Abstract
Ergänzende strukturelle und funktionelle bildgebende Verfahren verwendet, um den Default Mode Network (DMN) untersuchen könnte Einschätzungen der psychiatrischen Krankheitsschwere zu verbessern und Mehr Gültigkeit der klinischen Diagnoseprozess. Neueste Untersuchungen zeigen, dass Neuroimaging DMN Prozesse können in einer Reihe von stressbedingten psychischen Erkrankungen wie posttraumatische Belastungsstörung (PTSD) gestört werden.
Obwohl spezifische DMN-Funktionen untersucht bleiben, wird allgemein angenommen, dass in der Introspektion und Selbst Verarbeitung beteiligt werden. Bei gesunden Menschen ist größte Aktivität zeigt in Zeiten der Ruhe, mit weniger Aktivität als Deaktivierung beobachtet, während kognitive Aufgaben, z. B. Arbeitsspeicher. Dieses Netzwerk besteht aus dem medialen präfrontalen Kortex, der hinteren cingulären Cortex / Precuneus, parietalen Kortex lateralen und medialen temporalen Regionen.
Mehrere funktionelle und strukturelle Phantasieng Ansätze entwickelt worden, um die DMN studieren. Diese verfügen über einzigartige Potential, um das Verständnis der Funktion und Dysfunktion des Netzwerkes weiter. Funktionale Ansätze, wie die Auswertung der Ruhezustand-Konnektivität und Task-induzierte Inaktivierung, besitzen ausgezeichnete Möglichkeit, gezielt und neuro neuroaffective (funktionelle) diagnostische Marker zu identifizieren und kann Schwere der Erkrankung und der Prognose mit erhöhter Genauigkeit und Spezifität anzugeben. Strukturelle Ansätze, wie die Auswertung der Morphometrie und Konnektivität, können vorsehen, einzigartige Marker der Ätiologie und langfristige Ergebnisse. Kombiniert, funktionellen und strukturellen Methoden liefern starke multimodalen, komplementäre und synergistische Ansätze gültig DMN-basierten Imaging-Phänotypen in stressbedingten psychiatrischen Erkrankungen zu entwickeln. Dieses Protokoll zielt darauf ab, diese Methoden zu integrieren, um DMN Struktur und Funktion in PTSD untersuchen, Erkenntnisse über Krankheitsschweregrad und relevante klinische Faktoren.
Introduction
Neuroimaging stellt ein Werkzeug mit noch nie da gewesenen Potenzial, diagnostische Aussagekraft, die Schwere der Krankheit, Prognose und Behandlungserfolg bei Neuropsychiatrie zu untersuchen. Eine breite Palette von ergänzenden bildgebenden Verfahren ist nun zur Charakterisierung der Struktur und Funktion der wichtigsten Gehirnsysteme, und bei der Identifizierung von Neuroimaging-Phänotypen in psychiatrischen Populationen zu unterstützen. Von diesen Systemen ist der Standardmodus-Netzwerk (DMN) viel Aufmerksamkeit in der kognitiven und klinischen Neurowissenschaften Literatur der letzten zehn Jahre erhalten.
DMN ist ein sog. "Ruhezustand Netz", die den medialen präfrontalen Kortex (MPFC) als Hauptknoten vorderen, hinteren cingulären Cortex / Precuneus (PCC) als Prinzip hinteren Knoten, zusammen mit den minderwertigen lateralen parietalen Kortex und umfasst medialen temporalen Regionen. Sie Schlüsselmerkmal dieses Netzwerk ist, dass es während der Ruhezeiten, whi seine höchste Aktivität zeigtch auftritt, während Probanden wach und aufmerksam, aber nicht in einer bestimmten Aufgabe beteiligt sind; Diese Ruhezustand-Aktivität wurde die "Default Mode" der Gehirnfunktion 1 geprägt. Ruhezustand Aktivität in der DMN ist auch sehr synchron, als Ruhezustand funktionelle Konnektivität beschrieben wird. Die andere Hauptmerkmal des DMN ist, dass es verminderte Aktivität zeigt, während Zeiten erhöhter externen kognitiven Anforderungen, die als Aufgabe-induzierte Deaktivierung während der funktionellen Bildgebung beobachtet Paradigmen 2,3. Es wird vermutet, dass die Balance zwischen dem internen (dh der Ruhezustand) und externe (dh aufgabenbezogene Aktivität) Anforderungen sind notwendig, um gesunde Gehirnfunktion 3-5 halten.
Die folgenden Abschnitte geben einen kurzen Überblick über drei Methoden, um die DMN studieren: funktionelle Konnektivität und Task-assoziierten Deaktivierung, gefolgt von strukturellen Konnektivität. Diese drei Methoden sind abribed als komplementäre Möglichkeiten, dieses Netzwerk in klinischen Proben, wie Patienten mit posttraumatischen Belastungsstörung und der damit verbundenen psychiatrischen Erkrankungen zu charakterisieren.
Ruhezustand DMN Funktionelle Konnektivität
Ruhezustand funktionelle Konnektivität hat vor kurzem einen gemeinsamen Ansatz verwendet, um Muster von Baseline-Funktion des Gehirns in der Abwesenheit von Aufgabenanforderungen bewerten zu werden. Funktionelle Konnektivität ist eine analytische Methode, die Kohärenz quantifiziert, oder der Grad der Synchronität der Blutsauerstoffgehalt abhängig (BOLD-Signal) über die Zeit, in verschiedenen Hirnregionen. Eine wachsende Zahl von Forschungsliteratur zeigt, dass die typischen Muster der DMN-Konnektivität kann in der klinischen und Risikogruppen verändert werden, und insbesondere diejenigen mit vorheriger Exposition zu erheblichen Stress oder Trauma. Der häufigste Befund wurde DMN Ruhezustand funktionelle Konnektivität mit PTSD 6 zugeordnet verringert. Diese verminderte Konnektivität kann havE direkten klinischen Anwendungen, verringert DMN-Konnektivität kann prädiktive von denen, die nach einem akuten Stressor 7 PTBS entwickeln kann. Verminderte DMN funktionelle Konnektivität kann auf verschiedene Arten am meisten, dass es eine schlechte Kommunikation zwischen entscheidenden Hirnregionen in der Selbstverarbeitung, welches zu einer Unfähigkeit, interne Ressourcen von der Grundlinie DMN Verarbeitung auf externe Forderungen umzuschichten führen kann, spiegelt interpretiert werden. Diese Netzwerkstörung kann der Kern der klinischen Symptome von psychiatrischen Störungen wie PTSD und anderen stressbedingten psychiatrischen Erkrankungen 8 erklären. Weitere Untersuchungen in der Ätiologie dieser Störungen ist ein wichtiger Bereich für die zukünftige Forschung.
