Artykuł metodologiczny

Pomiar aktywności czołowo-limbicznej za pomocą emocjonalnego zadania dziwacznego u dzieci z rodzinnym wysokim ryzykiem schizofrenii

DOI:

10.3791/51484

⸱

2 grudnia 2015

 ,  ,  ,  ,  ,  ,  , 
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

W tym artykule

Podsumowanie

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

Ten artykuł opisuje, jak wykorzystać emocjonalne zadanie dziwaka i fMRI do pomiaru aktywacji mózgu u dzieci i młodzieży z rodzinnie wysokim ryzykiem schizofrenii (FHR). FMRI zostało użyte do pomiaru różnic w regionach czołowo-prążkowo-limbicznych podczas emocjonalnego dziwnego zadania. Dzieci z FHR wykazywały nieprawidłową aktywację funkcjonalną w okresie dojrzewania.

Streszczenie

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

Okres dojrzewania to krytyczny okres rozwojowy, w którym często pojawiają się wczesne objawy schizofrenii. Krewni pierwszego stopnia osób ze schizofrenią, którzy są w grupie rodzinnego wysokiego ryzyka (FHR), mogą wykazywać podobne zmiany poznawcze i emocjonalne. Jednak zmiany neurologiczne leżące u podstaw pojawienia się tych objawów pozostają niejasne. Badanie to miało na celu zidentyfikowanie różnic w obszarach czołowych, prążkowiowych i limbicznych u dzieci i młodzieży z FHR za pomocą funkcjonalnego rezonansu magnetycznego. Grupy składające się z 21 dzieci i młodzieży w FHR oraz 21 zdrowych osób z grupy kontrolnej wykonały emocjonalne, dziwaczne zadanie, które opierało się na selektywnej uwadze i tłumieniu informacji emocjonalnych nieistotnych dla zadania. Standardowe zadanie zostało zmodyfikowane tak, aby zawierało awersyjne i neutralne dystraktory w celu zbadania potencjalnych różnic grupowych zarówno w przetwarzaniu emocjonalnym, jak i wykonawczym. To zadanie zostało zaprojektowane specjalnie po to, aby umożliwić dzieciom i młodzieży wykonanie tego zadania poprzez dostosowanie trudności i treści obrazu emocjonalnego do wieku. Ponadto demonstrujemy technikę odpowiedniej rejestracji fMRI dla dzieci i młodzieży. Paradygmat ten może być również zastosowany w przyszłych badaniach do pomiaru zmian w aktywności neuronalnej w innych populacjach z hipotetycznymi zmianami rozwojowymi w przetwarzaniu wykonawczym i emocjonalnym.

Wprowadzenie

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

Schizofrenia jest zaburzeniem neurorozwojowym o znanym komponencie genetycznym1,2 i z objawami obejmującymi deficyty zarówno w przetwarzaniu wykonawczym, jak i emocjonalnym3,4. Uważa się, że krewni pierwszego stopnia są narażeni na zwiększone ryzyko rozwoju schizofrenii i wykazano, że dzielą niektóre z tych samych deficytów neuropoznawczych zarówno wsferze poznawczej, jak i społeczno-emocjonalnej. W związku z tym spodziewamy się, że aktywność mózgu w regionach związanych z przetwarzaniem wykonawczym i emocjonalnym może być zmieniona u zagrożonych członków rodziny przed wystąpieniem objawów klinicznych.

Poprzednie badania wykazały, że zarówno dorośli ze schizofrenią, jak i dorośli z rodzinnym wysokim ryzykiem wykazują nieprawidłową aktywność w sieciach przetwarzania wykonawczego i emocjonalnego; jednak pozostaje niejasne, jak te zmiany zachodzą podczas rozwoju. Wykazanie, że zmiany te zachodzą we wczesnym okresie życia, będzie kluczowym pierwszym krokiem w zrozumieniu patofizjologii zaburzenia. Dlatego w tym badaniu wykorzystano emocjonalny paradygmat dziwaka podczas funkcjonalnego skanowania MRI (fMRI) w celu zmierzenia aktywności mózgu podczas wykonywania zadania, które wymaga zarówno przetwarzania wykonawczego, jak i emocjonalnego u nastolatków, którzy są zagrożeni rozwojem schizofrenii. Paradygmaty Oddballa są często wykorzystywane do badania funkcji obwodów czołowo-prążkowych w schizofrenii6 oraz u osób z rodzinnym wysokim ryzykiem7 poprzez pomiar selektywnych procesów uwagi przypisanych do bodźców docelowych istotnych dla danego zadania. W tym przypadku standardowe dziwaczne zadanie zostało zmodyfikowane tak, aby zawierało nieistotne dla zadania bodźce awersyjne i neutralne, które, jak wykazano, wywołują zmiany w aktywności mózgu u pacjentów ze schizofrenią8.

