Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

Développer neuroimagerie phénotypes du défaut réseau mode dans le SSPT: Intégration de l'état de repos, la mémoire de travail, et de la connectivité structurelle

Published: July 1, 2014 doi: 10.3791/51651
Automatic Translation
1, 1, 2
1Providence VA Medical Center, Department of Psychiatry & Human Behavior, Alpert Medical School, Brown University, 2Department of Psychology, University of Georgia

Abstract

Techniques de neuro-imagerie structurelle et fonctionnelle complémentaires utilisées pour examiner le défaut réseau Mode (DMN) pourraient améliorer les évaluations de gravité de la maladie psychiatrique et de fournir validité ajoutée au processus de diagnostic clinique. Recherche en neuroimagerie récente suggère que les processus de DMN, pourraient être perturbés dans un certain nombre de maladies psychiatriques liées au stress, tels que le trouble de stress post-traumatique (SSPT).

Bien que les fonctions spécifiques de DMN restent soumis à l'enquête, il est généralement pensé pour être impliqués dans l'introspection et l'auto-traitement. Chez les personnes en bonne santé, il présente la plus grande activité pendant les périodes de repos, avec moins d'activité, comme la désactivation observées, au cours de tâches cognitives, par exemple, la mémoire de travail. Ce réseau est constitué du cortex médial préfrontal, le cortex cingulaire postérieur / precuneus, cortex pariétal latéral et médial régions temporales.

Imagination fonctionnelle et structurelle multiplesapproches ng ont été développées pour étudier la DMN. Celles-ci ont un potentiel sans précédent pour approfondir la compréhension de la fonction et de la dysfonction de ce réseau. Approches fonctionnelles, telles que l'évaluation de repos connectivité de l'Etat et la désactivation induite tâche, ont un excellent potentiel pour identifier neurocognitive ciblée et marqueurs diagnostiques (fonctionnels) neuroaffective et peut indiquer gravité de la maladie et le pronostic avec une précision accrue ou la spécificité. Les approches structurelles, telles que l'évaluation de la morphométrie et la connectivité, peuvent fournir des marqueurs uniques de résultats étiologie et à long terme. Combinés, les méthodes fonctionnelles et structurelles fournissent de solides approches multimodales, complémentaires et synergiques pour développer phénotypes d'imagerie basée DMN-valides dans les troubles psychiatriques liés au stress. Ce protocole vise à intégrer ces méthodes pour étudier la structure et la fonction DMN dans le SSPT, concernant les résultats de gravité de la maladie et des facteurs cliniques.

Introduction

Neuroimagerie représente un outil potentiel sans précédent pour examiner la validité du diagnostic, de la sévérité de la maladie, les pronostics et la réponse au traitement en neuropsychiatrie. Un large éventail de techniques de neuro-imagerie complémentaires est maintenant disponible pour caractériser la structure et la fonction des systèmes clés du cerveau, et pour aider à l'identification des phénotypes de neuro-imagerie dans les populations psychiatriques. Parmi ces systèmes, le réseau par défaut Mode (DMN) a reçu beaucoup d'attention dans la littérature cognitive et clinique en neurosciences au cours de la dernière décennie.

La DMN est un soi-disant "repos réseau de l'État» qui inclut le cortex préfrontal médial (MPFC) comme le nœud antérieure principal, cortex cingulaire postérieur / precuneus (PCC) comme le noeud postérieur principe, avec les cortex pariétal inférieur-latérales et régions temporales médiales. Ils principale caractéristique de ce réseau est qu'il présente sa plus grande activité pendant les périodes de repos, WHIch se produit alors que les sujets sont éveillé et alerte, mais ne participe pas à une tâche spécifique; cette activité reposant de l'Etat a été inventé le "mode par défaut" de la fonction du cerveau 1. Repos activité de l'État dans le DMN est également très synchronisée, qui est décrit comme reposant connectivité fonctionnelle de l'Etat. L'autre élément clé de la DMN est qu'elle démontre une diminution d'activité pendant les périodes de l'augmentation des exigences cognitives externes, qui est observé que la désactivation induite tâche pendant la neuroimagerie fonctionnelle paradigmes 2,3. On suppose que l'équilibre entre l'interne (c.-à l'état de repos) et externe (par exemple l'activité liée à la tâche) exigences sont nécessaires pour maintenir la santé du cerveau fonctionne 3-5.

Les sections suivantes donnent un bref aperçu de trois méthodes pour étudier la DMN: connectivité fonctionnelle et de désactivation de la tâche associée, suivie par la connectivité structurelle. Ces trois méthodes sont described façons complémentaires pour caractériser ce réseau dans des échantillons cliniques, tels que les patients atteints de trouble de stress post-traumatique et les troubles psychiatriques associés.