Aus einer eher allgemeinen Perspektive, Vorteile der Prüfung der funktionellen Konnektivität des DMN sind relativ einfache Implementierung und eine robuste Muster der Ruhezustand funktionelle Konnektivität bei gesunden Kontrollen, die für einen zuverlässigen Vergleich 9,10 ermöglicht
Aufgaben Assoziierte DMN Deaktivierungen
Untersuchen DMN Antwort während Arbeitsspeicher (WM) bietet eine weitere Methode, um die Funktion und Dysfunktion des Netzwerks über Ruhezustand synchron zu untersuchen. Dieser Ansatz, der eine Standard-funktionellen Magnetresonanztomographie (fMRT)-Methode spiegelt, bietet verschiedene Informationen über Reaktion auf Anforderungen, die Aufgabe 11 klinische Bedeutung haben können. Frühere Untersuchungen haben belegt, dass die Teilnehmer mit PTSD demonstrieren WM Funktion und einen höheren Grad der DMN Deaktivierungen während WM Aufgaben beeinträchtigt wird, was vielleicht erhöhte kognitive Anstrengung 12-15. Using WM als FMRI Herausforderung hat mehrere Vorteile. Zum Beispiel, es zuverlässig löst mehrere Schlüssel DMN Regionen aus ruhenden in einen aktiven Zustand. Passend zu PTSD und anderen stressbedingten psychiatrischen Erkrankungen, WM Aufgaben zuverlässig lösen Sie die MPFC, die großen vorderen DMN Knoten, der in kritischen Wege in PTSD dysregulated beteiligt ist. Es wurde auch festgestellt, dass der MPFC moduliert aufsteigend Amygdala-Aktivität und spielt eine entscheidende Rolle bei der Furchtkonditionierung 16 wahrscheinlich. Die Bewertung der MPFC Aktivität kann auch eine nützliche Metrik in zukünftigen klinischen Versorgung. Zum Beispiel in einer früheren Studie von traumatisierten Polizisten, erhöhte Exposition Psychotherapie MPFC Aktivität und verminderte Amygdala-Aktivität während der traumatischen Erinnerung Abruf. Diese Änderungen wurden mit bildgebenden Verfahren verringert PSTD Symptome 17 zugeordnet. Diese Instanz von WM-induzierte MPFC Deaktivierungen ist nur ein Beispiel dafür, wie Neuroimaging-Metriken können auf klinische Populationen angewendet werden, und die weitere ExplorationDMN anderer Komponenten ist wahrscheinlich eine fruchtbare Gebiet der zukünftigen Forschung sein.
In diesem Protokoll wird die n-back Aufgabe der verbalen Arbeitsspeicher verwendet. Die n-Zurück-Aufgabe ist weit verbreitet in FMRI Forschung, und bietet zuverlässige Aktivierung der Exekutive Aktivierung und Deaktivierung Standardmodus Netzwerk Regionen 18,19. Diese Aufgabe umfasst drei Komponenten, eine 0-zurück-Brief Wachsamkeit Aufgabe, die 2-back Aufgabe des Arbeitsgedächtnisses und Ruhe Basis für den Vergleich. Bei der 0-back Wachsamkeit Aufgabe, die Teilnehmer antworten mit "ja", wenn eine vorgegebene Ziel Konsonanten ("H" oder "h") erschien und "nein" für andere Konsonanten mit einem Zwei-Tasten-Antwort-Box, während im Inneren des Scanners. Sechs 0-zurück-Steuerblöcke von 9 Konsonanten werden in dieser Aufgabe vorgestellt. Während des 2-back ist eine Reihe von Konsonanten visuell auf jeweils 500 ms dargestellt, mit einem Interstimulusintervall von 2,500 ms. Teilnehmer zu einem "ja" oder "nein"Reaktion nach jeder Konsonant dargestellt, um anzuzeigen, ob es das gleiche oder verschieden von dem Konsonanten präsentiert zwei zuvor in einer Reihe (z. B.., w, n, R, N, R, Q, R, Q, N, W usw.. , mit richtigen Antworten in Fettdruck). Während der 2-Back, sechs 45 Sek. Serie von 15 Konsonanten werden vorgestellt. Um erfolgreich durchzuführen, muss der Teilnehmer eine anspruchsvolle kognitive Satz, der konstant phone die Pufferung (also. Halten Konsonanten in Kurzzeitgedächtnis), subvocal phonemische Probe (dh. Wiederholen Konsonanten zu artikulieren, ohne laut), und Executive-Koordination ist aufrecht zu erhalten. In beiden 0 - und 2-Blöcke zurück, ist die Rate der Präsentation gleich, 33% der Ziele werden in zufälligen Orten präsentiert, und die Kapitalisierung ist randomisiert, um verbale Codierung zu fördern. Ein 30 Sekunden Ruhebasis mit einem Fadenkreuz Fixationspunkt wird vor jeder 0-zurück-Block präsentiert; Diese Grundlinie ist für subsequ verwendetVergleiche der Aufgabe ent-assoziierte Aktivität während der Datenanalysen im Vergleich zum Ausgangswert.
Zusammengenommen, die vorhandenen Daten darauf hin, dass die Charakterisierung der Aufgabe-assoziierten DMN-Aktivität während einer Vielzahl von Aufgaben kann eine wichtige Rolle in der klinischen Verwendung von funktionellen Analyse DMN zu spielen. Es gibt noch andere Vorteile, die mit WM als FMRI Herausforderung in stressbedingten psychiatrischen Erkrankungen. Ähnlich wie Ruhezustand Konnektivität, gibt es ein klares Muster der DMN Deaktivierungen während WM in gesunden Personen, die Vergleiche mit klinischen Proben erleichtert. WM-Trauma ist auch neutral, was zu vermeiden, kann Auslösung klinischen PTSD-Symptome beim Scannen. Daher hat diese Methode das Potenzial, zu einem bildgebenden Biomarker entwickelt werden, wie das Gehirn reagiert auf Anforderungen von außen in stressbedingten psychischen Störungen widerspiegelt.
