Dynamiczna łączność funkcjonalna między obiektami ujawnia konfiguracje sieci mózgowych z chwili na chwilę napędzane przez paradygmaty ciągłe lub komunikacyjne

Dzięki naszej metodzie można określić i zwizualizować momenty w czasie, w których funkcjonalne interakcje mózgu są zsynchronizowane między badanymi. Główną zaletą naszego podejścia jest jego zdolność do dynamicznego śledzenia zmian w międzyosobniczych funkcjonalnych reakcjach mózgu w statystycznie uzasadniony sposób. Nasz pipeline umożliwia ocenę synchronizacji między sygnałami funkcjonalnymi różnych podmiotów.

Można to następnie porównać między różnymi populacjami, takimi jak osoby zdrowe i dotknięte chorobami i zaburzeniami, takimi jak autyzm i schizofrenia. Nasza metoda może przynieść korzyści wszelkim badaniom mającym na celu dynamiczne śledzenie synchronizacji między różnymi zestawami przebiegów czasu. Można to również zastosować do innych metod obrazowania, takich jak elektroencefalografia.

Wizualna demonstracja metody pozwoli nowym użytkownikom zrozumieć różne etapy przetwarzania metody, a także funkcjonalność graficznego interfejsu użytkownika. Procedurę obrazowania zademonstruje Roberto Martuzzi, wiodący operator rezonansu magnetycznego w naszym centrum badawczym. Dla każdego ochotnika, który ma być uwzględniony w analizie, należy wykonać co najmniej jedną funkcjonalną sesję obrazowania metodą rezonansu magnetycznego lub fMRI, w której skanowany ochotnik jest poddawany interesującemu go paradygmatowi rejestrowania czasu oraz jedną sesję obrazowania funkcjonalnego, w której skanowany ochotnik leży w spoczynku w skanerze z zamkniętymi oczami i jest instruowany, aby nie zasypiać.

Następnie uzyskaj strukturalną objętość MRI. Aby otworzyć pierwsze okno graficznego interfejsu użytkownika preprocessingu, wprowadź JOVE_GUI1 w terminalu MATLAB. Następnie kliknij Wprowadź dane fMRI, wybierz odpowiednie wyrównane objętości funkcjonalne i wprowadź czas powtarzania danych w sekundach w dedykowanym edytowalnym oknie tekstowym.

Kliknij przycisk Wprowadź dane T1 i wybierz trzy odpowiednie probabilistyczne objętości typu tkanki. Kliknij przycisk Wprowadź plik ruchu i wybierz plik tekstowy zawierający parametry ruchu z interesującej Cię sesji. Następnie wybierz, czy dane powinny zostać zdetrendowane i które współzmienne powinny zostać cofnięte.

Aby wstępnie przetworzyć dane, kliknij przycisk Przetwarzaj wstępnie i poczekaj, aż w oknie pojawi się ekran. Dane można ponownie przetworzyć w inny sposób, modyfikując opcje i ponownie klikając przycisk Przetwarzanie wstępne. Następnie wprowadź JOVE_GUI2 w terminalu MATLAB, aby otworzyć drugie okno graficznego interfejsu użytkownika przetwarzania wstępnego i kliknij wybierz dane, aby wybrać plik wstępnie przetworzonych danych.

Kliknij Wybierz atlas i wybierz plik Neuroimaging Informatics Technology Initiative lub NIFTI reprezentujący atlas, który ma zostać użyty do parcelacji. Kliknij opcję Wybierz odwrócone wypaczenie i wybierz plik NIFTI reprezentujący pole deformacji z Instytutu Neurologicznego w Montrealu do przestrzeni natywnej. Następnie kliknij wybierz wolumin fMRI i wybierz dowolny wolumin danych fMRI.

Aby wprowadzić informacje związane z przewijaniem, z listy typów przewijania wybierz liczbę klatek, które mają zostać usunięte przed i po oznaczonych klatkach. W oknie tekstowym progu przewijania wprowadź wartość progu przemieszczenia w klatce, powyżej której objętość fMRI powinna być czyszczona w milimetrach. Następnie wprowadź rozmiar przesuwanego okna W, który ma być używany do obliczeń Inter-Subjection Functional Correlation lub ISFC w czasach powtórzeń i kliknij przycisk Drukuj, aby wyświetlić orientacyjne kursy czasu atlasu przed i po krokach przewijania i filtrowania.