Repos État DMN connectivité fonctionnelle

Repos connectivité fonctionnelle de l'État est récemment devenu une approche couramment utilisée pour évaluer les tendances de la fonction cérébrale de référence en l'absence d'exigences de la tâche. Connectivité fonctionnelle est une méthode analytique qui quantifie la cohérence, ou le degré de synchronisation du signal de niveau d'oxygène dans le sang (BOLD) au fil du temps, dans les différentes régions du cerveau. Un nombre croissant de travaux de recherche suggèrent que les modèles typiques de la connectivité DMN peuvent être modifiés en clinique et les populations à risque, et en particulier ceux précédemment exposés à des stress ou un traumatisme important. La conclusion la plus commune a été diminué DMN connectivité fonctionnelle de l'Etat de repos associé à SSPT 6. Cette connectivité réduite peut VHAe applications cliniques directes, qu'une réduction de la connectivité DMN peut être un facteur prédictif de ceux qui peuvent développer le SSPT après un facteur de stress aigu 7. Connectivité fonctionnelle de DMN diminué peut être interprété de plusieurs façons, le plus souvent à ce qu'il reflète le manque de communication entre les régions du cerveau impliquées dans cruciaux auto-traitement, ce qui peut conduire à une incapacité à réaffecter les ressources internes de base de traitement de DMN à des demandes externes. Cette perturbation du réseau peut expliquer les symptômes cliniques essentiels de troubles psychiatriques tels que le SSPT et d'autres troubles psychiatriques liés au stress 8. Une enquête plus poussée dans l'étiologie de ces perturbations est un domaine important pour la recherche future.

D'un point de vue plus général, les avantages de l'examen de la connectivité fonctionnelle de la DMN comprennent la mise en œuvre relativement facile et un modèle robuste de repos connectivité fonctionnelle de l'Etat dans les contrôles sains qui permet une comparaison fiable 9,10

Débranchements de DMN tâches associées

Examen réponse DMN pendant mémoire de travail (WM) propose une autre approche pour étudier la fonction et de la dysfonction de ce réseau au-delà état de repos synchronie. Cette approche, qui reflète une méthode plus standard d'imagerie par résonance magnétique fonctionnelle (IRMf), fournit des informations différentes sur la réponse à des demandes de tâches qui peuvent avoir une signification clinique 11. Des recherches antérieures ont démontré que les participants atteints du SSPT démontrent un dysfonctionnement de WM et un plus grand degré de désactivations de DMN au cours de tâches WM, reflétant peut-être un effort accru cognitive 12-15. Using WM comme un défi IRMf présente plusieurs avantages. Par exemple, il se dégage de manière fiable plusieurs régions de DMN clés, de repos à un état actif. Les plus pertinentes pour le SSPT et d'autres troubles psychiatriques liés au stress, tâches WM désengager de manière fiable la MPFC, le noeud principal de DMN antérieure qui est impliqué dans les voies critiques surexprimés dans le SSPT. Il a été bien établi que le MPFC module ascendant activité de l'amygdale, et joue un rôle crucial dans la peur conditionnée 16 probablement. Évaluations de l'activité MPFC peuvent également être une mesure utile à l'avenir des soins cliniques. Par exemple, dans une étude précédente de policiers traumatisés, exposition psychothérapie augmentation de l'activité MPFC et diminution de l'activité de l'amygdale lors de la récupération de la mémoire traumatique. Ces changements de neuro-imagerie ont été associés à des symptômes PVP diminué 17. Cette instance de désactivations MPFC WM-induites est un exemple de la façon dont les mesures de neuro-imagerie peuvent être appliquées à des populations cliniques, et une exploration plus pousséed'autres composants de DMN est susceptible d'être un domaine fécond de la recherche future.

Dans ce protocole, la tâche n-back de la mémoire de travail verbale est utilisée. La tâche n-back est largement utilisé dans la recherche IRMf, et permet une activation fiable de l'activation exécutif et le mode par défaut régions de désactivation du réseau 18,19. Cette tâche comprend trois composantes, une tâche 0-back lettre vigilance, la tâche 2-back de la mémoire de travail et de repos base de comparaison. Au cours de la tâche de vigilance 0-retour, les participants répondent «oui» quand une cible prédéterminée ("H" ou "h") conforme à l'affût et «non» pour les autres consonnes aide d'une boîte de réponse à deux boutons tout l'intérieur du scanner. Six blocs de contrôle 0-arrière de 9 consonnes sont présentés au cours de cette tâche. Au cours de la 2-back, une série de consonnes sont présentés visuellement pour 500 ms chacune, avec un intervalle de 2500 ms interstimulus. Les participants font un «oui» ou «non»réponse, après chaque consonne représentés, pour indiquer si elle est la même ou différente de la consonne a présenté deux précédemment dans une série (par ex., w, n, R, N, R, Q, R, Q, N, W, etc. , avec les bonnes réponses indiquées en gras). Au cours de la 2-retour, six séries de 45 sec de 15 consonnes sont présentés. Pour exécuter avec succès le participant doit maintenir un ensemble cognitif exigeant qui comprend tampon constante phonémique (c.-à-. Tenant consonnes dans la mémoire à court terme), répétition subvocal phonémique (ie. Répéter consonnes sans articuler à haute voix), et la coordination de la direction. Dans les deux 0 - 2 blocs et de reprise, le taux de présentation est la même, 33% des objectifs sont présentées dans des endroits aléatoires, et la capitalisation est randomisés pour encourager codage verbal. A 30 secondes de repos de base avec un point de fixation en forme de croix est présenté avant chaque bloc 0-back; cette ligne de base est utilisé pour subsequcomparaisons ent de l'activité de la tâche associée par rapport à la ligne de base au cours des analyses de données.