DMN Struktur Connectivity
Während funktionelle Bildgebung ist in der Lage, Veränderungen zu beschreibens in Gehirn-Konnektivität oder Aktivität, Stressbelastung verbunden ist, nicht funktionale Ansätze nicht beschreiben, die Ätiologie hinter beobachteten Veränderungen im Gehirn. Strukturabbildungsverfahren, wie Diffusionstensorbildgebung (DTI), sind in der Lage, zu messen und zu quantifizieren, die Integrität der weißen Substanz Verbindungshirnregionen. DTI ist die häufigste strukturelle Bildgebung Ansatz und Maßnahmen Integrität der weißen Substanz auf der Basis des anisotropen (dh Richtungs) Fluss von Wassermolekülen entlang der weißen Substanz, wie Wasser fließt überwiegend entlang der weißen Substanz (im Vergleich zu über sie). Dieser Unterschied in der Flussrichtung wird als fraktionierte Anisotropie (FA) ausgedrückt. Niedergrade FA gedacht werden, um mikrostrukturelle Veränderungen in der weißen Substanz, die Erscheinungsformen der neuronalen Verletzungen aus einer Vielzahl von Ursachen haben können, einschließlich der Folgen von Stress Exposition 4 reflektieren. Von einer Netzwerkperspektive, koordinierte Aktivität des Gehirns (zB Ruhezustand Aktivität oder Koornierte aufgabenbezogene Aktivität) muss bei der strukturellen Verbindungen angewiesen. Im Fall des früheren DMN Ergebnisse beeinträchtigt Strukturschäden, die Kommunikation zwischen DMN-Knoten, was zu einer verminderten DMN funktionelle Konnektivität. Ebenso erhöht Muster der Deaktivierung Gefügeschäden, die die Rekrutierung von mehr Bereichen der Hirnrinde während der Aufgaben Reaktion erfordert reflektieren. Relevant für PTSD und der DMN haben mehrere Studien verringerte FA im Cingulum Bundle 20,21, die die weiße Substanz-Darm-Trakt, die große limbischen Strukturen des Gehirns 22 verbindet, ist gezeigt. Es ist wahrscheinlich, dass genauere Maßnahmen Verwendung Traktographie (dh, die direkt verfolgen weißen Substanz auf neuronaler Ebene) in der Lage, herauszufinden, welche speziell der weißen Substanz Fasern in Netzwerkstörung beteiligt. Die Vorteile, die DTI-Bildgebung ist, dass es relativ leicht zu erwerben, da es keine erforderliche Aufgaben in den Scanner führen.
In der following Protokoll werden die funktionalen Ansätze der Ruhezustand funktionelle Konnektivität und Quantifizierung von Aufgabe-induzierte Deaktivierungen mit einer Untersuchung der strukturellen Konnektivität mit DTI kombiniert, um zur Karte DMN Struktur und Funktion und beziehen sich diese Erkenntnisse auf Krankheitsschwere und relevante klinische Faktoren in PTSD . Wir haben bereits diesen Ansatz in der Trauma-exponierten gesunden Erwachsenen durchgeführt und 18,23 gefunden, dass dieses Protokoll bietet eine überzeugende Methode, um die DMN, das sich eignet, um sich dem Studium der PTSD und anderen stressbedingten psychischen Erkrankungen Adaptation charakterisieren.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Teilnahmeberechtigte unterzeichnen geschrieben, informierte Zustimmung zu dem Forschungsprojekt teilzunehmen. Die Forschung ist in Übereinstimmung mit den institutionellen, nationalen und internationalen Richtlinien für die menschliche Wohlfahrt durchgeführt.
1. Teilnehmer Screening und Diagnose-Interviews
- Nach Einwilligung, führen Beratungsgespräche, um die Diagnose von PTSD und Schwere der Erkrankung zu überprüfen. HINWEIS: Diese Maßnahmen umfassen die Strukturierte Klinische Interview für DSM-IV-TR (SCID) 24 und der Arzt verabreicht PTSD Scale (CAPS) 25, als auch die Folstein Mini-Mental-Status-Prüfung (MMSE) 26 bis kognitiven Status zu evaluieren.
- Bitten Sie die Teilnehmer füllen Sie Selbst-Bericht relevanten Skalen, um Stress und Stimmung.
HINWEIS: Dazu gehören das Leben Stressor Checklist-Revised (LSC-R) 27, Kindheits-Trauma Questionnaire (CTQ) 28, gefühlte Stress-Scale (PSS) 29 und Schnell Inventory of Depressive Symptoms (QIDS-SR) 30. - Planen Sie geeignete Teilnehmer für die MRT, wo die Teilnehmer kommen etwa 1 Stunde vor dem geplanten Scan-Sitzung, um Komponenten zum Scannen benötigt werden, wie MRI-Sicherheit und Studienverfahren zu bewerten.
- Erhalten Urin, Schwangerschaft (bei Bedarf) und toxikologischen Tests vor dem Scannen.
2. Schulungsteilnehmer, die N-back Aufgabe ausführen
- Beginnen Sie den ersten Lauf mit der 0-back Brief Wachsamkeit Test.
- Weisen Sie die Teilnehmer über eine Zwei-Tasten-Antwort-Box und "Nein" zu allen anderen Konsonanten geben Sie "Ja" zu einem Ziel Konsonanten ("h" oder "H").
- Zeigen Sie der Teilnehmer 9 Konsonanten für je 500 ms mit einem Interstimuluszeit von 2.500 ms, für insgesamt 27 sec, und bitten Sie sie, zu reagieren, wie oben gerichtet. HINWEIS: Die Ziel Konsonant wird 4-mal in jeder 0-zurück-Block dargestellt werden.
- Weiter haben die Teilnehmer üben die 2-back-Test.
- Teilnehmer anweisen, ein "Ja" oder "Nein"-Antwort auf das Antwortfeld mit zwei Tasten zu machen, nachdem jeder Konsonant dargestellt, um anzuzeigen, ob es das gleiche oder verschieden von dem Konsonanten präsentiert zwei zuvor in einer Reihe.