Ten artykuł mierzy funkcjonalne różnice między zdrowymi nastolatkami a nastolatkami z wysokim rodzinnym ryzykiem schizofrenii za pomocą emocjonalnego dziwacznego zadania. Projekt zadania jest podobny do tego zastosowanego przez Fichtenholtza i współpracowników9, ale wybór awersyjnych obrazów emocjonalnych został zmodyfikowany tak, aby był odpowiedni dla dzieci w wieku od 9 do 18 lat. Zastosowanie tego zadania podczas funkcjonalnego rezonansu magnetycznego pozwoliło na zidentyfikowanie określonych obszarów mózgu, które wykazywały wzorce hiperaktywacji i hipoaktywacji u dzieci i młodzieży z FHR w schizofrenii, a także związane z wiekiem zmiany w aktywności neuronalnej podczas rozwoju nastolatka.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

Techniki badawcze użyte podczas tego badania zostały zatwierdzone przez instytucjonalne komisje rewizyjne (IRB) Uniwersytetu Duke'a i Uniwersytetu Północnej Karoliny - Chapel Hill.

1. Projektowanie zadań obrazowania

  1. Wygeneruj zadanie behawioralne oparte na zdarzeniach, które przedstawia rzadkie bodźce docelowe (okrąg) w sekwencji częstszych bodźców standardowych (zaszyfrowane obrazy). Schemat zadania przedstawiono na rysunku 1. Przedstaw zadanie za pomocą oprogramowania CIGAL10.

figure-protocol-1
Rysunek 1. Schemat projektu zadania. Rysunek ten został zmodyfikowany na podstawie Hart et al.20, za zgodą. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Wybierz zestaw bodźców awersyjnych i zestaw bodźców neutralnych z bazy danych Międzynarodowego Systemu Obrazów Afektywnych (IAPS). Obrazy IAPS są oceniane w skali od 1 do 9 w celu odzwierciedlenia poziomów pobudzenia i walencji11. Wysokie liczby wskazują na wyższą pozytywną walencję i pobudzenie. Wybierz zestaw obrazów, które są odpowiednie dla wieku badanej grupy, np. zdjęcia węży, pająków lub innych zwierząt.
    Uwaga: Obrazy bodźców awersyjnych niezwiązanych z zadaniem użyte w tym badaniu miały średnią ocenę walencji 3,38 (SD = 1,78) i średnią ocenę pobudzenia 6,14 (SD = 2,08). Obrazy bodźców neutralnych miały średnią wartościowość 6,21 (SD = 0,26) i średnią ocenę pobudzenia 3,72 (SD = 2,15).
  2. Zaprogramuj skrypt zadania w taki sposób, aby obrazy były prezentowane w pseudolosowej kolejności przez 1 500 ms ze średnim interwałem między bodźcami wynoszącym 500 ms. Prezentuj bodźce docelowe i neutralne obrazy niezwiązane z zadaniem nie częściej niż co 15 sekund i wykonuj około 4% bodźców każdy. Czasy wystąpienia zdarzeń jitter w celu zapewnienia lepszej rozdzielczości funkcji odpowiedzi hemodynamicznej.
  1. Utwórz 8 zestawów obrazów, po jednym dla każdego z 8 przebiegów funkcjonalnych, tak aby uczestnicy otrzymali łącznie 40 celów i 40 neutralnych obrazów niezwiązanych z zadaniem w ciągu wszystkich 8 przebiegów.