Prises ensemble, ces données suggèrent que subsiste la caractérisation de l'activité de DMN tâche associée au cours d'une série de tâches peut jouer un rôle important dans l'utilisation clinique de l'analyse fonctionnelle du DMN. Il ya d'autres avantages à utiliser WM comme un défi IRMf dans le stress lié troubles psychiatriques. Semblable à la connectivité repos de l'Etat, il ya une tendance claire de désactivations de DMN pendant WM chez les individus sains, ce qui facilite les comparaisons avec des échantillons cliniques. WM est un traumatisme aussi neutre, ce qui peut éviter le déclenchement des symptômes de PTSD cliniques en cours de numérisation. Par conséquent, cette méthode a également le potentiel d'être développé dans un biomarqueur de la neuro-imagerie qui reflète la façon dont le cerveau réagit aux demandes externes liés au stress troubles psychiatriques.

DMN structurel Connectivité

Bien que l'imagerie fonctionnelle est en mesure de décrire le changements dans la connectivité cérébrale ou d'une activité associée à l'exposition au stress, des approches fonctionnelles ne décrivent pas l'étiologie derrière modifications cérébrales observées. Méthodes d'imagerie structurelles, telles que l'imagerie du tenseur de diffusion (DTI), sont capables de mesurer et de quantifier l'intégrité des faisceaux de matière blanche reliant les régions du cerveau. DTI est l'approche la plus courante structurelle de la neuro-imagerie et des mesures de l'intégrité de la matière blanche sur la base du anisotrope (c'est à dire directionnelle) écoulement des molécules d'eau le long de faisceaux de matière blanche, que les flux d'eau principalement le long de faisceaux de matière blanche (par rapport à travers eux). Cette différence de flux directionnel est exprimé en fraction d'anisotropie (FA). Basse degrés de FA sont pensés pour refléter les changements de microstructure en faisceaux de matière blanche, qui peuvent être des manifestations de lésions neuronales à partir d'une variété de causes, y compris les conséquences du stress exposition 4. Du point de vue du réseau, l'activité cérébrale coordonnée (activité ou de coor-dire l'état de reposl'activité liée à la tâche-donnée) doit s'appuyer sur les connexions structurelles. Dans le cas des résultats de la DMN précédents, dommage structurel nuit à la communication entre les nœuds de DMN, conduisant à une diminution de la connectivité fonctionnelle DMN. De même, l'augmentation des modes de désactivation peuvent refléter des dommages microstructure qui nécessite le recrutement d'un plus grand aires du cortex pendant la réponse de la tâche. Pertinentes au SSPT et la DMN, plusieurs études ont montré une diminution FA dans le faisceau cingulaire 20,21, qui est la question des voies blanc qui relie les principales structures limbiques du cerveau 22. Il est probable que des mesures plus précises en utilisant la tractographie (c'est à dire que tracer directement faisceaux de matière blanche au niveau neuronal) pourront élucider précisément lequel des fibres de la substance blanche sont impliqués dans la perturbation du réseau. Les avantages de l'imagerie DTI est qu'il est relativement facile à acquérir, car il n'y a pas de tâches nécessaires pour exercer dans le scanner.

Dans la foprotocole de llowing, les approches fonctionnelles de repos connectivité fonctionnelle de l'Etat et la quantification des désactivations induite tâches sont combinés avec un examen de la connectivité structurelle utilisant DTI, afin de cartographier la structure et la fonction DMN et relier ces résultats à gravité de la maladie et des facteurs cliniques de stress post-traumatique . Nous avons déjà mis en œuvre cette approche dans les traumatismes exposés adultes sains 18,23 et constaté que ce protocole prévoit une méthode convaincante pour caractériser la DMN qui se prête à l'adaptation à l'étude du SSPT et d'autres maladies liées au stress psychiatriques.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Les participants admissibles signent consentement écrit et éclairé à participer au projet de recherche. La recherche est effectuée en conformité avec les directives institutionnelles, nationales et internationales pour le bien-être humain.

1. Participant de dépistage et de diagnostic Interviews

  1. Après consentement éclairé, effectuer des entrevues de diagnostic pour vérifier le diagnostic de SSPT et gravité de la maladie. NOTE: Ces mesures comprennent l'entrevue clinique structurée pour le DSM-IV-TR (SCID) 24 et le clinicien échelle du SSPT administrée (CAPS) 25, ainsi que le statut de Folstein Mini-Mental examen (MMSE) 26 pour évaluer l'état cognitif.
  2. Demandez aux participants de remplir les échelles d'auto-évaluation pertinentes au stress et l'humeur.
    REMARQUE: Il s'agit notamment de la vie Stressor Checklist-Revised (LSC-R) 27, Enfance Trauma Questionnaire (CTQ) 28, échelle de stress perçu (PSS) 29 et l'inventaire rapide de dépressif Symptômes (QIDS-SR) 30.
  3. Planifier les participants admissibles pour l'IRM, où les participants arrivent environ 1 heure avant la session de numérisation prévu, pour examiner les composants nécessaires pour la numérisation, telles que la sécurité IRM et procédures de l'étude.
  4. Obtenir l'urine, la grossesse (le cas échéant), et des tests de toxicologie avant de numériser.