- Zeigen Sie dem Teilnehmer eine Serie von 15 Konsonanten, für je 500 ms mit einem Interstimulusintervall von 2500 ms, für insgesamt 45 Sekunden. ANMERKUNG: Eine Zielreiz wird 5 mal gezeigt.
- Zug-Teilnehmer, die n-Zurück-Aufgabe außerhalb des Scanners durchführen, bis ihre Leistung erreicht> 75% richtig auf der 2-Back-Komponente. HINWEIS: Die oben genannten Parameter können mit Reizpräsentationssoftware automatisiert werden (siehe Tabelle der Materialien / Geräte).
3. MRI Acquisition
- Haben die Teilnehmer Wechsel in MRI-kompatiblen Kleidung und bringen Sie sie in einem 3-Tesla-MRT-Raum. Haben sie zu tragen Ohrstöpsel für Gehörschutz, und dann legen Sie sich in einer Trage, die will letztlich verschieben Sie sie in der Mitte des MRT-Gerät.
- Zeigen Kissen um den Kopf-an-Kopf Bewegung zu minimieren. Geben Sie ihnen mit der MRI-kompatiblen Antwort-Box für den n-back-Arbeitsgedächtnisaufgabe, Squeeze-Lampe, um den Scan in einem Notfall zu stoppen, und setzen Sie ein Pulsoximeter am Finger für physiologische Überwachung und Aufzeichnung.
- Legen Sie die 32-Kanal-Kopfspule und Bildschirm-Präsentation über den Kopf des Teilnehmers, und verschieben Sie sie in die Mitte des Scanners.
- Sicherstellen, dass der Teilnehmer ist bequem und kann den Bildschirm sehen, und dann beginnen die MRT-Sitzung. Beginnen Sie mit dem Erwerb von hochauflösenden (1 mm 3) anatomische Gehirn-Scans. Geben Sie hochauflösende MRT-Parameter auf dem Scanner-Konsole im Echo-Zeit (TE) = 2,98 ms, Wiederholung Zeit (TR) = 1.900 ms, Field of View (FOV) = 256 mm 2 und Matrixgröße 64 2 in 1 mm dicke Scheiben. Starten Sie das MRI Nahme durch Drücken der "run" auf der Scan-ner Konsole.
- Stellen BOLD fMRI Bildaufnahmeparameter auf dem Scanner-Konsole als TR = 2500 ms, TE = 28 ms, FOV = 192 mm 2, Matrixgröße 64 2 in 3 mm axialen Schichten.
- Weiter erwerben FMRI Bilder auf Arbeitsgedächtnis, mit dem n-Back-Test (siehe Abschnitt 2) mit den folgenden Parametern:
- Schenken Sie 30 Sek. Basisfixationskreuz, an den Patienten, vor jedem der 0-back-Blöcke mit Reizdarbietung Software. HINWEIS: Dies wird eine Basis für den Vergleich für die andere 0 bieten - und 2-Back-Blöcke bei der Datenanalyse.
- Projizieren Sie die Anweisungen, um den Patienten für 3 Sekunden vor jeder 0 oder 2-back Aufgabe mit der Reizdarbietung Software.
- Insgesamt sind drei 0-back und 2-Rückenteile zusammen mit zwei Basisblöcke, in zwei Bildläufe in ausbalancierte Reihenfolge präsentiert.
- Drücken Sie auf "Run" auf den MRT-Scanner-Konsole zu starten.
- Nach Beendigung der n-back, sicherzustellen, dass dieTeilnehmer ist bequem und bereit weiter zu gehen. Weisen Sie sie, dass der Rest-Block ist als nächstes, und ihnen sagen, nicht einzuschlafen. Verwenden Reiz Präsentationssoftware, ein Fixationskreuz auf dem Bildschirm anzuzeigen.
- Erwerben Ruhezustand Bilder für die nächsten 4 min, mit den gleichen Einstellungen wie FMRI wurden verwendet, um n-zurück-Bilder zu erwerben (siehe 3.3), mit der Taste "Run" auf den MRT-Scanner-Konsole.
- Wiederholen Sie die Schritte 3.4. und 3,5. Vor jedem neuen Abschnitt, bitten Sie die Teilnehmer, wenn sie bequem sind und wenn sie in der Lage, weiterhin sind. Wenn sie in der Lage sind, weiterhin das Protokoll. Wenn sie es nicht sind, halten Sie den MRI-Scanner und Anpassungen für Komfort, wie gebraucht.
- Als nächstes sagen Sie den Teilnehmer, der Scanner kann in den nächsten Sequenzen Schütteln werden, und sie anweisen, ihre Augen zu schließen und zu entspannen, so gut sie können, in den Scanner. Dann erwerben DTI Sequenz durch Drücken der "run"-Taste auf dem Scanner-Konsole.
- Stellen DTI Bildaufnahmeparameter in den Scanner conSohle Doppel Spin Echo-Planar-Diffusionswichtung (DWI), mit der in 64 nicht kollinearen Richtungen (b = 1,000), einer DWI für jede Gradientenrichtung und 10 ungewichtet (b = 0) Normalisierung Bilder, TR angelegt Diffusionsgradienten = 10.060 ms, TE = 103 ms, FOV = 226 mm, 128 2-Matrix, Schichtdicke = 1,8 mm, teilweise mit Echos und Interpolation auf.
- Entfernen Sie die Teilnehmer aus dem Scanner, und erkundigen Sie sich, wie die Sitzung ging. Beantworten Sie alle Fragen, die sie haben können, und danken ihnen für ihre Teilnahme. Haben die MRI-Scanner Computer zu schreiben eine DVD mit Bildern und Teilnehmer für die anschließende Aufnahme physiologischer Daten analysiert.
4. Datenanalyse
- Datenvorverarbeitung
- Mit FMRI Verarbeitungssoftware, rekonstruieren Rohdaten in 3D + Zeit Datensätze, verketten und registrieren Sie sich den fünften Band der ersten Reihe, um Bewegungsartefakte zu minimieren und liefern Bewegungskorrekturparameter. Bewerben Bandpassfilterung (0.009-0,08 Hz), um die DMN Frequenzbereich zu isolieren und die Auswirkungen von Niederfrequenz-Drift-und Hochfrequenzrauschen zu reduzieren. HINWEIS: Ärgernis Variablen für jedes Voxel sollen mittlere Herzkammer und der weißen Substanz Zeitreihen sowie 6 Parameterschätzungen der Kopfbewegung gehören; Diese Schätzungen sollten beide erniedrigt und abgeleitete Werte enthalten. Der vorhergesagte Zeitverlauf der Belästigung Variablen sollten von der vollen Voxel-Zeitreihe entfernt werden, um eine "Rest"-Zeitreihendaten verwendet werden für die spätere Korrelationsanalysen 31 ergeben.