W przypadku obliczeń ISFC w oknie przesuwanym wprowadź JOVE_GUI3 w terminalu MATLAB, aby otworzyć pierwsze okno graficznego interfejsu użytkownika związane z ISCF i kliknij Załaduj dane, aby wybrać wszystkie odpowiednie pliki danych. Wybierz, czy wybrane segmenty sesji powinny zostać poddane randomizacji fazowej i wprowadź rozmiar okna w czasach powtórzeń, na podstawie których mają być obliczane pomiary łączności, a także rozmiar kroku w czasach powtórzeń, o który należy przesuwać kolejne okna. Zmodyfikuj tabelę typów sesji, aby określić, które z załadowanych segmentów sesji zostały pozyskane w tych samych warunkach eksperymentalnych, przy użyciu rosnących liczb całkowitych od jednego do maksimum, aby oznaczyć różne typy segmentów.

W odpowiednich edytowalnych oknach tekstowych wprowadź liczbę fałd bootstrappingowych, na których mają być wykonywane obliczenia ISFC, oraz liczbę podmiotów, które powinny stanowić grupę odniesienia dla każdej fałdy obliczeń ISFC. W sekcji parametrów chronometrażu wprowadź specyfikacje dotyczące tego, która część przebiegów czasowych powinna być analizowana, a następnie kliknij przycisk Wykres, aby wykonać obliczenia ISFC. Wyświetlacze będą stopniowo aktualizowane w miarę upływu czasu wraz z liczbą zagięć bootstrapping, które upłynęły.

Aby otworzyć drugie okno graficznego interfejsu użytkownika związane z ISFC, wprowadź JOVE_GUI4 w terminalu MATLAB. Aby wybrać pliki wyjściowe ISFC związane z bodźcami, kliknij opcję Załaduj dane ISFC i wybierz pliki wyjściowe ISFC związane z bodźcem. Aby wybrać pliki wyjściowe ISFC o wartości null, kliknij opcję Załaduj dane o wartości null i wybierz plik wyjściowy ISFC w stanie spoczynku lub pliki wyjściowe ISFC związane z randomizacją fazową, w zależności od użytego schematu generowania danych zerowych.

Następnie kliknij Załaduj książkę kodową i wybierz plik książki kodowej. W odpowiednim edytowalnym oknie tekstowym wprowadź wartość alfa w procentach, przy której przebiegi czasowe ISFC powinny być progowe w celu wyróżnienia znaczących zmian. Aby skonstruować rozkład zerowy, kliknij przycisk Kreśl, aby zainicjować proces progowania ISFC, dla którego wszystkie dostępne pomiary ISFC zerowe są agregowane dla danego połączenia, a następnie pomiary ISFC związane z bodźcem zostaną progowane zgodnie z wybraną wartością alfa.

Aby zobrazować wzorce przestrzenne ISFC w różnych punktach czasowych, przeciągnij suwak poniżej wykresu wycieczki ISFC. W tych reprezentatywnych sesjach oceniany film był wyświetlany od pięciu do 353 sekund z segmentem stanu spoczynku następującym po filmie od 386 do 678 sekund. Ponadto dla każdego badanego uzyskano jedną 310-sekundową sesję w stanie wyłącznie spoczynku.

Przebiegi czasowe ISFC zostały wygenerowane w oknach o długości W 10 i W 5 czasów powtórzeń dla trzech różnych reprezentatywnych połączeń obejmujących region pośredniczący w hamowaniu odpowiedzi i drugi zaangażowany odpowiednio w oczekiwanie poruszających się obiektów, koordynację sensoryczną lub przetwarzanie znaczeń słów. Szum jest większy przy czasach powtórek W 5, a zmiany ISFC z blokadą czasową obserwuje się w połączeniu z jednym i dwoma kursami czasu oglądania filmów. W tym przypadku odsetek osób wykazujących statystycznie istotne stany przejściowe ISFC z blokadą czasową jest pokazany dla tych samych trzech połączeń.

Stany nieustalone są liczniejsze przy większych długościach okien, ponieważ bardziej wiarygodne pomiary ISFC ułatwiają ekstrakcję i przy większych wartościach alfa, gdy wykrywanych jest więcej wyników fałszywie dodatnich. W tych reprezentatywnych danych, jeden fragment filmu był zaangażowany w hamowanie odpowiedzi związane z poruszającymi się obiektami i napędzał powszechne zmiany ISFC. Długość okna czasowego nie powinna być ani zbyt krótka, aby można było uzyskać wiarygodne szacunki, ani zbyt długa, aby uchwycić dynamikę ISFC.

Należy również użyć wystarczająco rygorystycznej wartości alfa, aby ograniczyć liczbę wyników fałszywie dodatnich. Pomiary ISFC można grupować w całe stany ISFC mózgu w celu specjalnego badania cech czasowych. Znaczące stany przejściowe ISFC można również przedstawić jako wykres odzwierciedlający przepływ informacji.