Сеть Анализ стандартный режим сети с помощью функциональной связности МРТ в височной эпилепсии

Общей целью данного эксперимента является получение статистических карт. Сравнение разницы в состоянии покоя, сканирование FMRI между здоровыми людьми и пациентами с эпилепсией. Это достигается за счет получения данных ФМРТ у пациентов с височной эпилепсией, а также у здоровых участников контрольной группы.

В качестве второго шага происходит предварительная обработка FMRI, которая подготавливает данные к статистическому анализу. Затем предварительно обработанные данные FMRI анализируются с целью получения статистически достоверных сравнений между двумя группами. Получены результаты, которые показывают различия в сетях мозга у пациентов с эпилепсией по сравнению с сетями мозга здоровых субъектов контрольной группы.

Основываясь на статистических различиях в картах мозговых сетей между этими двумя группами, становится все более очевидным, что даже эпилепсии, которые проявляются фокальными припадками, являются эмерджентными свойствами диффузных сетевых нарушений. Идея этой техники возникла после того, как мы осознали важность сети DEF Favo во время приступов и задались вопросом, является ли стандартная сеть LO аномальной между приступами при височной эпилепсии. Исследуемая популяция для этого протокола должна включать три группы, верно?

Пациенты с височной эпилепсией, пациенты с эпилепсией левой височной доли, а также здоровые контрольные группы. Всего рекомендуется около 35 предметов. Группами пациентов с эпилепсией должны быть пациенты с диагнозом височной эпилепсии, такие как кандидаты на резекцию передней височной доли, что определяется видео, мониторинг ЭЭГ, ПЭТ-визуализация и нейропсихологическое тестирование гарантируют, что все субъекты имеют нормальные результаты МРТ головного мозга и не имеют неврологических заболеваний, отличных от эпилепсии в группах пациентов.

Получите одобрение IRB и письменное информированное согласие от всех пациентов до проведения визуализации и скрининга на МРТ. Безопасность. Пациенты должны продолжать принимать свои обычные лекарства во время сканирования FMRI и не должны проходить сканирование сразу после приступа. Система МРТ с тремя Тесла должна использоваться для всех визуализаций, описанных в этом протоколе.

Получение аксиальных срезов для функциональных изображений с помощью эхо-планарной последовательности визуализации, а для анатомических изображений — с помощью испорченной градиентной последовательности. Попросите участников расслабиться и оставаться неподвижными с закрытыми глазами и выполнить функциональную визуализацию с использованием параметров, показанных здесь. Также используйте следующие параметры для одновзвешенной структурной визуализации S PGR T с высоким разрешением.

Каждый сеанс визуализации должен длиться около 20 минут. Сначала начните с предварительной обработки данных FMRI с помощью программного обеспечения FSL. Используйте FSL MFL для удаления артефакта движения головы.

Затем используйте инструмент для извлечения мозга FSL или BET для удаления тканей, не относящихся к мозгу, с помощью опции тире F для жирных файлов. Это позволяет проводить дальнейшие этапы анализа только на мозговой ткани. Далее в футах запускаем минимально обработанный анализ с регистрацией.

Выберите анализ первого уровня и измените полный анализ на предварительную статистику с помощью двух верхних кнопок. Затем на вкладке pres stats снимите флажок bet brain extraction и выберите none for motion correction, так как они уже были выполнены. Затем зарегистрируйте функциональные изображения в анатомических изображениях, а затем в стандартном изображении MNI.

Это приводит к созданию матриц преобразований, которые используются позже во время анализа для деформации семени, выбранного в стандартном пространстве, в пространство мозга субъекта. Затем используйте сгенерированную матрицу преобразования с именем standard для примера funk dot mat и преобразуйте ROI спинномозговой жидкости и белого вещества в отдельное жирное пространство. Затем с помощью команды FSL mean TS извлеките временные ряды из ROI спинномозговой жидкости и белого вещества.

Используя ROI в отдельном предметном пространстве в качестве маски, нормализуйте извлеченные временные ряды с помощью программного обеспечения R. Эти временные ряды позже будут использоваться в качестве регрессоров в общей линейной модели для удаления соответствующих артефактных сигналов из анализа. Следующим шагом является удаление артефактов, связанных с движением объекта. Для регрессии параметров движения.

Установите следующее значение в футах FSL, прежде чем запускать его сначала на вкладке данных, используйте файл с коррекцией движения и извлеченным мозгом в качестве входных данных и установите значение TR в соответствии с вашим набором данных. Установите фильтрацию высоких частот с помощью фильтра 102-го цвета, который будет удалять сигналы очень низких частот, не представляющие интереса. Фильтр нижних частот для удаления высокочастотных сигналов будет применен позже на вкладке статистики.

Выберите «Нет» в разделе «Коррекция движения» и снимите флажок, но «Извлечение мозга». После выполнения этих шагов выполните пространственное сглаживание с помощью пятимиллиметрового полуширины максимума. Затем на вкладке статистики регрессируйте шесть параметров движения и их временные производные.

Выберите «Нет» для свертки и отметьте флажок «Применять временную фильтрацию». Используйте выходные данные F selmic flirt для получения текстовых файлов с параметрами движения, которые затем могут быть введены в анализ ног для регрессии их в общей линейной модели. Кроме того, добавьте в GLM сигналы спинномозговой жидкости и белого вещества, которые были извлечены и нормализованы на предыдущих шагах.