- Scale-Daten innerhalb geführten Intensität zu normalisieren, und reibungslosen Daten bis zu 4 mm Halbwertsbreite (FWHM) Gauß-Kernel. Zensieren Bilder mit mehr als 1,5 mm Verschiebung aus dem Datensatz 32. Sie globale Signal Regression (GSR) durchzuführen, da nicht GSR können Korrelationen in Ruhezustand Daten 33,34 beeinflussen.
- Ruhezustand Connectivity Analysen
- Verwenden Saatgut-Region analysiert Konnektivität zu bewertenDie Beziehung zwischen einem priori definierten Regionen funktionelle Konnektivität 11 auszuwerten. HINWEIS: Samen enthalten sind die vorderen und hinteren Hauptknoten des DMN, der MPFC und PCC auf. Funktionelle Koordinaten dieser Standorte sind in der Regel überlegen atlas-35 definierten Stellen.
- Entpacken Sie die durchschnittliche BOLD Zeitreihen aus diesen Samen und Durchführung einer Ganzhirnkorrelationsanalyse. Transkorrelations R-Werte bis Z-Scores für die nachfolgenden 36 Hypothesentests.
- Vergleichen Z-Werte zwischen den Gruppen auf einem Volumenelement um Volumenbasis, um signifikante Unterschiede in der funktionellen Konnektivität zwischen PTSD und Kontrollen wie der primäre Endpunkt zu evaluieren. Threshold diese Ergebnisse bei einer zweiseitigen Signifikanz bei p <0,05, mit Familie weise (dh Cluster) Fehlerkorrektur. HINWEIS: Cluster-Korrektur wird mit Hilfe von Monte-Carlo-Simulationen, um die Wahrscheinlichkeit von falsch-positiven Cluster schätzen erzeugt. Verwenden Sie die statistischen Algorithmusms Cluster-Korrektur als Funktion der FOV, Auflösung, Glätte zu berechnen, und der Signalintensität auf der individuellen Ebene 37 Voxel.
- Um die Beziehung zwischen klinischen Symptomen und Imaging-Ergebnisse zu bewerten, führen Follow-up-Analysen, die Zusammenhänge zwischen Rating-Skala Noten und Durchschnitts Z-Scores der Konnektivität von DMN-Regionen gehören. Fügen Korrelationsanalysen, dass Konto für relevante demografische Informationen, wie Schweregrad der Depression, traumatische Hirnverletzung, sowie Bildungs-und anderen damit verbundenen Variablen.
- Arbeitsspeicher Analysen
- Verwenden FMRI Verarbeitungssoftware vor, die Daten verarbeiten und Voxel-basierte GLM aufgabenspezifische Aktivität in jedem Gehirn Voxel einzelner Datensätze 11,31 quantifizieren. HINWEIS: Unabhängige Variablen in der GLM sind der zeitliche Verlauf der Erholung und der 0 - und 2-back-Aufgaben (einschließlich hämodynamische Übergänge als Gamma-Funktion modelliert) und Kovariaten (lineare Drift und beobachtend-Bewegung), mit dem BOLD-Signal über die Zeit als abhängige Variable.
- Durchschnittliche resultierenden GLM Beta-Gewichte über DMN angegebenen Regionen. HINWEIS: Diese gemittelt n-back Antworten von Individualebene Datensätze dienen als grundlegende Maßnahme der Aktivität des Gehirns in späteren Gruppe-Level-statistischen Analysen.
- Verwenden Analysen der Kovarianz auf Konzernebene Unterschiede zwischen PTSD und nicht-PTSD Gruppen zu untersuchen und Auswirkungen der Aufgabenschwierigkeit (dh Vergleiche der Aktivität während der 0 - vs 2-Back-Aufgaben) schätzen in jedem DMN Region; Auch beinhalten Analysen aller relevanten statistischen Kontrollschritte während Ruhezustand Analysen in 4.2 erforderlich.
- Struktur Connectivity Mit DTI
- Vorverarbeitung
- Mit DTI Verarbeitungssoftware, Co-Register nicht-Diffusion (dh. B = o) Bilder für Bewegungsartefakte zu korrigieren, und verwenden Sie als Bild für die anschließende Normalisierung diffusionsgewichteten Bildern. Verwenden Sie eine 12 Parameter affine Transformationdie diffusionsgewichtete Bilder für Bewegungs-und Wirbelstromartefakten Konto registrieren.
- Stellen Sie sicher, dass der Gradient Vektor für jeden Diffusionsrichtung gedreht wird, um für Transformationen vor der Modellanpassung zu berücksichtigen. Berechnen zweiter Ordnung Diffusions-Tensor pro Voxel aus den Diffusions gewichtete Signaldämpfungen Verwendung einer nichtlinearen Anpassungsverfahren beschränkt 38.
- Verwenden Sie die diffusionsgewichteten Bildern zu Eigenwert, Eigenvektor-und Bruch Anisotropie Karten der Diffusion zu berechnen.
- Verwenden Traktographie Software, um die Integrität der des Cingulum Bündel zu quantifizieren. Nutzen Sie Standard-Atlanten für Seed-Region-Auswahl, wie die von Mori et al. Catani 39 und 40 und De Schotten. Filter resultierende Traktographie durch eine Mittellinie Ausschluss Region Fasern Kreuzung zwischen Halbkugeln zu entfernen. Berechnung der mittleren FA, Spur, axiale und radiale Diffusionsvermögen für alle Voxel, durch die das Cingulum Bündel durchläuft. </ Li>
- Verwenden gemischten Modell ANOVA für jede Diffusions Maßnahme, mit Halbkugel als Innersubjektvariable, um Gruppenunterschiede zwischen PTSD und nicht-PTSD Teilnehmer vergleichen, statistisch Kontrolle anderer Faktoren wie Schweregrad der Depression, Drogenmissbrauch, mild TBI und Bildung und demographischer Variablen mit ANCOVA.
