallen, TLE veroorzaakt disfunctie van meerdere netwerken hersenen met inbegrip van geheugen, gedrag, denken en zintuiglijke functie 8. De DMN wordt gevormd door cerebrale regio subserving bewuste, rust-toestand cognitie. De DMN is gemeld te worden betrokken bij aanvallen in verband met verminderde consciousness 9,10. Bovendien, de hippocampus is de sleutel structuur betrokken bij TLE en is gedacht aan component van de DMN zijn. De connectiviteit van de PCC de hippocampale formatie zwakker dan bij andere DMN componenten, zoals mediale prefrontale en inferieure pariëtale cortex. Dit suggereert dat de hippocampus ofwel een subnetwerk van de DMN of een samenwerkend netwerk 11,12. Deze overeenkomsten tussen TLE en DMN opperen de mogelijkheid dat DMN functionele connectiviteit is veranderd in TLE. Deze analyse vergelijkt het DMN van patiënten met TLE met gezonde controles om inzicht te krijgen in de betrokkenheid van DMN in TLE krijgen. De connectiviteit van zaden geplaatst in de belangrijkste hubs van de DMN - de voorste en achterste hub regio's werden geanalyseerd 12. Zaden werden in de achterste naaf bestaande uit de retrosplenium / precuneus (Rsp / PCUN) en de voorste naaf bestaande uit de ventromediale prefrontale cortex (vmPFC) bij patiënten met TLE en geplaatstgezonde controles om de achterste en voorste subnetwerken van de DMN identificeren.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

1. Onderwerpen

  1. De onderzoekspopulatie van 36 personen bestaat uit 3 groepen: rechts TLE (n = 11), links TLE (n = 12) en gezonde controles (n = 13). Verkrijgen schriftelijke toestemming van alle vakken. De studie volgt de richtlijnen van de Universiteit van Californië, Los Angeles (UCLA) Institutional Review Board.
  2. De epilepsie onderwerp groepen moeten patiënten die kandidaat zijn voor anterieure temporale kwab resectie zoals bepaald door video-EEG-monitoring, hersen-MRI, PET-beeldvorming, en neuropsychologische testen. Patiënten moeten hun gebruikelijke medicatie blijven tijdens de fMRI scan en mag niet onmiddellijk worden gescand na een aanval. Zorg ervoor dat alle betrokkenen hebben normale hersenen MRI's en vrij zijn van neurologische ziekte (anders dan epilepsie in de patiëntengroepen) of gebruik maakt van neurologische medicijnen.

2. Imaging

  1. Gebruik een 3 Tesla MRI-systeem voor de beeldvorming. Verkrijgen axiale plakken voor functionele beelden met behulp van een echo vlakke imaging (EPI) sequentie en voor anatomische beelden met behulp van een verwend gradiënt teruggeroepen (SPGR) sequentie.
  2. Voer functionele beeldvorming met behulp van de volgende parameters: TR = 2000 msec, TE = 30 ms, FOV = 210 mm, matrix = 64 x 64, slice dikte 4 mm, 34 plakjes. Gebruik de volgende parameters voor hoge-resolutie structurele beeldvorming: TR = 20 msec, TE = 3 msec, FOV = 256 mm, matrix = 256 x 256, slice dikte 1 mm, 160 plakjes.
  3. Iedere opnamesessie moet 20 min. duren. Vraag de deelnemers om te ontspannen met gesloten ogen. Geen speciale auditieve input vereist.