2. Formation aux participants d'effectuer la tâche N-back

  1. Commencez la première manche avec le test lettre vigilance 0-back.
    1. Demandez aux participants d'indiquer «oui» à une cible consonne ("h" ou "H") par l'intermédiaire d'une boîte à deux boutons et la réponse «Non» à toutes les autres consonnes.
    2. Afficher le participant 9 consonnes pour 500 ms chacune, avec un temps de 2,500 ms interstimulus, pour un total de 27 sec, et leur demander de répondre comme indiqué ci-dessus. NOTE: La consonne cible sera affiché 4 fois dans chaque bloc 0-back.
  2. Ensuite, les participants ont la pratique de la 2-batest de ck.
    1. Demandez aux participants de faire une réponse «Oui» ou «Non» sur la boîte de réponse à deux boutons, après chaque consonne présenté, pour indiquer si elle est identique ou différente de la consonne présenté deux précédemment dans une série.
    2. Afficher le participant une série de 15 consonnes, pour 500 ms chacune, avec un intervalle de 2500 ms interstimulus, pour un total de 45 secondes. NOTE: Un stimulus cible est représenté 5 fois.
  3. Former les participants à effectuer la tâche n-back à l'extérieur du scanner, jusqu'à ce que leur performance atteint> 75% de réponses correctes sur la composante 2-back. REMARQUE: Les paramètres ci-dessus peuvent être automatisées en utilisant un logiciel de présentation du stimulus (voir le tableau des Matériaux / Équipement).

3. IRM acquisition

  1. Que le changement de participant dans les vêtements IRM-compatible, et amener à l'intérieur d'une Tesla IRM salle 3 du scanner. Demandez-leur de porter des bouchons d'oreille pour la protection auditive, puis se couchent dans une civière que will finalement les transférer dans le milieu de la machine IRM.
    1. Placez des coussins autour de leur tête pour minimiser le mouvement de la tête. Fournissez-leur la boîte de réponse compatible avec l'IRM pour le travail tâche de mémoire n-back, presser ampoule pour arrêter le cycle en cas d'urgence, et placer un oxymètre de pouls au doigt pour la surveillance physiologique et l'enregistrement.
    2. Placez la bobine de la tête à 32 canaux et d'un écran de présentation sur la tête du participant, et les déplacer dans le milieu du scanner.
  2. S'assurer que le participant est confortable et peut voir l'écran, et puis commencer le scan IRM session. Commencez avec l'acquisition de haute résolution (1 mm 3) scans du cerveau anatomiques. Entrez IRM haute résolution paramètres sur la console du scanner au moment de l'écho (TE) = 2.98 ms, Répétition (TR) = 1,900 ms, champ de vision (FOV) = 256 mm 2 et de la matrice de taille 64 2 en tranches de 1 mm. Lancer l'acquisition IRM en appuyant sur le bouton "run" sur l'analyseconsole de partenaire.
  3. Réglez IRMf image audacieuse paramètres d'acquisition sur la console du scanner TR = 2500 ms, TE = 28 ms, FOV = 192 mm 2, et de la matrice de taille 64 2 3 mm coupes axiales.
  4. Ensuite, acquérir des images IRMf sur la mémoire de travail, en utilisant le test n-back (voir section 2) avec les paramètres suivants:
    1. Présenter une fixation croisée 30 sec de référence, pour le patient, avant chacun des blocs 0-back en utilisant un logiciel de présentation du stimulus. NOTE: Ce sera une base de comparaison pour l'autre 0 - 2 blocs et-back lors de l'analyse des données.
    2. Projeter les instructions pour le patient pendant 3 secondes avant chaque 0 ou tâche 2-retour en utilisant le logiciel de présentation du stimulus.
    3. Au total, comprendra trois 0-back et 2 parties en retrait ainsi que deux blocs de référence dans les deux séries d'imagerie, présentés en contre-équilibré ordre.
  5. Appuyez sur "run" sur la console du scanner IRM pour commencer.
  6. Après la fin de la n-back, assurer laparticipant est à l'aise et prêt à passer. Dites-leur que le bloc de repos est le suivant, et de leur dire de ne pas s'endormir. Utilisez un logiciel de présentation du stimulus pour afficher une croix de fixation sur l'écran.
  7. Acquérir repos images de l'Etat pour le prochain 4 min, en utilisant les mêmes paramètres IRMf qui ont été utilisés pour acquérir des images n-back (voir 3.3), en appuyant sur "run" sur la console du scanner IRM.
  8. Répétez les étapes 3.4. et 3,5. Avant chaque nouvel article, demander au participant si elles sont confortables et si elles sont en mesure de continuer. S'ils sont capables, continuer le protocole. Si elles ne sont pas, placez le scanner IRM et faire des ajustements pour le confort au besoin.
  9. Ensuite, dire le participant que le scanner peut être secoué au cours des prochaines séquences, et leur demander de fermer les yeux et se détendre du mieux qu'ils peuvent dans le scanner. Ensuite, l'acquisition d'une séquence DTI en appuyant sur le bouton "run" sur la console du scanner.
  10. Définissez les paramètres d'acquisition d'images DTI dans le scanner conseule une double écho de spin-planes images de diffusion pondérés (CFA), avec des gradients de diffusion appliquées dans 64 directions non colinéaires (b = 1,000), un CFA pour chaque direction du gradient et 10 non pondérés (b = 0) images de normalisation, TR = 10 060 ms, TE = 103 ms, FOV = 226 mm, 128 2 matrice, épaisseur de coupe = 1,8 mm, avec des échos partiels et interpolation.
  11. Retirez le participant du scanner, et se renseigner sur la façon dont la session est allé. Répondez à toutes les questions qu'ils peuvent avoir, et les remercier de leur participation. Vous avez l'ordinateur du scanner IRM écrire un DVD avec des images des participants et l'enregistrement des données physiologiques pour analyses ultérieures.