2. Konfiguracja i skanowanie uczestników

  1. Rekrutuj dzieci i młodzież w wieku od 9 do 18 lat, które są zdrowymi osobami z grupy kontrolnej lub są w rodzinie narażone na wysokie ryzyko psychozy.
    1. Upewnij się, że zdrowe osoby nie mają chorób psychicznych ani żaden członek rodziny pierwszego stopnia z chorobą psychiczną. Upewnij się, że uczestnicy ryzyka rodzinnego mają co najmniej jednego krewnego pierwszego stopnia (rodzica lub rodzeństwo) ze schizofrenią. Nie należy ich wykluczać ze względu na obecność innych chorób psychicznych u krewnych pierwszego stopnia.
    2. Wiek i płeć dopasowują zdrowych uczestników do uczestników z rodzinnej grupy ryzyka.
  2. Uzyskaj świadomą zgodę od uczestników w wieku powyżej 18 lat. W przypadku osób niepełnoletnich należy uzyskać świadomą zgodę rodziców/opiekunów prawnych. Dodatkowo należy uzyskać pisemną zgodę osób niepełnoletnich, które biorą udział w badaniu.
  3. Umieść uczestników w symulowanym skanerze MRI, aby zapoznać ich z otoczeniem. Odtwórz nagranie dźwiękowe dźwięku dźwięku skanera i poproś ich, aby wykonali ćwiczenie zadania behawioralnego, aby upewnić się, że rozumieją instrukcje zadania.
  4. Umieść uczestnika w skanerze MRI i uzyskaj wszelkie niezbędne skany lokalizacji mózgu i/lub obrazy anatomiczne.
  5. Korzystając z pola wejściowego bezpiecznego dla rezonansu magnetycznego, powiedz uczestnikom, aby nacisnęli jeden przycisk palcem wskazującym w odpowiedzi na wszystkie bodźce docelowe, a drugi przycisk palcem środkowym w przypadku wszystkich innych bodźców.
  6. Po skanowaniu fMRI zbierz subiektywne oceny pobudzenia i walencji dla obrazów wykorzystanych w badaniu od podgrupy uczestników. Obecne badanie uzyskało oceny od 15 osób z grupy kontrolnej i 13 osób z rodzinnym wysokim ryzykiem.

3. Akwizycja obrazu

  1. Umieść uczestników w skanerze MRI 3.0 Tesla. Po pierwsze, uzyskaj zestaw obrazów strukturalnych, w tym współpłaszczyznowy anatomiczny obraz 3D z kontrastem T1 przy użyciu zepsutej sekwencji impulsów akwizycyjnych przywołanych gradientowo (TR: 5,16 ms; TE: 2,04 ms; Pole widzenia: 24 cm; matryca obrazu: 256 × 256; Kąt odwrócenia: 20; rozmiar woksela: 0,94 mm × 0,94 mm × 1,9 mm; 68 warstw osiowych).
  2. Pozyskiwanie funkcjonalnych danych obrazowania za pomocą sekwencji obrazowania echo-płaskiego echa gradientowego z pokryciem całego mózgu (TR: 2,000 ms; TE: 27 ms; Pole widzenia: 24 cm; matryca obrazu: 64 × 64; Kąt odwrócenia: 60; rozmiar woksela: 3,75 mm × 3,75 mm × 3,8 mm; 34 wycinki osiowe), dzięki czemu aktywność mózgu może być mierzona podczas wykonywania zadania behawioralnego. Uruchom tę sekwencję obrazowania dla każdego uruchomienia zadania behawioralnego. Każdy bieg powinien składać się ze 120 punktów czasowych obrazowania.
  3. Przedstaw zadanie w 8 funkcjonalnych seriach, z których każdy trwa około 4 minut.