3. Preprocessing van BOLD gegevens

  1. Preprocess de fMRI gegevens met behulp van FSL (fMRIB Software Library) softwareversie 4.1.6 (Oxford, UK, www.fmrib.ox.ac.uk / FSL) 13,14. Preprocessing zouden onder meer het volgende: Gebruik FSL MCFLIRT om beweging van het hoofd artefact 15 verwijderen. Gebruik FSL BET om nonbrain weefsel 16 te verwijderen met BET optie-F voor BOLD bestanden. Dit helpt een run fERDERE analyse stappen op het hersenweefsel alleen.
  2. In FEAT, lopen een minimaal bewerkte analyse met registratie. Selecteer "First-level analyse" en verander "Volledige analyse" naar "Pre-stats" van de bovenste twee knoppen.
    1. Onder Pre-statistieken tabblad, vink "BET hersenen winning" en selecteer "Geen" voor "Motion correctie" (zoals deze werden hierboven reeds gedaan). De functionele (BOLD) beelden registreren om het beeld (MNI) anatomische (SPGR) beelden, en vervolgens naar een standaard. Dit resulteert in de generatie van transformatie matrices, die later tijdens de analyse wordt gebruikt om de gekozen standaard ruimte in de hersenen van de ruimte van de patiënt zaden vervormen.
  3. Gebruik de gegenereerde transformatiematrix (genaamd "standard2example_func.mat") en transformeren CSF en witte stof ROI in individuele BOLD ruimte.
    1. Pak de tijdreeks van het CB en witte stof ROI met de opdracht fslmeants,met de ROI individuele patiënt ruimte als masker. Normaliseren van de gewonnen tijdreeksen met behulp van de software "R". De tijdreeksen worden gebruikt als regressoren de GLM later de overeenkomstige artefactuele signalen uit de analyse verwijderd.
  4. De volgende stap is het verwijderen van de bewegingen van het onderwerp gerelateerde artefacten. Voor regressie van de beweging parameters, stelt u de volgende binnen FSL FEAT voordat u het.
    1. Binnen het tabblad gegevens, gebruik-beweging gecorrigeerd en aan de hersenen uitgepakte bestand als input, stellen de TR waarde overeen te komen met uw dataset. Set high-pass filtering met behulp van een 100 sec filter. De hoogdoorlaat filtering signalen niet van belang, die van zeer lage frequentie te verwijderen. Een laagdoorlaatfilter om hoogfrequente signalen te verwijderen zal later in stap 4.1 worden toegepast.
    2. Binnen het tabblad Pre-statistieken, kies "Geen" onder "Motion correctie" zoals het was al gedaan. Verwijder het vinkje "BET hersenen extractie" zoals het reeds werd gedaan. Voeren ruimtelijke smoothingmet behulp van een 5 mm volledige breedte half maximum (FWHM).
    3. Binnen het tabblad statistieken, regressie de 6 motion parameters en hun tijdelijke derivaten. Selecteer "None" voor convolutie en check "Apply temporele filtering." Gebruik de output van FSL MCFLIRT om tekstbestanden verkeer parameters te krijgen, die vervolgens kunnen worden ingevoerd in de FEAT analysemodel om deze regressie in een General Linear Model (GLM)
    4. Voeg ook het CB en materie signalen wit die werden geëxtraheerd en genormaliseerd in de voorgaande stappen om de GLM. Selecteer "None" voor convolutie, voeg temporele derivaat, en verwijder het vinkje "Apply temporele filtering".

4. Statistische methoden

  1. De restproducten van preprocessing hierboven beschreven moet worden gebruikt voor zaad-gebaseerde correlatie. Deze residuen dienen eerst door een laagdoorlaatfilter van 0,1 Hz, vervolgens vernederd door aftrekken van de gemiddelde, gedeeld door de standaarddeviatie, en vervolgens geschaald door toevoegen100. Zaden worden gedefinieerd met een diameter van 6 mm in de standaard MNI ruimte met mricron software.
  2. De achterste en de voorste zaden moet overeenkomen met de volgende coördinaten: (1) Rsp / PCUN regio (x = 2, y = -60, z = 36) en (2) ventromedial prefrontale cortex (vmPFC; x = 3, y = 60, z = -1). Deze zaden bestemmingen zijn gedefinieerd in gezonde controles en worden getransformeerd naar het onderwerp ruimte in de volgende stap 17-19.
    1. De zaden moeten vervolgens worden omgevormd tot individuele functionele ruimte hersenen van elke proefpersoon van de standaard MNI ruimte. Gebruik hiervoor de transformatiematrix bovenstaande gegenereerd (genaamd "standard2example_func.mat") om het zaad te transformeren van standaard (MNI) ruimte aan de individuele functionele (BOLD) ruimte.
    2. Gebruik de fslmeants commando om de tijdreeksen te extraheren uit de eerder vernederd en geschaald resterende, met behulp van het zaad in het individuele subject ruimte als een masker. Normaliseren van de gewonnen tijdreeksen met behulp van de zachteware "R".
  3. Partiële correlaties tussen het zaad voxels en alle andere hersenen voxels moet afzonderlijk worden berekend voor elk onderwerp voor elke run. Hiervoor selecteert u in het FSL FEAT GUI "First-level analyse", en dan "Stats + Post-stats". Binnen het tabblad Gegevens, moeten de eerder vernederd en geschaald residuele worden gebruikt als input in FEAT.
  4. Stel de High pass filter cutoff naar 10.000, als de residu wordt al ging hoog op 100 sec. Binnen het tabblad Statistieken, deselecteer "Gebruik FILM prewhitening" en gebruik de eerder uitgepakte en genormaliseerd zaad tijdreeksen in de GLM. Binnen het tabblad Post-statistieken, de gewenste Z-stat drempel tot een waarde van 2,0.
  5. Voorafgaand aan het runnen groep analyse combineren runs binnen onderwerpen, zou een Fisher's Z-transformatie worden uitgevoerd op het COPE (Contrast van parameterschattingen) bestand gegenereerd uit de eerder run correlatie analyse (stap 4.3). Kopieer registratiegegevens frOM de directory "reg" van de FEAT analyse gedaan in stap 3.1 in de correlatie run van stap 4.3.
  6. Voer een hoger niveau analyse door het combineren runs binnen elk onderwerp. Hiervoor selecteert u in het FSL FEAT GUI "Higher-level analyse", en dan "Stats + Post-stats". In het tabblad "Data", kies "Ingangen zijn lager niveau FEAT directories" en voer loopt onderwerp uit stap 4.4. In het tabblad "Stats", kies "Mixed effecten: Simple OLS". Opgezet model als gemiddelde effect; voer waarde van 1 voor elk van de run van het onderwerp.
  7. Om gegevens te combineren dan loopt tussen subjecten, een Ordinary Least Squares (OLS) eenvoudige gemengde effecten analyse moet worden gebruikt. Voor deze, binnen de FSL FEAT GUI, kies "Higher-level analyse", en "Stats + Post-stats". Binnen het tabblad Gegevens, kies "Ingangen zijn lager niveau FEAT directories" en voer proefpersonen gecombineerd loopt vanaf stap 4.5.
  8. Binnen het tabblad Statistieken, kies "Mixed effecten: Simple OLS" 'Het opzetten van een model als 3 groepen; voer waarde van 1 voor de groep elk onderwerp behoort, 0 anders. Fractie analyse moet worden uitgevoerd op elke voxel met een eenzijdige ANOVA met drie niveaus wat overeenkwam met de drie groepen (TLE rechts, links TLE en gezonde controles).
  9. Om de drempel Z statistiek afbeeldingen clustervorming drempel van Z> 2.0 en gecorrigeerd cluster aanzienlijke drempel van p = 0,05 20. Om correcte z-waarden de correlatie kaart verkrijgen, moet een omgekeerde Fisher Z transformatie worden uitgevoerd op de resultaten.
  10. De volgende specifieke contrasten moeten worden vergeleken (1) rechts TLE> controles; (2) links TLE> controles; (3) rechts TLE> links TLE; (4) links TLE> rechts TLE; (5) controle> juiste TLE; (6) controle> links TLE; (7) TLE (gecombineerd rechts en links)> controle; en (7) controle> TLE (gecombineerde rechts en links).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