4. Analyse des données

  1. prétraitement des données
    1. Utilisation d'un logiciel de traitement IRMf, reconstruire les données brutes en 3D + temps ensembles de données, concaténer et vous inscrire pour le cinquième volume de la première série, pour minimiser le mouvement artefact et obtenir des paramètres de correction de mouvement. Appliquer un filtrage passe-bande (0,009 à 0,08 Hz) à isoler le domaine de fréquence de DMN et réduire les effets de dérive de fréquence et de faible bruit à haute fréquence. NOTE: Les variables de nuisance pour chaque voxel devraient inclure ventricule moyen et matière blanche séries chronologiques ainsi que 6 estimations des paramètres de mouvement de la tête; ces estimations devraient inclure les deux valeurs humilié et dérivés. Le cours de temps prévu de variables de nuisance devrait être retiré de la série de temps de voxel plein pour obtenir un ensemble de données «résiduelles» de la série de temps pour être utilisés pour les analyses de corrélation plus tard 31.
    2. données d'échelle pour normaliser l'intensité intra-série, et les données lisses jusqu'à 4 mm à mi-hauteur de la largeur (FWHM) de noyau gaussien. Censurer des images avec plus de 1,5 mm de déplacement de l'ensemble de données 32. Ne pas effectuer une régression de signal global (GSR) depuis GSR peut influencer corrélations au repos des données d'état 33,34.
  2. État de repos connectivité analyses
    1. Utiliser des semences-région connectivité des analyses pour évaluerla relation entre a priori défini régions pour évaluer la connectivité fonctionnelle 11. REMARQUE: Graines inclus sont les principaux antérieures et postérieures noeuds de la DMN, la MPFC et PCC, respectivement. Coordonnées fonctionnelles de ces endroits sont généralement supérieurs aux emplacements atlas défini 35.
    2. Extrait de la série moyenne de temps BOLD de ces graines et procéder à une analyse de corrélation l'ensemble du cerveau. Transformer les valeurs de corrélation R à Z scores 36 pour le test d'hypothèse ultérieure.
      1. Comparer les valeurs de Z entre les groupes sur un voxel par voxel base pour évaluer les différences importantes en matière de connectivité fonctionnelle entre le SSPT et les contrôles que le critère d'évaluation principal. Seuil de ces résultats à une signification bilatéral à p <0,05, en utilisant la famille sage (c.-à-cluster) de correction d'erreur. REMARQUE: correction de cluster est générée à l'aide de simulations de Monte Carlo pour estimer la probabilité de grappes faux positifs. Utilisez algorithmique statistiquems pour calculer la correction de cluster en fonction du champ de vision, la résolution, la douceur, et l'intensité du signal au niveau de l'individu voxel 37.
    3. Pour évaluer la relation entre les symptômes cliniques et les résultats d'imagerie, effectuer des analyses de suivi qui incluent des corrélations entre les scores échelle d'évaluation et les scores Z moyens de connectivité des régions de DMN. Inclure des analyses de corrélation qui compte des renseignements démographiques pertinents, tels que la dépression gravité, lésion cérébrale traumatique, ainsi que l'éducation et d'autres variables connexes.
  3. Analyses de la mémoire de travail
    1. Utilisez un logiciel de traitement IRMf pour pré-traiter les données et GLM voxel pour quantifier l'activité spécifique à la tâche dans chaque voxel du cerveau des jeux de données individuels 11,31. NOTE: Les variables indépendantes dans le GLM sont le déroulement temporel de repos et le 0 - 2 et les tâches de reprise (y compris les transitions hémodynamiques modélisées en fonction de gamma) et variables (dérive linéaire et observentd mouvement), avec le signal BOLD dans le temps comme variable dépendante.
    2. Moyenne coefficients bêta de GLM résultant entre les régions de DMN spécifiées. NOTE: Ces moyennes réponses n-back de jeux de données au niveau individuel servent de mesure de base de l'activité cérébrale dans les analyses statistiques au niveau du groupe ultérieures.
    3. Utilisez analyse de covariance pour examiner les différences de niveau de groupe entre les groupes de PTSD et non PTSD et d'estimer les effets de difficulté de la tâche (c. comparaisons de l'activité au cours de 0 - 2 tâches de reprise contre) dans chaque région de DMN; Inclure aussi les analyses de toutes les mesures pertinentes de contrôle statistique requis durant repos analyses état en 4.2.
  4. Connectivité structurelle Utilisation DTI
    1. Prétraitement
      1. Utilisation d'un logiciel de traitement DTI, co-enregistrer non-diffusion (c.-à-. B = o) images pour corriger les artefacts de mouvement, et l'utiliser comme une image de normalisation pour les images pondérées en diffusion ultérieures. Utilisez une transformation affine 12 paramètrepour enregistrer les images pondérées en diffusion pour tenir compte des mouvements et des objets courants de Foucault.
      2. Assurez-vous que le vecteur de gradient pour chaque direction de diffusion est mise en rotation pour tenir compte des transformations préalables pour modéliser raccord. Calculer un second ordre du tenseur de diffusion par voxel de diffusion des atténuations de signal pondérés en utilisant une procédure d'ajustement non linéaire des contraintes 38.
      3. Utilisez les images pondérées en diffusion pour calculer des valeurs propres, vecteurs propres et anisotropie cartes fractions de diffusion.
    2. Utilisez un logiciel de tractographie de quantifier l'intégrité de l'ensemble du cingulaire. Utiliser atlas standard pour la sélection de la région de graines, comme celles de Mori et al. 39 et Catani et De Schotten 40. Filtrer tractographie résultant à travers une région de l'exclusion de la ligne médiane pour enlever les fibres qui traversent entre les hémisphères. Calculer moyenne FA, trace, axial et radial diffusivité pour tous les voxels à travers laquelle le faisceau cingulaire passe. </ Li>
    3. Utilisez modèle mixte ANOVA pour chaque mesure de la diffusion, de l'hémisphère comme une variable intra-sujet, pour comparer les différences de groupe entre le SSPT et les participants non-PTSD, contrôle statistique pour d'autres facteurs, tels que la dépression gravité, la toxicomanie, TBI doux et de l'éducation et démographique variables en utilisant l'analyse de covariance.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Les résultats représentatifs sont basés sur les données recueillies à l'aide de la même approche d'imagerie dans deux échantillons différents de personnes ayant des antécédents de traumatismes de l'enfance et de mauvais traitements, mais sans SSPT 21,22. Résultats de repos analyses connectivité fonctionnelle de l'Etat ont révélé une configuration spatiale cohérente avec les principaux nœuds de la DMN (figure 1) 1-3,8 y compris la MPFC, PCC, gyrus angulaire / lobule pariétal inférieur et régions temporales moyennes. La confirmation de cette distribution spatiale sert un contrôle de validité initiale, et permet de tester des hypothèses ultérieure.