4. Analizy

  1. Wstępne przetwarzanie obrazu: Otwórz narzędzie fMRI Expert Analysis Tool (FEAT) w FSL12. Wybierz Analiza pierwszego poziomu i Statystyki wstępne.
    1. Na karcie "Dane" wybierz liczbę obrazów wejściowych i wprowadź ścieżkę do każdego z obrazów MR, które zamierzasz przetworzyć. Ustaw katalog wyjściowy. Wprowadź łączną liczbę woluminów, liczbę odrzuconych przejęć i TR.
    2. Na karcie "Statystyki wstępne" ustaw korekcję ruchu na MCFLIRT, Wygładzanie przestrzenne FWHM na 5 mm i "Korekcja czasu cięcia". Wybierz filtrowanie czasowe "BET brain extraction" i "Highpass", ale nie wybieraj B0 unwarping (jeśli masz mapę pola gradientu) lub "Intensitiy normaization". Rozdział 12,14.
    3. W zakładce "Rejestracja" wybierz "Główny obraz konstrukcyjny". Wprowadź ścieżkę do obrazu T1 z czaszką fotografowanej osoby. Użyj liniowego wyszukiwania normalnego z co najmniej 6 stopniami swobody. Zaznacz pole wyboru Pomieszczenie standardowe. Wprowadź ścieżkę do obrazu atlasu MNI. Użyj normalnego, liniowego wyszukiwania z 12 stopniami swobody. Naciśnij przycisk Przejdź.
    4. Wyklucz uczestników, których ruch głowy jest większy niż 3 mm w kierunku X, Y lub Z.
  2. Poziom 1: Porównywanie danych między warunkami zadania w ramach jednego przebiegu. Otwórz FEAT. Wybierz "Analiza pierwszego poziomu" i "Statystyki + Post-statystyki".
    1. Na karcie Dane ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów MR. Wprowadź ścieżkę do "Katalogu wyjściowego". Wprowadź "Łączne wolumeny", liczbę odrzuconych nabytków i TR.
    2. Na karcie "Statystyki" zaznacz pole wyboru "Użyj wstępnego wybielania FILMU"16. Naciśnij przycisk "Pełna konfiguracja modelu". Ustaw "Liczba oryginalnych EV" na liczbę warunków zadania. Dla każdego warunku wybierz "Niestandardowy (format 3-kolumnowy)" z menu rozwijanego kształtu podstawowego oraz "Double-Gama HRF z menu rozwijanego "Konwolucja"17,18 i wybierz plik tekstowy zawierający czas zadania.
      1. Sformatuj ten plik tekstowy w 3 kolumnach z jednym wpisem dla każdego "zdarzenia" danego typu. Pierwsza kolumna powinna zawierać czas rozpoczęcia (w sekundach), druga powinna zawierać czas trwania (w sekundach), a trzecia powinna zawierać wagę zdarzenia. Na karcie Kontrasty i testy F utwórz jeden kontrast dla każdego warunku zadania i jeden dla każdego porównania.
    3. W zakładce "Post-stats" wybierz "Klaster" z menu rozwijanego "Thresholding" i ustaw "Próg Z" i próg Cluster P na 2,3 i 0,05 odpowiednio8,19.
    4. W zakładce "Rejestracja" wybierz "Główny obraz konstrukcyjny". Wprowadź ścieżkę do obrazu T1 z czaszką fotografowanej osoby. Użyj liniowego wyszukiwania normalnego z co najmniej 6 stopniami swobody. Zaznacz pole wyboru "Przestrzeń standardowa". Wprowadź ścieżkę do obrazu atlasu MNI. Użyj normalnego, liniowego wyszukiwania z 12 stopniami swobody. Naciśnij "Idź".
  3. Poziom 2: Porównaj dane między uruchomieniami dla każdego warunku zadania. Otwórz FEAT. Wybierz "Analiza wyższego poziomu" i "Statystyki + Post-statystyki" z menu rozwijanego.
    1. Na karcie Dane wybierz opcję "Dane wejściowe są katalogami FEAT niższego poziomu". Ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów MR. Wprowadź ścieżkę do "Katalogu wyjściowego".
    2. Na karcie "Statystyki" zmień pole wyboru "Mixed Effects: FLAME1" na "Fixed Effects". Naciśnij przycisk "Kreator ustawień modelu". Wybierz "średnia dla pojedynczej grupy" i kliknij przycisk "Proces".
    3. W zakładce "Post-stats" wybierz "Klaster" z menu rozwijanego "Thresholding" i ustaw próg "Próg Z" i "Próg P" na 2,3 i 0,05 odpowiednio8,19. Naciśnij "Idź".
  4. Poziom 3: Porównaj dane między tematami dla każdego warunku zadania we wszystkich przebiegach. Otwórz FEAT. Wybierz "Analiza wyższego poziomu" i "Statystyki + Post-statystyki" z menu rozwijanego.
    1. Na karcie Dane wybierz opcję "Dane wejściowe to obrazy 3D z katalogów FET". Ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów MR. Wprowadź ścieżkę do "Katalogu wyjściowego".
    2. Na karcie "Statystyki" naciśnij "Pełna konfiguracja modelu". Ustaw liczbę EV równą liczbie zmiennych grupy i współzmiennych, takich jak grupa diagnostyczna, wiek, płeć itp. Wprowadź wartości dla każdego tematu (Wejście 1 – Wejście n) dla każdego EV. Możesz użyć okna "Wklej", aby skopiować arkusz kalkulacyjny z tymi wartościami.
      1. W zakładce "Kontrasty i testy F" dodaj kontrast dla każdej zmiennej testowej i dla każdego kontrastu (np. grupy diagnostycznej). Dla każdej zmiennej testowej ustaw kontrast, wybierając wartość 1 w kolumnie pod odpowiednią EV. Dla każdego kontrastu ustaw pierwszą wartość na 1, a drugą na -1. Wybierz "Gotowe".
    3. W zakładce "Post-stats" wybierz "Klaster" z menu rozwijanego "Thresholding" i ustaw próg "Próg Z" i "Próg P" na 2,3 i 0,05 odpowiednio8,19. Naciśnij "Idź".