- Vorverarbeitung
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Repräsentative Ergebnisse sind auf gesammelten Daten mit der gleichen Bild Ansatz in zwei verschiedenen Proben von Personen mit einer Geschichte der Kindheit Traumata und Misshandlung basiert, aber ohne PTSD 21,22. Ergebnisse aus Ruhezustand funktionelle Konnektivität Analysen zeigten eine räumliche Muster Einklang mit den wichtigen Knoten des DMN (Abbildung 1) 1-3,8 einschließlich der MPFC, PCC, Winkel Gyrus / unteren Parietallappen und mittleren temporalen Regionen. Die Bestätigung dieser räumlichen Verteilung dient als erste Gültigkeitsprüfung und ermöglicht nachfolgende Hypothesentests.
Muster der Hirnaktivität während des Arbeitsspeichers sind in Abbildung 2 dargestellt. Bilder von der 2-Back-Komponente (Abbildung 2a) zeigen eine erhöhte Aktivierung in der Executive-Netzwerk, das gemeinsam mit Deaktivierung erfolgt in der DMN. Aktivierung in Führungs Regionen, wie dem mittleren frontalen Gyrus, Zusatzmotor Bereich und inferior Parietallappen werden in blau, orange und rot, mit Deaktivierung in DMN Regionen (dh MPFC, PCC und medialen temporalen Regionen) nebeneinander gezeigt dargestellt. Dieses Muster ist im Einklang mit früheren n-Literatur zurück 11,41 und dient als eine Plausibilitätsprüfung, bevor Sie mit Hypothesentests. Abbildung 2b zeigt Ergebnisse aus der 0-back-Komponente des n-Rückseite, die bescheiden Deaktivierung zeigt, insbesondere in der PCC , aber ohne starke MPFC Deaktivierung. Moderate Aktivierung wird auch in der medialen frontalen Kortex gesehen.
Endlich, das Ausmaß der cingulum Bündel, wie durch probabilistische tractography offenbart, ist in Fig. 3 dargestellt. Dreidimensionale Bilder zeigen die Form und die Verteilung der cingulum Fasern, die die Gesamtform des DMN Bereiche (3a) in etwa zu verfolgen. Um die Genauigkeit der angezeigten Fasern zu überprüfen, wird empfohlen, dass diese Ergebnisse mit einer indivi überlagert werden Duale "kortikale Karte (z. B. durch Programme, die spezifischen kortikalen Regionen unterscheiden generiert). 3b zeigt die weiße Substanz-Darm-Trakt, die durch die MPFC und PCC und 3c zeigt Wege Erreichen der mittleren Schläfenregionen. Dies stellt sicher, dass spätere Gruppenanalysen sind Fasern, die relevanten Hirnregionen.
Abbildung 1. Ruhezustand funktionelle Konnektivität Karte des Default Mode Netzwerk. Diese Bilder zeigen einen sagittalen Anzeige von DMN Bereiche mit signifikanten positiven funktionelle Konnektivität mit der PCC. Bilder werden mit ap <0,05, korrigiert für multiple Vergleiche Schwellenwert. X-Koordinaten von jeder Scheibe sind in der unteren linken Ecke des entsprechenden Bild gezeigt.
Abbildung 2. Räumliche Muster der Aktivierung Bei Arbeitsgedächtnis. a) Sagittalschnitt des Gehirns, um Muster mit dem 2-Back Arbeitsgedächtnisaufgabe zugeordnet illustrieren. Aktivierungsmuster innerhalb der Exekutive Netzwerk in orange / rot und DMN Deaktivierung ist blau dargestellt. Bilder werden bei p <0,05 und einem Schwellenwert für multiple Vergleiche korrigiert. B) veranschaulicht, 0-Aktivität wieder, die typischerweise mit Arbeitsspeicher kombiniert wird, um die Aufmerksamkeit zu steuern. Aktivierungsmuster in orange / rot und Deaktivierung in blau; offensichtlich ist hier einige DMN Deaktivierung mit wenig Executive Aktivierung. Bilder werden bei p <0,05 Schwellenwert, für multiple Vergleiche korrigiert.
g "width =" 500 "/>
Abbildung 3. Probabilistische Traktographie / Strukturelle Konnektivität des Cingulum Bundle. a) zeigt die dreidimensionale Form und das Muster dieser Fasern mit einem Querschnitt des Gehirns für visuelle Referenz enthalten, b) zeigt, wie diese Fasern wandern durch den MPFC und PCC (rot bzw. blau) und c) veranschaulicht, wie diese Fasern reisen durch die mediale zeitliche Komponente des DMN.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Die beiden wichtigsten Schritte für eine erfolgreiche Umsetzung des Neuroimaging-Protokoll genau erfassen Ruhezustand und Arbeitsgedächtnis-Effekte.
Konzeptionell ist der Erwerb der Ruhezustand Bilder unkompliziert. Da gibt es keine Aufgabe zu erfüllen, beschreiben Experimentatoren oft Hirnaktivität während dieser Epochen als "Rest". Jedoch, wie dieses Feld ist relativ neu im Vergleich zu anderen Bereichen der bildgebenden Verfahren ein, gibt es keine expliziten Konsens, wie man "Ruhe genau zu definieren, "in den Scanner. Die meisten Protokolle, einschließlich der vorliegenden, bitten die Teilnehmer, ein Fixationskreuz auf einem Bildschirm anzuzeigen. Die Dauer der einzelnen Ruhezustand Abtastung ist auch sehr variabel in der Literatur im allgemeinen im Bereich von 4 bis 12 min, und entweder mit offenen Augen oder Augen 42 geschlossen. In diesem Protokoll wurden zwei 4 min Scans für insgesamt 8 min umgesetzt, mit offenen Augen, die sich einen einfachen weißen Fixationskreuz wiederst ein schwarzer Hintergrund. Zukünftige Forschung würden stark von der Akzeptanz eines standardisierten Ansatz für Ruhezustand, um die Datenerfassung zu erleichtern Verallgemeinerung über Studien profitieren.