Motifs de l'activité cérébrale pendant mémoire de travail sont affichés dans la figure 2. Images de la composante 2-back (figure 2a) montrent activation accrue dans le réseau exécutif qui co-produit avec la désactivation dans le DMN. Activation dans les régions de direction, tels que le gyrus frontal moyen, l'aire motrice supplémentaire et inferior lobule pariétal sont représentés en orange et rouge, juxtaposée à la désactivation dans les régions de DMN (c.-à-MPFC, PCC et médiale régions temporales) représenté en bleu. Ce modèle est compatible avec n-back littérature avant 11,41 et sert de contrôle de validité avant de procéder à des tests d'hypothèses. Figure 2b montre les résultats de la composante 0-arrière de la n-back, ce qui démontre la désactivation modeste, en particulier dans le PCC , mais sans forte désactivation MPFC. Activation modérée est également observée dans le cortex frontal médial.

Enfin, dans la mesure du faisceau cingulaire, tel que révélé par tractographie probabiliste, est présentée à la figure 3. Des images en trois dimensions affichent la forme globale et la distribution des fibres de cingulum, qui retracent grossièrement la forme globale des régions de DMN (Figure 3a). Pour vérifier l'exactitude des fibres affiché, il est recommandé que ces résultats soient recouvertes d'un indi corticale carte de duels (par exemple, généré par les programmes qui différencient les régions corticales spécifiques). Figure 3b montre l'affaire voies blanc en passant par le MPFC et PCC, et la figure 3c montre étendues atteignant les régions temporales médiales. Cela garantit que le groupe analyses ultérieures comprendre des fibres reliant les régions du cerveau concernées.

Figure 1
Figure 1. Repos État fonctionnel Carte de la connectivité du réseau par défaut mode. Ces images montrent un affichage sagittal des zones de DMN présentant la connectivité fonctionnelle positive significative avec le PCC. Les images sont à un seuil à p <0,05, corrigé pour les comparaisons multiples. Les coordonnées X de chacune des tranches sont présentés dans le coin inférieur gauche de l'image correspondante.

ays "> Figure 2
Figure 2. Répartition spatiale de l'activation Pendant la mémoire de travail. a) coupe sagittale du cerveau pour illustrer les modèles associés à la tâche de mémoire de travail 2-back. modèles d'activation au sein du réseau de la direction sont illustrés en orange / rouge et DMN désactivation est affiché en bleu. Les images sont à un seuil à p <0,05 et corrigées pour les comparaisons multiples. B) démontre une activité 0-back, qui est généralement associée à la mémoire de travail pour contrôler l'attention. modèles d'activation sont en orange / rouge et la désactivation en bleu; évident ici est une certaine désactivation de DMN avec peu activation exécutif. Les images sont à un seuil à p <0,05, corrigé pour les comparaisons multiples.

g "width =" 500 "/>
Figure 3. Probabiliste Tractography / connectivité structurelle de la Cingulum Bundle. a) montre la forme en trois dimensions et la structure de ces fibres, avec des sections du cerveau inclus pour référence visuelle; b) illustre la façon dont ces fibres parcourent la MPFC et CCP (rouge et bleu, respectivement), et c) démontre comment ces fibres parcourent la composante temporelle interne de la DMN.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Les deux étapes les plus critiques pour la mise en œuvre réussie du protocole de neuroimagerie capturent précisément état de repos et de travail des effets de mémoire.