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Nie było różnic między grupami na podstawie cech demograficznych20. Dane behawioralne wskazują, że zadanie wykrywania celu jest na odpowiednim poziomie trudności dla dzieci i młodzieży w wieku 9-18 lat. W obecnym badaniu grupa kontrolna prawidłowo zidentyfikowała 82,36% celów (S.D. = 0,14), a rodzinna grupa ryzyka prawidłowo zidentyfikowała 76,8% celów (S.D. = 0,17). Obie grupy wykazały mniejszą dokładność w identyfikowaniu obrazów emocjonalnych w porównaniu z obrazami neutralnymi (F...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

Wykazano, że zmodyfikowany paradygmat emocjonalnego dziwaka w obecnym badaniu wywołuje różnice w rekrutacji neuronalnej podczas selektywnej uwagi i przetwarzania emocjonalnego u dzieci i młodzieży zagrożonych schizofrenią. Podczas gdy istniejące paradygmaty wykorzystujące zadanie emocjonalnego dziwactwa zostały wykorzystane do zbadania zmian neuronalnych w populacjach dorosłych z chorobami psychicznymi8, obecny paradygmat może być szczególnie przydatny do pomiaru markerów podatności w młodszych grupach wiekowy...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Dr Perkins otrzymuje obecnie wsparcie grantowe od firmy Janssen i jest konsultantem firmy Dainippon. W przeszłości dr Perkins jest lub był członkiem biura prelegenta Eli Lilly i AstraZeneca. Dr Perkins otrzymał wcześniej granty od firm AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen i Pfizer; oraz opłaty konsultingowe i edukacyjne od firm AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer i Shire. Wszyscy pozostali autorzy deklarują brak biomedycznych interesów finansowych ani potencjalnego konfliktu interesów.

Podziękowania

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

Dziękujemy Erin Douglas, Annie Evans i Carolyn Bellion za ich wkład w rekrutację uczestników i ocenę kliniczną. Dziękujemy również Michaelowi Caspowi, Zoe Englander, Justinowi Woodliefowi i Jamesowi Carterowi za ich wkład w gromadzenie i analizę danych oraz Robertowi M. Hamerowi za konsultacje w zakresie analizy statystycznej i redakcji manuskryptu. Na koniec dziękujemy osobom i ich rodzinom, które wzięły udział w tym badaniu.

To badanie było wspierane przez grant P5 MH064065 0 z Narodowego Instytutu Zdrowia Psychicznego. Dr Hart był wspierany przez T32 HD040127 z National Institute of Child Health and Human Development.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Skaner MRI 3TGEBIAC 3T (wymieniony)
Skaner

Bibliografia

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

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Funkcjonalny rezonans magnetycznyryzyko schizofreniiMRI dzieci i m odzie yprojektowanie zada behawioralnychanaliza danych fMRItrening w skanerze imitacyjnymawersyjne bod ce neutralne

Powiązane artykuły