Ein weiterer kritischer Punkt im Ruhezustand Erwerb ist der Einfluss der Kopfbewegung. Die neuere Forschung hat klar gezeigt, dass Bewegung während der Ruhezustand Scans führt zu falschen Korrelationen in nachfolgenden Analysen funktionelle Konnektivität 43-45. Daher müssen die Teilnehmer so unbeweglich wie möglich über die Ruhezustand Scan-Sitzung bleiben. Während der Protokollentwicklung, waren sehr ängstlich Teilnehmer nicht in der Lage, noch sehr lange in der Größenordnung von 4-5 min zu bleiben, oft. Entsprechend dieser Erfahrung können mehrere Verfahren, die Auswirkungen der Teilnehmer-Bewegung, einschließlich des Erwerbs von zwei 4 min Ruhezustand Scans und Zensur keine Bilder mit Bewegung größer als 1,5 mm (entsprechend 1/2 Voxel) 32 zu minimieren. Zensur etwas kleiner als 1 mm movement (zB 0,5 mm) in der klinischen Teilnehmer können zu Datenreduktion, die weitere Datenmenge analysiert Kompromisse führen.
Ein weiterer wichtiger Bestandteil in der Bildaufnahme ist die Bedeutung der üben Arbeitsspeicher Aufgaben vor der Bilderzeugung. Da das Hauptinteresse dieses Protokolls ist in der Deaktivierung des DMN in Reaktion auf schwierige Aufgabenanforderungen, muss die Exekutive Netzwerk ausreichend angefochten werden. Dies erfordert eine sorgfältige auffällig Balance zwischen überwältigenden klinischen Teilnehmer (der erhebliche Angst haben kann) und die Aufnahme von Bildern während der kognitiven Herausforderung. Dieses Gleichgewicht kann, indem die Teilnehmer üben die Arbeitsgedächtnisaufgabe außerhalb des Scanners gefunden werden. Dies wird typischerweise durchgeführt, während in einem separaten Raum sitzt, unter Verwendung eines identischen Eingabevorrichtung (wenn möglich), wie in dem Scanner verwendet wird. Eine schnelle Scoring der n-back Verhaltens Ergebnisse zeigt, ob die Teilnehmer angemessen funktionieren. Es ist auch wichtig, daran zu erinnern,Teilnehmer, dass das Experiment entwickelt, um kognitive Anstrengung und perfekte Ergebnisse herbei werden nicht erwartet. In früheren Studien aufgetreten DMN Deaktivierungen ähnlich sowohl mit richtigen und falschen Antworten 18,23. Dies könnte erwartet aufgrund der Natur des N-Zurück-Paradigma, das eine kognitive Satz, der konsistent kognitiven Funktionen während der Aufgabe erfordert unabhängig von der Genauigkeit eines jeden Antwort auslöst werden.
Dieser Ansatz hat einige Einschränkungen, die inhärenten zu einem Feld, die schnell fortschreit sind. Zum Beispiel wurde der Begriff DMN 2001 geprägt, so ist es vernünftig anzunehmen, daß die bildgebenden Verfahren zur Charakterisierung der Struktur und Funktion bleiben, wenn auch nicht in der Kindheit, in der frühen Jugend. Neue Bildgebungsprotokolle und Parameter werden ständig weiterentwickelt relevanten Stress psychiatrische Bedingungen 23,46, was die Frage aufwirft, ob frühere Ergebnisse mit unterschiedlichen Ansätzen repliziert werden. Eine weitere hervorragende exreichlich davon ist der Einfluss von Bewegung auf Ruhezustand-Scans, die breite Anerkennung im Jahr 2012 43-45 gewonnen. Während aktuelle Forscher implementieren Bewegungskorrekturverfahren, das Fehlen von dieser Korrektur erschwert die Interpretation der bisher veröffentlichten Daten. Ein weiteres wichtiges Beispiel ist der Streit um die Beseitigung der globalen Signal, das eine gemeinsame Vorverarbeitung Technik verwendet, um Lärm zu reduzieren ist, kann aber falsche Zusammenhänge in Ruhezustand Daten 33,34 induzieren.
Zusammenfassend wird in diesem Protokoll ergänzende Ruhezustand, Arbeitsgedächtnis und strukturellen bildgebenden Verfahren, die DMN visualisieren. Der Hauptvorteil dieses Ansatzes ist die multimodale Auswertung einer einzigen Gehirn-Netzwerk; jeder dieser Ansätze bietet einzigartige Bildgebung und ergänzende Informationen über die Funktion dieses wichtigen Netzwerk. Während die hier beschriebenen Protokoll wurde verwendet, um Korrelate der Stressbelastung, Kombinationen von o charakterisierenr alle diese Ansätze eignen sich für die Entwicklung der zerebralen Bildgebung Biomarker der Stimmung und Angststörungen zu fördern.
Subscription Required. Please recommend JoVE to your librarian.
Acknowledgments
Generierung von repräsentativen Daten wurde von NIH R01HL084178, 5R01MH068767-08, und Zuschüsse von der Brown MRI Research Facility und Rhode Island Foundation unterstützt. VA CSR & D Grants 1 IK2 CX000724-01A2-Protokoll unterstützt die Entwicklung und die weitere Arbeit. Wir danken allen unseren Teilnehmern.
Materials
| Name | Company | Catalog Number | Comments |
| 3T TIM TRIO | Siemens | 3T MRI | |
| MRI-compatible pulse oxymeter | Siemens | model # 07389567 | |
| Analysis of Functional Neuroimaging | NIH | http://afni.nimh.nih.gov/ | Data analysis software package |
| Eprime | Psychology Software Tools, LLC | http://www.pstnet.com/eprime.cfm | Stimulus presentation software |
| Slicer | Brigham and Women's Hospital | http://www.slicer.org/ | Probabilistic tractography software |
References
- Raichle, M. E., et al. A default mode of brain function. Proc Natl Acad Sci U S A. 98, 676-682 (2001).
- Fransson, P. How default is the default mode of brain function? Further evidence from intrinsic BOLD signal fluctuations. Neuropsychologia. 44, 2836-2845 (2006).
- 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).
- Conrad, C. D., et al. Chronic glucocorticoids increase hippocampal vulnerability to neurotoxicity under conditions that produce CA3 dendritic retraction but fail to impair spatial recognition memory. J Neurosci. 27, 8278-8285 (2007).