Conceptuellement, l'acquisition d'images de repos de l'Etat est simple. Comme il n'y a pas de tâche à accomplir, les expérimentateurs décrivent souvent l'activité du cerveau au cours de ces époques comme «repos». Cependant, ce domaine est relativement nouveau par rapport à d'autres domaines de la neuro-imagerie 1, il n'ya pas de consensus explicite sur la façon de définir précisément "reste »dans le scanner. La plupart des protocoles, y compris celui-ci, demandez aux participants de voir une croix de fixation sur un écran. La durée de l'individu balayage de l'état de repos est également très variable dans la littérature, généralement comprise entre 4 et 12 min, et avec soit des yeux ouverts ou les yeux fermés 42. Dans ce protocole, deux balayages 4 min ont été mis en œuvre pour un total de 8 min, avec les yeux ouverts, la visualisation de nouveau une simple croix de fixation blancst un arrière-plan noir. Les recherches futures bénéficierait grandement de l'acceptation d'une approche standardisée de repos acquisition de données de l'État pour faciliter la généralisation dans les études.

Une autre question cruciale lors de l'acquisition de repos de l'Etat est l'impact des mouvements de la tête. Des recherches récentes ont clairement démontré que le mouvement pendant reposant scans de l'État conduit à de fausses corrélations dans la connectivité fonctionnelle des analyses subséquentes 43-45. Par conséquent, les participants doivent rester aussi immobile que possible pendant l'état de repos session de numérisation. Au cours de l'élaboration du protocole, les participants très anxieux ne sont pas en mesure de rester encore très longtemps, souvent de l'ordre de 4-5 min. Compte tenu de cette expérience, plusieurs procédures peuvent minimiser l'impact du mouvement de participant, y compris l'acquisition de deux balayages reposant 4 min de l'Etat et la censure des images avec un mouvement de plus de 1,5 mm (correspondant à 1/2 voxel) 32. Rien censurer inférieure à 1 mm movement (par exemple, 0,5 mm) chez les participants cliniques peut conduire à une réduction de données qui compromet d'autres analyses données.

Un autre élément essentiel dans l'acquisition de l'image est l'importance de la pratique de travail des tâches de mémoire avant l'imagerie. Puisque l'intérêt principe de ce protocole est la désactivation de la DMN en réponse aux demandes de tâches difficiles, le réseau exécutif doit être contestée suffisamment. Cela exige un équilibre délicat entre accabler un participant clinique (qui peut avoir une grande anxiété) et la capture d'images pendant le défi cognitif. Cet équilibre peut être atteint en ayant le participant pratique la tâche de mémoire de travail à l'extérieur du scanner. Ceci est généralement effectué tout en étant assis dans une pièce séparée, en utilisant un dispositif d'entrée identiques (si possible), comme cela est utilisé dans le scanner. Un score rapide des n-back des résultats comportementaux révèle si oui ou non les participants exécutent adéquatement. Il est également important de se rappelerparticipants que l'expérience est conçu pour induire un effort cognitif et des scores parfaits ne sont pas attendus. Dans des études antérieures, les désactivations de DMN ont eu lieu de manière similaire avec des réponses à la fois correctes et incorrectes 18,23. On pouvait s'attendre compte tenu de la nature du paradigme n-back, qui suscite un ensemble cognitive qui nécessite des fonctions cognitives cohérentes tout au long de la tâche, quel que soit l'exactitude de toute réponse donnée.

Cette approche présente plusieurs limites, qui sont inhérentes à un domaine qui progresse rapidement. Par exemple, la DMN terme a été inventé en 2001, il est donc raisonnable de supposer que les méthodes d'imagerie pour caractériser la structure et la fonction restent, sinon dans la petite enfance, à l'adolescence tôt. Des protocoles et des paramètres d'imagerie nouvelles sont constamment mises au point pertinentes pour le stress lié troubles psychiatriques 23,46, ce qui soulève la question de savoir si les résultats précédents peuvent être reproduits en utilisant des approches différentes. Un autre excellent examplement de cela est l'impact du mouvement sur ​​les scans de repos de l'Etat, qui a gagné une large reconnaissance en 2012 43-45. Bien que les chercheurs actuels en œuvre des procédures de correction de mouvement, l'absence de cette correction complique l'interprétation des données publiées précédemment. Un autre exemple important est la controverse sur la suppression de signal global, qui est une technique de prétraitement couramment utilisé pour réduire le bruit, mais peut induire de fausses corrélations dans les données d'état de repos 33,34.

En résumé, ce protocole utilise l'état de repos complémentaire, la mémoire de travail et des méthodes de neuroimagerie structurelles pour visualiser la DMN. Le principal avantage de cette approche est l'évaluation d'un réseau multimodal de cerveau unique; chacune de ces approches de neuro-imagerie fournit des informations uniques et complémentaires sur la fonction de cet important réseau. Bien que le protocole décrit ici a été utilisé pour caractériser les corrélats de l'exposition au stress, des combinaisons de n'importe or toutes ces approches se prêtent à favoriser le développement neuro-imagerie comme biomarqueurs de l'humeur et les troubles anxieux.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Génération de données représentant a été soutenu par des subventions du NIH R01HL084178, 5R01MH068767-08, et subventions de la Facilité recherche sur l'IRM Brown et Fondation Rhode Island. VA RSE & D Grant 1 IK2 CX000724-01A2 pris en charge l'élaboration de protocoles et d'autres travaux. Nous remercions tous nos participants.