Figuur 1 toont de DMN onthuld met aansluiting bij een posterior zaad (RSP / PCUN, rood-gele kleuren) en een anterieure zaad (vmPFC, blauw-groene kleuren) en vergelijkt de netwerken in de verschillende groepen proefpersonen (figuren 1A-C) en tussen elkaar, namelijk gezonde controles vergeleken alle patiënten met TLE (figuren 1D en 1E) en gezonde controles afzonderlijk vergeleken links TLE (fig. 1F en 1G) en rechter TLE <...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Epilepsie wordt gedacht aan een netwerk ziekte, en afwijkingen van de betrokken netwerken aanwezig zijn tijdens aanvallen en in de interictale staat 21. Taakgebaseerd fMRI is gebruikt om afwijkingen van de taal en geheugen netwerken TLE 8 analyseren. FcMRI heeft inherente voordelen in het bestuderen van de DMN 12 want het is een netwerk vooral actief in de rusttoestand. De DMN is een netwerk van hersengebieden die is gevonden actief in wakkere mensen die ongestoord zijn links en zijn bez...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

Dr Engel wordt gefinancierd door NIH Grants P01 NS02808, R01 NS33310 en U01 NS42372, heeft patenten WO 2009/123734A1, en WO 2009/123735A1, royalty's ontvangt van MedLink, Wolters Kluwer, Blackwell en Elsevier, en heeft honoraria ontvangen van Medtronics , Wolters Kluwer, en Best Doctors. Dr Stern heeft gediend als een betaalde adviseur voor UCB en Lundbeck. Dr Stern is een redacteur van MedLink Neurologie, en heeft royalties van Wolters Kluwer en van McGraw-Hill ontvangen. De overige auteurs hebben geen onthullingen of belangenconflicten te verklaren.

Dankbetuigingen

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

Financiering voor dit onderzoek werd verstrekt door The Epilepsy Foundation of America, Baylor College of Medicine Computational and Integrative Biomedical Research Center (CIBR) Seed Grant Awards (ZH); NIH-NINDS K23 Grant NS044936 (JMS); . en The Leff Family Foundation (JMS) Data acquisitie werd bijgestaan ​​door: Elizabeth Pierce (UCLA).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
MRI-apparaat
Linux-werkstation met geïnstalleerde software voor beeldanalyse

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Zaadgebaseerde correlatierusttoestand fMRIhersennetwerkanalyseanterieur posterieure hubsfunctionele MRI voorbehandelingFSL softwareanalysegroepvergelijkingsstatistiek

Gerelateerde artikelen