- Patel, R., et al. Disruptive effects of glucocorticoids on glutathione peroxidase biochemistry in hippocampal cultures. J Neurochem. 82, 118-125 (2002).
- Bluhm, R. L., et al. Alterations in default network connectivity in posttraumatic stress disorder related to early-life trauma. J Psychiatry Neurosci. 34, 187-194 (2009).
- Lanius, R. A., et al. Default mode network connectivity as a predictor of post-traumatic stress disorder symptom severity in acutely traumatized subjects. Acta Psychiatr Scand. 121, 33-40 (2010).
- Sripada, R. K., et al. Neural dysregulation in posttraumatic stress disorder: evidence for disrupted equilibrium between salience and default mode brain networks. Psychosom Med. 74, 904-911 (2012).
- Greicius, M. D., et al. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc Natl Acad Sci U S A. 100, 253-258 (2003).
- Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front Syst Neurosci. 4, 19 (2010).
- Sweet, L. H., et al. Effects of nicotine withdrawal on verbal working memory and associated brain response. Psychiatry Res. 183, 69-74 (2010).
- Samuelson, K. W., et al. Neuropsychological functioning in posttraumatic stress disorder and alcohol abuse. Neuropsychology. 20, 716-726 (2006).
- Vasterling, J. J., et al. Attention and memory dysfunction in posttraumatic stress disorder. Neuropsychology. 12, 125-133 (1998).
- Yehuda, R., et al. Learning and memory in combat veterans with posttraumatic stress disorder. Am J Psychiatry. 152, 137-139 (1995).
- Moores, K. A., et al. Abnormal recruitment of working memory updating networks during maintenance of trauma-neutral information in post-traumatic stress disorder. Psychiatry Res. 163, 156-170 (2008).
- Rougemont-Bucking, A., et al. Altered processing of contextual information during fear extinction in PTSD: an fMRI study. CNS Neurosci Ther. 17, 227-236 (2011).
- Peres, J. F., et al. Police officers under attack: resilience implications of an fMRI study. J Psychiatr Res. 45, 727-734 (2011).
- Philip, N. S., et al. Early life stress is associated with greater default network deactivation during working memory in healthy controls: a preliminary report. Brain Imaging Behav. 7, 204-212 (2013).
- Sweet, L. H., et al. Imaging phonological similarity effects on verbal working memory. Neuropsychologia. 46, 1114-1123 (2008).
- Abe, O., et al. Voxel-based diffusion tensor analysis reveals aberrant anterior cingulum integrity in posttraumatic stress disorder due to terrorism. Psychiatry Res. 146, 231-242 (2006).
- Kim, S. J., et al. Asymmetrically altered integrity of cingulum bundle in posttraumatic stress disorder. Neuropsychobiology. 54, 120-125 (2006).
- Vogt, B. A., et al. Functional heterogeneity in cingulate cortex: the anterior executive and posterior evaluative regions. Cereb Cortex. 2, 435-443 (1992).
- Philip, N. S., et al. Decreased default network connectivity is associated with early life stress in medication-free healthy adults. Eur Neuropsychopharmacol. 23, 24-32 (2013).
- First, M. B., Spitzer, R. L., Gibbon, M., Williams, J. B. W. Structured Clinical Interview for Axis I DSM-IV Disorders. , (1994).
- Blake, D. D., et al. The development of a clinician-administered PTSD scale. J Trauma Stress. 8, 75-90 (1995).
- Folstein, M. F., et al. Mini-mental state'. A practical method for grading the cognitive state of patients for the clinician. J Psychiatr Res. 12, 189-198 (1975).
- Wolfe, J. W., Kimerling, R., Brown, P. J., Chrestman, K. R., Levin, K. Psychometric review of The Life Stressor Checklist-Revised. , Sidran Press. (1996).
- Bernstein, D. P., Fink, L. Childhood trauma questionnaire: a retrospective self-report. , Pearson Education, Inc. (1998).
- Cohen, S., et al. A global measure of perceived stress. J Health Soc Behav. 24, 385-396 (1983).
- Rush, A. J., et al. The 16-item quick inventory of depressive symptomatology (QIDS), clinician rating (QIDS-C), and self-report (QIDS-SR): A psychometric evaluation in patients with chronic major depression. Biol Psychiatry. 54, 573-583 (2003).
- Reynolds, R. AFNI program: afni_proc.py. http://afni.nimh.nih.gov/pub/dist/doc/program_help/afni_proc.py.html. , (2006).
- Posner, J., et al. Antidepressants normalize the default mode network in patients with dysthymia. JAMA Psychiatry. 70, 373-382 (2013).
- Murphy, K., et al. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44, 893-905 (2009).
- Saad, Z. S., et al. Trouble at rest: how correlation patterns and group differences become distorted after global signal regression. Brain Connect. 2, 25-32 (2012).
- Shirer, W. R., et al. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cereb Cortex. 22, 158-165 (2012).
- Fisher, R. A. Frequency distribution of the values of the correlation coefficient in samples of an indefinitely large population. Biometrika. 10, 507-521 (1915).
- Cox, R. W. AFNI program: 3dClustSim. http://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html. , (2010).
- Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
- Mori, S., Wakana, S., Nagae-Poetscher, L. M., van Zijl, P. C. M. MRI Atlas of Human White Matter. , (2005).
- Catani, M., Thiebaut de Schotten, M. A diffusion tensor imaging tractography atlas for virtual in vivo dissections. Cortex. 44, 1105-1132 (2008).
- Sweet, L. H., et al. Default network response to a working memory challenge after withdrawal of continuous positive airway pressure treatment for obstructive sleep apnea. Brain Imaging Behav. 4, 155-163 (2010).
- Cole, D. M., et al. Advances and pitfalls in the analysis and interpretation of resting-state FMRI data. Front Syst Neurosci. 4, 8 (2012).
- Power, J. D., et al. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59, 2142-2154 (2012).
- Satterthwaite, T. D., et al. Impact of in-scanner head motion on multiple measures of functional connectivity: relevance for studies of neurodevelopment in youth. Neuroimage. 60, 623-632 (2012).
- Van Dijk, K. R., et al. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59, 431-438 (2012).
- Philip, N. S., et al. Regional homogeneity and resting state functional connectivity: associations with exposure to early life stress. Psychiatry Res. 214, 247-2453 (2013).