Выберите «Нет» для свертки. Добавьте темпоральную производную и снимите флажок Применить временную фильтрацию. Остатки от предварительной обработки, описанные выше, следует использовать для корреляции на основе затравок.

Эти остатки должны быть сначала пропущены через фильтр с низкой частотой 0,1 герца PESS, затем уменьшены путем вычитания среднего значения, деления на стандартное отклонение, а затем масштабированы путем добавления 100 семян с диаметром шесть миллиметров. В стандартном пространстве MNI. При использовании программного обеспечения для МРТ коронки задние и передние семена должны соответствовать координатам, как показано здесь.

Обратите внимание, что эти начальные местоположения были определены в работоспособных элементах управления. Впоследствии семена должны быть преобразованы в индивидуальное функциональное пространство мозга каждого субъекта из стандартного пространства MNI. Для этого используйте ранее сгенерированную матрицу преобразований, чтобы преобразовать начальное значение из стандартного пространства m и i в индивидуальное функциональное пространство.

Затем используйте команду FSL mean Ts, чтобы извлечь временной ряд из ранее униженной и масштабированной невязки. Использование семени в отдельном предметном пространстве в качестве маски. Нормализуйте извлеченные временные ряды с помощью программы R: частичные корреляции между исходными вокселями и всеми их мозговыми вокселями следует вычислять отдельно для каждого испытуемого для каждого прогона.

Для этого в интерфейсе FSL feet выберите анализ первого уровня, а затем статистику плюс статистика поста на вкладке данных. В качестве исходных данных следует использовать ранее униженный и масштабированный остаток. Установите пороговое значение фильтра высоких частот на 10 000, так как остаточное значение уже высокое, пройденное через 100 секунд на вкладке статистики.

Снимите флажок, используйте предварительное отбеливание пленки и используйте ранее извлеченные и нормализованные временные ряды семян. В GLM на вкладке статистики записи установите желаемый порог Z статистики на значение 2.0 перед запуском анализа группы. Объединяя прогоны внутри испытуемых, следует выполнить Z-преобразование Фишера на основе контраста оценок параметров.

Файл, сгенерированный на основе корреляционного анализа, скопируйте регистрационные данные из каталога reg анализа стоп в корреляционный прогон. Проведите анализ более высокого уровня, объединив прогоны по каждому предмету. Сначала выберите анализ более высокого уровня, а затем статистику плюс статистика публикации.

Затем на вкладке данных выберите входные данные нижнего уровня каталогов ног и введите пробежки объекта на вкладке статистики. Выберите смешанные эффекты. Simple OLS настраивает модель в качестве среднего эффекта и вводит значение единицы для каждого из прогонов субъектов.

Чтобы объединить перерасход данных между объектами, для этого следует использовать обычный метод наименьших квадратов, простой анализ смешанных эффектов, выберите анализ более высокого уровня и статистику плюс статистику поста на вкладке данных. Выберите входные данные нижнего уровня, фут-директории и введите объединенные прогоны объекта на вкладке статистики, выберите смешанные эффекты. Простая МНК настраивает модель как три группы, вводит значение единицы для группы.

Каждый субъект принадлежит нулю. В противном случае групповой анализ должен быть выполнен для каждого вокселя с использованием односторонней иннова с тремя уровнями, которые соответствуют трем группам к пороговому значению. Для получения правильных значений Z на карте корреляции используется порог формирования кластера Z больше 2,0 и скорректированный порог кластерного значимого значения P равен 0,05.

На полученных результатах должно быть выполнено обратное Z-преобразование фишера. Наконец, используйте следующие конкретные контрасты, как показано на экране. На этом рисунке показана сеть пассивного режима, выявленная с связями от заднего семени, включая ретро-селезенку и предклинье в красном желтом цвете и в переднем семени, включая вентильный медиальный префронтальный кору в сине-зеленых цветах.

Первый ряд показывает сеть для контрольных субъектов, второй ряд — для левовисочной эпилепсии, а нижний ряд — для правой височной эпилепсии. На следующих рисунках сравниваются эти сети между этими тремя группами. Здесь мы видим сети стандартного режима, выявленные с передним и задним семенами для комбинированной правой и левой височной эпилепсии по сравнению со здоровыми контрольными группами.

На этом рисунке показаны сети стандартного режима, выявленные с теми же исходными точками для эпилепсии левой височной доли, только по сравнению со здоровой контрольной группой. В то время как на этом рисунке показаны сети, выявленные только для эпилепсии правой височной доли по сравнению со здоровой контрольной группой, и, наконец, здесь мы видим сети стандартного режима, выявленные с передним и задним семенами для эпилепсии левой височной доли по сравнению с эпилепсией правой височной доли. Исследования функциональных связей, которые включают в себя весь мозг, необходимы для понимания фундаментальных механизмов эпилепсии.

В этом эксперименте мы использовали технику на основе начальных значений для оценки связности с сетью с режимом по умолчанию. Будет интересно посмотреть, как другие методы соотносятся в своих результатах при изучении височной эпилепсии.