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

DOWNLOAD MATERIALS LIST

References

  1. Raichle, M. E., et al. A default mode of brain function. Proc Natl Acad Sci U S A. 98, 676-682 (2001).
  2. Fransson, P. How default is the default mode of brain function? Further evidence from intrinsic BOLD signal fluctuations. Neuropsychologia. 44, 2836-2845 (2006).
  3. 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).
  4. 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).
  5. Patel, R., et al. Disruptive effects of glucocorticoids on glutathione peroxidase biochemistry in hippocampal cultures. J Neurochem. 82, 118-125 (2002).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front Syst Neurosci. 4, 19 (2010).
  11. Sweet, L. H., et al. Effects of nicotine withdrawal on verbal working memory and associated brain response. Psychiatry Res. 183, 69-74 (2010).
  12. Samuelson, K. W., et al. Neuropsychological functioning in posttraumatic stress disorder and alcohol abuse. Neuropsychology. 20, 716-726 (2006).
  13. Vasterling, J. J., et al. Attention and memory dysfunction in posttraumatic stress disorder. Neuropsychology. 12, 125-133 (1998).
  14. Yehuda, R., et al. Learning and memory in combat veterans with posttraumatic stress disorder. Am J Psychiatry. 152, 137-139 (1995).
  15. 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).
  16. 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).
  17. Peres, J. F., et al. Police officers under attack: resilience implications of an fMRI study. J Psychiatr Res. 45, 727-734 (2011).
  18. 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).
  19. Sweet, L. H., et al. Imaging phonological similarity effects on verbal working memory. Neuropsychologia. 46, 1114-1123 (2008).
  20. 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).
  21. Kim, S. J., et al. Asymmetrically altered integrity of cingulum bundle in posttraumatic stress disorder. Neuropsychobiology. 54, 120-125 (2006).
  22. Vogt, B. A., et al. Functional heterogeneity in cingulate cortex: the anterior executive and posterior evaluative regions. Cereb Cortex. 2, 435-443 (1992).
  23. 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).
  24. First, M. B., Spitzer, R. L., Gibbon, M., Williams, J. B. W. Structured Clinical Interview for Axis I DSM-IV Disorders. , (1994).
  25. Blake, D. D., et al. The development of a clinician-administered PTSD scale. J Trauma Stress. 8, 75-90 (1995).
  26. 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).
  27. Wolfe, J. W., Kimerling, R., Brown, P. J., Chrestman, K. R., Levin, K. Psychometric review of The Life Stressor Checklist-Revised. , Sidran Press. (1996).
  28. Bernstein, D. P., Fink, L. Childhood trauma questionnaire: a retrospective self-report. , Pearson Education, Inc. (1998).
  29. Cohen, S., et al. A global measure of perceived stress. J Health Soc Behav. 24, 385-396 (1983).
  30. 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).
  31. Reynolds, R. AFNI program: afni_proc.py. http://afni.nimh.nih.gov/pub/dist/doc/program_help/afni_proc.py.html. , (2006).
  32. Posner, J., et al. Antidepressants normalize the default mode network in patients with dysthymia. JAMA Psychiatry. 70, 373-382 (2013).
  33. Murphy, K., et al. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44, 893-905 (2009).
  34. 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).
  35. Shirer, W. R., et al. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cereb Cortex. 22, 158-165 (2012).
  36. Fisher, R. A. Frequency distribution of the values of the correlation coefficient in samples of an indefinitely large population. Biometrika. 10, 507-521 (1915).
  37. Cox, R. W. AFNI program: 3dClustSim. http://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html. , (2010).
  38. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  39. Mori, S., Wakana, S., Nagae-Poetscher, L. M., van Zijl, P. C. M. MRI Atlas of Human White Matter. , (2005).
  40. Catani, M., Thiebaut de Schotten, M. A diffusion tensor imaging tractography atlas for virtual in vivo dissections. Cortex. 44, 1105-1132 (2008).
  41. 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).
  42. Cole, D. M., et al. Advances and pitfalls in the analysis and interpretation of resting-state FMRI data. Front Syst Neurosci. 4, 8 (2012).
  43. Power, J. D., et al. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59, 2142-2154 (2012).
  44. 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).
  45. Van Dijk, K. R., et al. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59, 431-438 (2012).
  46. 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).

Tags

Médecine Numéro 89 le réseau du mode par défaut la neuro-imagerie l'imagerie par résonance magnétique fonctionnelle l'imagerie du tenseur de diffusion la connectivité structurelle la connectivité fonctionnelle un trouble de stress post-traumatique
Développer neuroimagerie phénotypes du défaut réseau mode dans le SSPT: Intégration de l&#39;état de repos, la mémoire de travail, et de la connectivité structurelle
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Philip, N. S., Carpenter, S. L.,… More

Philip, N. S., Carpenter, S. L., Sweet, L. H. Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity. J. Vis. Exp. (89), e51651, doi:10.3791/51651 (2014).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter