Waiting
Login processing...

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

Neuroscience

管理のリアルタイム fMRI ニューロフィード バック トレーニングのプロトコル

Published: August 24, 2017 doi: 10.3791/55543
Automatic Translation
1,2, 2, 3, 2,4, 5, 1,6
1Office of the Vice President for Research and Graduate Studies, Wright State University, 2Department of Biomedical, Industrial and Human Factors Engineering, Wright State University, 3Pediatric Radiology and Medical Imaging, Dayton Children's Hospital, 4Department of Trauma Care and Surgery, Boonshoft School of Medicine, Wright State University, 5Department of Defense Hearing Center of Excellence, JBSA-Lackland, 6Department of Neurology, Boonshoft School of Medicine, Wright State University

Summary

誘導および/または神経可塑性を制御する機能は、神経障害や脳損傷からの回復のための未来の処置の重要な可能性があります。人間の脳機能を調節する機能的磁気共鳴イメージングとニューロフィード バック トレーニングのプロトコルを提案する.

Abstract

神経系の疾患、異常な細胞・分子によって特徴付けられる-、回路レベルの脳の機能。誘導し、neuroplastic プロセスと正しい機能の異常、または生理学的に健康な脳の領域に損傷した組織からもシフト機能を制御する新しい方法は劇的に全体的な健康を向上させる可能性を保持します。開発で現在の neuroplastic 介入のニューロフィード バック トレーニング (NFT) 機能磁気共鳴イメージ投射 (fMRI) から完全に非侵襲的、非薬理学的および空間的局在するターゲットの脳であることの利点があります。地域と同様、知られている副作用を有する。さらに、NFT テクニック、当初、機能的 Mri を用いた開発は医療専門家や高度な医療機器の助けを借りずスキャナー外部で実行することができます演習によく翻訳できます。FMRI NFT、fMRI の信号は、脳の特定の領域から測定、処理、およびリアルタイムで参加者に提示します。研修を通じて、この信号と基になる神経生理学的関連を規制する、自己の精神的な処理技術が開発されています。FMRI NFT は、いくつかの異なる認知、行動、およびモーター システムへの影響と脳の広い範囲にわたって意欲的コントロールを訓練するために使用されています。また、fMRI NFT 約束を示している神経学的疾患の治療などのアプリケーションの広い範囲でベースライン人間性能の増強。この記事では両方の健康の変調と異常な脳機能メソッドを使用して脳の認知と聴覚の両方の地域をターゲットにする例に当院で開発した fMRI NFT プロトコルを提案する.

Introduction

神経系の疾患は、影響を受ける個人、家族・社会に大きな阻害要因を提示します。神経系の疾患のための治療は非存在または疑わしい有効性の頻繁にだけ障害の症状をターゲットできます。米国食品医薬品局 (FDA) によって承認された治療法がない耳鳴り – 音の幻の知覚-のためのケースです。耳鳴りは、濃度を減少または実際の音の知覚を変えることによって、日常的なタスクに干渉すること、人の生活に大きな影響を持つことができます。さらに、疲労、ストレス、睡眠の問題、メモリの問題、うつ病、不安、過敏性1耳鳴りによって影響を受ける個人も発生ことがあります。唯一存在する抗うつ薬や抗不安薬などの治療法の関連する症状の管理に役立つし、根本的な原因を扱うことができません。これは、これらの疾患の革新的な処置のための重要なギャップを作成します。

集録テクニック、計算能力、およびアルゴリズムの改善は機能磁気共鳴イメージ投射 (fMRI) データの測定、処理を速度の革命をもたらしました。これが、収集したデータを処理できる、リアルタイム fMRI の出現を有効にします。リアルタイム fMRI の早期応用であった限られた2、主に急速に動き補正などオフライン解析が典型的な処理前の手順を完了する無力によって抑制されました。コンピューティング技術およびアルゴリズムの改善は、速度、感度、およびリアルタイム fMRI3リアルタイムに適用される同様のオフライン事前処理できる汎用性を増加している今。これらの開発は、リアルタイム fMRI の 4 つの主要なアプリケーション ドメインにつながっている: 術中手術指導4脳-コンピューターのインターフェイス5,6、現在脳状態7の順応とニューロフィード バック トレーニング8。

NFT がリアルタイム fMRI の元のフォーカスではない個人が脳活動の精神戦略 (すなわち想像タスク) の実施を決意を調節する学ぶ研究の成長分野です。NFT は、オペラント条件づけの9、神経細胞の発火率とサル10ニューロン活動を高めるために示されている形式です。また、fMRI NFT に関連付けられているスパイク タイミング依存可塑性、連合学習11中に発生する神経回路の変更であります。さらに意味は、NFT が可塑性による長期増強 (LTP)、結果を誘導する fMRI 強化シナプス効率12をお勧めします。もう一つの仮定は、スキル学習など、脳の活動を意欲的に制御の分子機構を意味し、電位依存性膜コンダクタンス -13神経の興奮性の変化として表現の変化を伴うことがあります。いずれにせよ、fMRI NFT 神経レベルで脳に影響を与えるようであります。これらの理論は、fMRI NFT 神経学的疾患の治療での使用のための強力なケースを提供します。

FMRI NFT、伝統的な fMRI とは異なり動作11,14と脳の活動の関係を調査する機会を提供しています。最近、ずっとあるスパイク 2011-2012 に掲載を含む fMRI NFT 二度ほぼ多くの記事で (n = 30) 以前の 10 年と比べて (n = 16)11。最初の fMRI NFT 研究の一つは、ウェイスコフと 2003年8同僚によって行なわれました。本研究は、オンラインのフィードバックの可能性と fMRI の信号で、前部帯状皮質 (ACC) 1 つの参加者を使用して自己制御を実証しました。約 2 秒間、大きさの順よりも多くの遅延フィードバックを表示するいくつかの以前の研究より高速に。2004 参加者 6 名が somatomotor 野15の活動を制御することを学んだの最初の完全な調査を行った。FMRI NFT は、同じ日に 3 つのセッションで完了しました。増加活動空間選択的 somatomotor 野の対象地域には、一つの主題およびグループ レベルのトレーニングのコースを観察しました。この効果は以前の実行で (実行されているタスクを含みません) 背景領域から実際 fMRI 情報を受信するコントロール群の観察されなかった.研究者は、人間が意志 ACC16、扁桃体17前方皮質18,19, 聴覚など多くの脳領域から計測した fMRI の信号制御を学ぶことができますを示しているので、注意関連するネットワーク20、二国間 rostrolateral 前頭前野21、背外側前頭前野12,22,23, 運動野24, 25,26,27,28, 一次聴覚野29,30, 感情的なネットワーク領域31,32 に関連する領域、右の劣った正面 gyrus33、および視覚野34,35。

多くの神経疾患の基になるメカニズムは不明です。耳鳴りの例では、ほとんどの場合36,37,38のファントムの音の明白なソースはありません。これにもかかわらず、聴覚神経39の完全切除後症状解決の欠乏によって示されているように、中央機構はいくつかの個体で耳鳴りの知覚を担当かもしれない提案する証拠。多動性の耳鳴りに関連付けられては、一次聴覚野40,41,42で発見されています。さらに証拠は、耳鳴りの影響がさらに拡張することを示唆している感情の処理に関与し、注意の領域に43の状態します。これらの異常に基づいて、誘導し、通常神経活動パターンを奨励する neuroplastic メカニズムを制御する fMRI NFT パラダイムを開発できます。

Protocol

ライト州立大学制度検討委員会の定めるガイドラインに準拠している次の fMRI NFT プロトコル

。

1 です。 コントロール グループ

  1. は慎重に考慮し、コントロール グループの 事前 決定します。評価される hypothesis(es) を許可するコントロール グループを設計し、練習や期待のフィードバックなどの要因からの影響を考慮して 44 を表示します
    2. 。

2。ハードウェア セットアップ

  1. 参加者として伝統的な fMRI のと同じ手順を使用して MRI 室に入る前にすべてのハードウェアを準備します
    2. 。
  2. 氏互換表示・応答装置を刺激コンピューター (PC) に接続します
    3. 。
  3. 氏と互換性のあるデバイスの応答のためのケーブルを配線し、ヘッドフォンまたは MRI の周りの穴します
    4. 。
  4. 刺激 PC MRI から TR トリガー出力に接続します
    。 注: いくつかのセットアップでは、この可能性がありますに接続する刺激コンピューターに接続し、氏互換対応デバイスのハードウェア。これは同期の刺激とデータ収集のために不可欠です
    5. 。
  5. 位置氏互換表示するミラーを介して参加者に表示できるようにヘッドのコイルに貼付します
    6. 。

3。参加者の位置決め

注: 典型的な脳 MRI に類似した方法で、伝統的な fMRI と同じ方法で、参加者がスキャナー テーブルに配置される

。
  1. ダウン スキャナー テーブルに仰臥位で参加者の嘘があります。頭のコイルの中に自分の頭を維持するためにそれらを求める
    2. 。
  2. は、参加者にヘッドフォンを置く ' s、頭し、耳が覆われていることを確認します。追加ヒアリング保護が必要な場合は頭を携帯電話を提案する前に耳栓を挿入します
    3. 。
  3. 参加者の下にパッドを配置 ' 追加された快適さのため s 膝
    4. 。
  4. ヘッドのコイルの上半身を所定の位置にロックします
    5. 。
  5. ヘッドのコイルに鏡を貼る
    6. 。
  6. 参加者で対応デバイスの位置 ' s 手
    7. 。
  7. ランドマークの参加者の場所 ' スキャナーの相対的な s ナジオン
    8. 。
  8. MRI の中心に landmarked の場所の穴に移動します
    9. 。
  9. 参加者がミラーを使用して全体表示を表示することができます確認します。必要に応じて、ミラーを調整する参加者をお願いします
    10. 。

4。対象地域のローカライズ

  1. 実行する " 機能 " ローカライザー。関心領域 (ROI) 11 のターゲットを定義する機能のローカライザーから脳の活動を使用します
    。 注: この実行は、伝統的な fMRI と同様の方法で実行されます。ただし、ターゲット投資収益率は個々 の解剖学を使用して定義することもできるまたは機能ローカライザーを実行する必要を削除するアトラスを標準化します。
    1. 提供するスクリプトおよび/または視覚タスクの参加者に指示します
      。 メモ: 手順必要があります簡潔が機能ローカライザーの中に実行されるタスクを正常に実行する参加者を許可する十分な情報が含まれます。ここでは、指示通知画面にドットになります参加者と彼らはヘッドフォンで音を聞くことがあります。彼らの目標は、リラックスしてドットに焦点を当てるです
      2. 。
    2. 開始は同期を押して音刺激 (例えば、 二国間の連続的なホワイト ノイズ 29) とデータ収集の管理、" スキャン " MR 装置のボタン
      。 注: これは、fMRI の買収から TR トリガーを使用して刺激のプレゼンテーションをプログラミングによって実行されます。TR トリガーは、ただし、これは MRI およびインストールされているパッケージの製造元による影響は fMRI プロトコル経由で制御されます。視覚や触覚、聴覚刺激は、他のタスクを実行またはその他の地域をターゲットに指定できます。 ブロック パターンで
      1. 代替配信タスク刺激 (ホワイト ノイズ) と一致するコントロールの刺激 (ノイズがない)。コントロール刺激を使用して望ましくないネットワーク/システム タスクの刺激で活性化をアクティブにします
        。 注: この交替は、fMRI の獲得に刺激を同期して、TR のパルスを監視します
        2. 。
      2. 収集グラデーション リコール エコー MRI パルス シーケンスを使用して全体の脳エコー平面イメージ; パルス シーケンスのパラメーター例には 41 スライスに平行に、位相と周波数方向に 64 x 64 要素の取得行列が含まれます、前交連、後交連平面 x 3 mm 3 ボクセル サイズがあり、0.5 mm スライス ギャップ、脂肪抑制 3.75 x 3.75 を有効に、TR ・ TE = 2,000/20 ms と反転の角度 = 90 °
        3. 。
  2. 多変量統計量を用いた機能ローカライザーの間に収集した fMRI データから活性化マップを計算します
    。 注: 次の手順は、伝統的な fMRI の実行処理の一種です。いくつかの手順は削除または処理時間を削減するため簡略化されました。
    1. 前処理標準的な前処理技術 12 , 45 からカスタム ソフトウェアを使用してデータ集録中にデータが作成されます。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
        2. 。
      2. トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい
        3. 。
      3. ガウス ローパス カーネルを用いた σ 時間フィルタ リングを実行 = 3 s.
    2. タスクに神経生理学的応答を予測するモデルを作成する; これは伝統的な fMRI と同じ方法で実行されます。
      1. アクティブなを記述する心理的なモデルを作成して各時間ポイント 46 の州の残り。これは、モデルはタイム ポイントの値を持つタスク中に ' 1 ' を制御し、' 0 ' です
        2. 。
      2. タスクに fMRI (神経生理学) 応答を予測する定義済みの血行力学的応答関数 (HRF) 46 心理学モデルを色混ぜ
        3. 。
    3. 各ボクセルで一般的な線形モデル (GLM) を用いた神経生理学的モデルを時間の関数として fMRI データに適合します。これは、結果、β パラメーター マップで、t または z に変換されます-標準的な統計的変換を使用して統計マップ (活性化マップ).
  3. 平均 fMRI 画像にオーバーレイ活性化マップを使用して、後続のニューロフィード バックのフィードバック信号が派生する範囲を決定します
    。 メモ: これはカスタム ソフトウェアを使用して実行されます。グローバルと非特異的変化を削除するには、2 番目の投資収益率をまた定義されるかもしれません。
      F に表示されている解剖学的マーカーを見つけるためスライダー、マウスのホイールまたはスライス スライダー バーを使用してスライスを移動
    1. 側脳室の 12 の正面の角の下面などの MRI データ
      2. 。
    2. しきい値しきい値スライダー バーを使用して対象地域の機能のローカライザー時にアクティブに最もロバスト ボクセルを明らかにする活性化マップ。
      1. 、しきい値 事前 選択するか、手動で、しきい値を調整して、これを実行します
        2. 。
    3. マウスの左ボタンを使用して選択したしきい値を超えると投資収益率に追加するターゲット領域内の活性化と個々 のボクセルを選択します
      。 注: ボクセルを 1 つまたは複数のスライスから選択できます
      4. 。

5。 fMRI NFT

  1. 行為ニューロフィード バックは、タスクと制御条件を交互に有蓋車モデルを使用して実行されます。
    1. 実装タスク条件参加者が上げる、または目的の結果を達成するために重要であるコントロールの方向と対象地域の活性を下げる
      。 注: たとえば、頭脳の多くの地域耳鳴り患者で非常に活発、したがって、減少の活動は、通常神経活動パターンを促すことがあります
      2. 。
    2. タスク状態と参加者が彼らの心をオフにリラックスして残りの部分にアクティビティを返すコントロール状態を交互にします
      3. 。
    3. は、所望の状態に向かって脳の活動を調整するためのエイズの開始としての両方の条件に使用するマインドフルネス タスクのスクリプト例と参加者を提供します。所望の状態に向かってドライブアクティビティ脳マインドフルネスのタスクを実行するように参加者に指示します。
      1. 耳鳴りなどの聴覚の活動を減らすために他の感覚系に聴覚システムから注意をそらすに参加者に指示します
        2. 。
    4. ベースライン計算
      注: 参加者にフィードバックを提示する前にデータを正規化するそれぞれの実行前に MRI ハードウェア コンポーネントのチューニングのためのベースラインを使用します。NFT 実行 12 , 47 各 fMRI の先頭に取得した 1 つまたは複数のボリュームの平均を使用してターゲット地域のベースライン平均を決定します。
      1. スキャンの開始でカウント ダウン中にリラックスするように参加者に指示します
      5. 。
  2. 開始を押して刺激プレゼンテーションおよびデータ集録の同期、" スキャン " MRI スキャナーのボタン。4.1.2 の手順で機能のローカライザーの規定する同じ方法でグラデーションを思い出したエコー MRI パルス シーケンスを用いたエコー平面画像を収集します
    3. 。
  3. 取得基準のボリューム。
    1. カウント ダウン タイマーと空のフィードバックの表示を視覚的に表示します
      2. 。
    2. は、カスタム ソフトウェアを使用して集録中にデータを処理します。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
        2. 。
      2. 質量の中心を使用して各ボリュームの並進運動の修正; トリ線形補間を使用して機能のローカライザーの最初のボリュームに各ボリュームを登録します
        3. 。
      3. 時間と空間を超えてターゲット投資収益率から計算平均信号します
        4. 。
      4. 各ボリュームにターゲット ROI 内すべてのボクセルからの信号を合計します
        5. 。
      5. ROI のボクセルの数で合計を割ることによってボリュームごとに作成する投資収益率平均します
        6. 。
      6. ベースライン ボリュームからの合計の平均です
        7. 。
  4. ニューロフィード バック ボリュームを取得
    1. カスタム ソフトウェアを使用して集録中にデータを前処理します。
      1. の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します
        2. 。
      2. トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい
        3. 。
    2. フィードバック信号を計算します。フィードバック信号は、fMRI NFT の間に取得した各ボリュームから派生されます。意志の制御を学習を支援する参加者に提示する情報です。
      1. 1 つの値を作成するターゲット ROI 内のすべての画素から fMRI の信号を平均します
        2. 。
      2. は、現在の投資収益率の平均と投資収益率のベースライン平均の割合の変化を計算します。必要に応じて、この信号が参加者に依存係数で拡大縮小が可能 ' s パフォーマンス
        3. 。
      3. 一時的にフィルタ リングによるフィードバック信号を計算 (3 シグマとガウスのローパス カーネルだけ過去のコンポーネントから成る s) 現在 % は前のニューロフィード バック ボリュームからフィードバック信号に変更します
        4. 。
    3. フィードバック信号を表示します。 バーの高さはフィードバック値 18 , 19 、 に比例して温度計スタイル バー プロットを介して
      1. 表示電流フィードバック信号 21 , 34.
      2. フィードバックの参加者に対する指示をオーバーレイ表示します
        。 注: 手順は単純な、リラックス、または上げたり下げたり (すなわち 温度計バー) の活動参加者を直接する必要があります
        3. 。
    4. その他の刺激を必要に応じて提供します。フィードバックと並行してその他視覚、聴覚、あるいは触覚刺激を表示場合があります
      5. 。

6。自己目標の投資収益率を規制する能力を評価します

。

注: ニューロフィード バックを完了するを定量化する必要があります自己トレーニングの実行ごとに対象地域を規制する能力

。
  1. フィードバックの分析内部変化は信号 12 をです。
    1. ニューロフィード バックの残りの部分とタスク条件を表す心理的なモデルを作成します
      。 注: このモデルは神経生理学的モデルを生成するための定義済み HRF と畳み込まれます。プロセス機能のローカライザーの説明したのと同じです
      2. 。
    2. に合わせて、GLM を用いた神経生理学的モデルにフィードバック信号の時系列。これは、結果、t または z に変換 β パラメーターで-自己調節機能の代表的な統計量
      3. 。
  2. 被験者間比較を実行します
    。 注: 自己調整機能の代表的な統計が実行され、適切な統計分析 (例えば、 ペア t - テストまたは性) を使用してグループの間で比較できます。これらのテストは自己訓練、グループ、ターゲット領域を調整する機能の変化を評価し、研究を評価する使用することができます ' s hypothesis(es).

Representative Results

私たちのチームは、18 人の参加者のコホートにおける fMRI NFT から学んだ左背外側前頭前野 (DLPFC) 制御の大幅な増加を示しています。科目内の一方通行 ANOVA がしめす12の定量的な値で実行されました。この分析は DLPFC が 5 倍に大幅に増加した左の制御を明らかに
ニューロフィード バックの 6 min:24 s 失点 14 d (図 1内で実施した 5 つの別々 のセッション間で分離F(4,68) = 2.216、p = 0.038、球形と仮定、片側)。NFT、前後を実行される複雑なマルチタスク テストでのパフォーマンスの変更は、2 x 2 混合モデル性を用いたニューロフィード バックを受けなかったグループと比較されました。事後、ボンフェローニ修正比較は、追加のトレーニングを受けない複雑なマルチタスク テストでのパフォーマンスの大幅な向上を明らかにした (p < 0.005, 1 尾)、この増加は対照群より有意に大きかったと同じような訓練を実行がニューロフィード バックの追加援助を提供されなかった (p < 0.03、球形と仮定、片側)12。トレーニングで左 DLPFC の制御を得て実験グループ、にもかかわらず高原は観察されなかった。これは、最大のコントロールは行動の結果を生成する必要がないと更なる効果はさらにトレーニング12ことが可能を意味します。さらに、私たちチームは、NFT がnと組み合わせた fMRI を明らかにした-バック練習が焦点変更される脳活動対象地域に限られているし、作業メモリ ネットワーク (図 2)のアップ ストリームやダウン ストリーム コンポーネントには影響しません22。

耳鳴りに関する 1 つの前の調査は可能な治療29として fMRI NFT を調査しました。本研究ではニューロフィード バックの 4 x 4 分実行は、1 つのトレーニング セッションで完了しました。耳鳴りの行動評価を 1 つ fMRI NFT セッションの前後に行った。大脳皮質聴覚野の成功意欲的ダウン規制は達成され、聴覚活性化の大幅な削減につながった。本研究は、耳鳴りの治療に fMRI NFT の約束を示します、しかし、のみ 6 人の参加者を調べた、制御グループは比較のため未使用します。さらに、行動データを含む統計解析が実行されません。この研究に拡大と、耳鳴り患者のための興味深い新しい治療機会を明らかにするかもしれない。

Figure 1
図 1: 左 DLPFC を制御の増加します。平均左 DLPFC を実行各ニューロフィード バック制御 (別の日に実行されます) は、光の緑の円で示されます。線形回帰分析は、トレーニング全体制御の大幅な増加を明らかにした (濃い緑線; β = ウェバー 1.078、p < 0.033 お)。誤差範囲は、シャーウッドらから 1 SEM. 未変更作業を表す12日は、クリエイティブ ・ コモンズ ライセンスの下で復刻。この図の拡大版を表示するのにはここをクリックしてください。

Figure 2
図 2: 学習のローカライズされた効果左 DLPFC コントロール。(A) 確率 fMRI nから選択された NFT のボクセルの-ローカライザー バック機能。光青ボクセルが NFT の対象地域に最も頻繁に含まれていた、暗い青ボクセル頻度、含まれていた明確なボクセルに含まれていなかった。(B) ボクセル ベースの分散分析は、トレーニング セッション (赤・黄色) の主な効果の結果します。この効果は、NFT 向け左 DLPFC roi 大きなオーバー ラップを示した。軸スライス座標 z で放射線のコンベンションに表示されます = 22、26、30、34、38 mm (左右から)。シャーウッドらから変更されていない作業22日は、クリエイティブ ・ コモンズ ライセンスの下で再版。この図の拡大版を表示するのにはここをクリックしてください。

Discussion

FMRI NFT のプロトコルが記載は任意、脳の領域をターゲットに合わせることができるし、単変量、ニューロフィード バックに投資収益率ベースのアプローチについて説明します。これは、他の地域を有効にする追加機能ローカライザー タスクをプログラミングによって実現できます。カスタムのニューロフィード バックのソフトウェアにこれらのタスクを組み込むこと、によって非常に単純なプロセスを開発しました。ただし、制限が 1 つある: ターゲット地域が機能的に定義されていなければなりません。この時、私たちのチームが開発したソフトウェアは、機能的および解剖学的画像の間の任意の登録を実行しません。したがって、アトラス ベース ・ ロワなどの他の投資収益率の選択方法は、現時点では実装できません。さらに、刺激とニューロフィード バック (例えば、ブロック期間、ブロック、および TR を含む撮像パラメーターの数) のパラメーターは、演算子によって簡単に操作できます。さらに、転送は、ニューロフィード バックの不在で ROI を実装できる対象を自己規制する能力を評価する実行されます。我々 が開発しているソフトウェアは、多変量パターン35,48や49脳領域間の接続を用いたニューロフィード バックを提供していません。

FMRI NFT はニューロフィード バックの他のフォームの大きな利点を提供しています、その限界を持っています。FMRI NFT の主な利点は NFT 脳波 (EEG) などの他のすべてのフォームを上回る解像-ニューロフィード バックをベースします。強化された空間分解能は、対象50脳全体にわたって特定の脳の構造・機能をできます。現在、これは体系的である、薬物療法など他の治療法ではありません。しかし、fMRI NFT の主な欠点は、時間遅延です。ないだけでは、サンプリング レート (最大 3 桁遅い) 脳波よりはるかに遅いです、fMRI の信号をさらに関連付けられている血行の遅れはこの遅延を追加します。それにもかかわらずは、圧倒的な証拠は、参加者できますこの遅延を克服するため、練習で、学ぶ (例えばレビューを参照してください Sulzerら脳の活動を制御するには11と Scharnowskiら50)。

NFT は fMRI の人気成長しているが、幼年時代の段階に残っています。このため、一般的なベスト プラクティスを採用するあります。記述されていたプロトコルは、科学的に受け入れられる方法を詳しく説明します。たとえば、フィードバック表示の複数のフォームは、温度計スタイル バー プロット18,19,21,34を含む、様々 な研究に利用されています。さらに、フィードバック信号表示をターゲット地域から計算基準率信号の変化も広く実装されている12,19,21,25,30,51,52。

脳におけるプラスチックの効果を制御する前述耳鳴りに関連付けられているなどの異常な脳活動と神経障害や脳損傷の治療に革新的な治療技術を提供しています。ニューロモデュレーションを行動への影響に翻訳する正確なメカニズムはまだ知られている fMRI NFT に関連付けられている LTP11。学習プロセスを動作は、1 つは積極的にタスク関連脳における脳の活動を調節するときに補強されています。効率的に実行するネットワーク neuroplastic メカニズムの関与のような補強の結果。これ頭皮53,報54,55 の局所的な領域から測定した電気信号の周波数を制御する個人を訓練する場所 - eeg ニューロフィード バックなど他の NFT のテクニックと一致します。.他はのシナプスの可塑性からの LTP はシナプス効率12強化示されています。まだもう一つ仮定を提案する学習の機序は、神経興奮性の13の変化として表現される電位依存性膜コンダクタンスの変化を伴うことがあります。いずれにせよ、NFT が細胞レベルで変化を引き起こす fMRI が表示され、個人がいくつか学ぶことができるがこれらのプロセスを制御できます。この能力とこれらの変更は、についての学習や脳の損傷と神経系の疾患の治療法の開発に重要な可能性があります。

FMRI の重要な側面 NFT 行動の変化を測定することです。これは多くの仮説 NFT による神経変化による行動の変化を予測することが不可欠です。最低限、これらの評価は、2 つの時間ポイントに集めておくこと: 前に、NFT 以下。耳鳴りの場合これらの行動を判断できるだけから成る主観的アンケート耳鳴りの直接測定がないです。その他の神経系の疾患の調査されている特定の hypothesis(es) の適切な合理的な文書化された評価を決定する文献レビューを実施しなければなりません。いくつかの仮説は、fMRI NFT の近く、短期的および長期的な効果を探るなどの追加時点での測定を必要とします。いくつかの評価は、学習の影響を低減する NFT の前に訓練を必要があります。その他の仮説では、脳代謝、脳灌流または機能的ネットワークのレベルに興味のある方など、神経学的テスト必要がありますも。

FMRI NFT プロシージャは 2 つの重要な段階です。最初は、ニューロフィード バックの対象とする脳の領域を決定することです。任意の手順を行う前に神経経路と神経障害や脳損傷に関連付けられている重要な構造・機能を検討する徹底した文献レビューを実施しなければなりません。このことから、ニューロフィード バックのターゲットとしてキーの構造/機能を慎重に選択する必要があります。次に、この構造・機能に関連付けられているタスクを確認する別の文献レビューを行わなければなりません。このタスクは、障害に関連付けられていない可能性があります、タスクが指定された人口で目的の地域を活性化することが確認する必要があります。ニューロフィード バック手順の中で最初のセッションまたはセッションごとに個別にこのターゲット地域が選択されます。したがって、間と subject 内変動には、予期しない結果につながる可能性のある重要な要因があります。適切な人材育成を行い、ターゲット地域を選択するためのプロトコルを作成する重要です。ターゲットの投資収益率を定義する 2 つの方法があります: 解剖学的および機能的。解剖学的定義は解剖学から厳密に対象領域を定義する構造の MRI スキャンを利用します。標準的なアトラスを使用しています。構造イメージに機能画像を登録し、対象地域は、機能的なスペース21,26に変換されます。汎関数法の対象地域は、機能ローカライザー11,12,24,29,44の実施によって生成された活性化マップから選択されます。このメソッドが記載されました。

FMRI NFT における第二の重要な段階は、コントロール グループの選択です。制御グループは fMRI、NFT の効果を決定する上で重要な対照群の選択を慎重に検討する必要があります。以前の研究では、規制の広い範囲を使用しています。コントロール グループの一般的な手順は、しようとする意志偽フィードバック制御です。このフィードバックは、実験群21,44、知られずに任意のプロセスに関与していない地域から参加者17,33,に提供の参加者から結ばできます。44、または反転52。他の研究は、ニューロフィード バック12,21,44,56意志のコントロールを試みるが、されていないコントロール グループを使用しています。

前の調査は提案する被験者では、偽フィードバックを制御しようとしてとき、両側皮質、前帯状回、補助モーター、背内側、外側前頭前野と受動的に見て比較しての増加活性化があること、フィードバックは、57を表示します。これらの調査結果は広範な前頭頭頂を巻き込むし、脳内弁蓋部ネットワークが脳の活動を制御する意図がある場合アクティブになります。さらに、NFT の実験で使用される従来の制御グループは偽フィードバックの存在下でも、認知的コントロールと一貫性に関わる神経基盤を使用が示唆されました。別のメタ解析では、前方の皮質と大脳基底核、どちらも認知制御に関与する領域とその他の高次認知機能のコンポーネントをしようとする意志のコントロール58批判的だった活動を明らかにしました。メタ分析の結果は、以前発見57確証。一緒に取られて、この証拠提案することが意欲的制御に成功したとしようとする自己規制関連の効果を記述する重要です。したがって、自己規制をしないでコントロール グループを含めることは重要かもしれません。

ただし、コントロール受信グループ偽 fMRI 信号がターゲット活動の投資収益率の違いを明らかにした以前の研究が真のフィードバック15,16,17,を受け取った人から観察されました。18,20,21,25,26,28,33,34,44フィードバックが組み込まれていない意味のトレーニング戦略は対象地域を調節することで効果がないです。さらに、同一指示と訓練の同じ期間を受け取ったが、脳の活動の現在のレベルでのフィードバックを受け取らなかった制御グループでは、与えられた実験群と同様の行動結果を展示していません。ニューロフィード バック12,18,21,32,44,59。体験効果 fMRI NFT による学習よりもむしろ他の学習や非特異的な変化に起因していることが示唆されました。したがって、ターゲット目的の効果を得るための特定の神経生理学的システム特定の訓練の養生法を開発する必要があります。制御グループの様々 な研究の結果を示す行動トレーニング、練習、感覚フィードバックとバイオフィード バックだけでは fMRI NFT44を受ける者として同等の行動効果を作り出さない。

Disclosures

著者が明らかに何もありません。

Acknowledgments

この材料は、スポンサー契約番号 FA8650-16-2-6702 の下で米国の空軍によって研究に基づいています。見解は、著者の公式見解や国防総省およびそのコンポーネントのポリシーを反映していない.米国政府は、再現し、その上に任意の著作権表記にかかわらず政府目的のため重版を配布する権限が。自主的な完全に本研究で使用される主題のインフォームド コンセントとして得られた CFR 219 とドディ 3216.02_AFI 40-402 32 が必要があります。

Materials

Name Company Catalog Number Comments
3T MRI GE Medical 750W Discovery Data Acquisition Hardware
MR-Compatible Display System InVivo SensaVue Visual Stimuli Hardware
MR-Compatible Auditory System Resonance Technologies CinemaVision Auditory Stimuli Hardware
Experimental Stimulus Software Neurobehavioral Systems Presentation Software to Control Stimuli Presentation
Experimental Processing Software Mathworks MATLAB Software to Process Data
Data Processing Software Microsoft Visual Studio C++ Software to Process Data
Response Pads Cedrus Corporation Lumina Hardware to Receive Participant Input

DOWNLOAD MATERIALS LIST

References

  1. Vanneste, S., Plazier, M., der Loo, E. V., de Heyning, P. V., Congedo, M., De Ridder, D. The neural correlates of tinnitus-related distress. NeuroImage. 52 (2), 470-480 (2010).
  2. Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magn Reson Med. 33 (2), 230-236 (1995).
  3. Weiskopf, N., et al. Real-time functional magnetic resonance imaging: methods and applications. P Int School Magn Reson Brain Funct. 25 (6), 989-1003 (2007).
  4. Hirsch, J., et al. An integrated functional magnetic resonance imaging procedure for preoperative mapping of cortical areas associated with tactile, motor, language, and visual functions. Neurosurgery. 47 (3), 711-722 (2000).
  5. Yoo, S. -S., et al. Brain computer interface using fMRI: spatial navigation by thoughts. Neuroreport. 15 (10), 1591-1595 (2004).
  6. Sorger, B., Reithler, J., Dahmen, B., Goebel, R. A real-time fMRI-based spelling device immediately enabling robust motor-independent communication. Curr Biol. 22 (14), 1333-1338 (2012).
  7. Yoo, J. J., et al. When the brain is prepared to learn: Enhancing human learning using real-time fMRI. NeuroImage. 59 (1), 846-852 (2012).
  8. Weiskopf, N., et al. Physiological self-regulation of regional brain activity using real-time functional magnetic resonance imaging (fMRI): methodology and exemplary data. NeuroImage. 19 (3), 577-586 (2003).
  9. Fetz, E. E. Volitional control of neural activity: Implications for brain-computer interfaces. J Physiology. 579 (Pt 3), 571-579 (2007).
  10. Fetz, E. E. Operant Conditioning of Cortical Unit Activity. Science. 163 (3870), 955-958 (1969).
  11. Sulzer, J., et al. Real-time fMRI neurofeedback: Progress and challenges. NeuroImage. 76 (0), 386-399 (2013).
  12. Sherwood, M. S., Kane, J. H., Weisend, M. P., Parker, J. G. Enhanced control of dorsolateral prefrontal cortex neurophysiology with real-time functional magnetic resonance imaging (rt-fMRI) neurofeedback training and working memory practice. NeuroImage. 124 (A), 214-223 (2016).
  13. Mozzachiodi, R., Byrne, J. H. More than synaptic plasticity: Role of nonsynaptic plasticity in learning and memory. Trends Neurosci. 33 (1), 17-26 (2010).
  14. Weiskopf, N., Scharnowski, F., Veit, R., Goebel, R., Birbaumer, N., Mathiak, K. Self-regulation of local brain activity using real-time functional magnetic resonance imaging (fMRI). J Physiology-Paris. 98 (4-6), 357-373 (2004).
  15. deCharms, R. C., Christoff, K., Glover, G. H., Pauly, J. M., Whitfield, S., Gabrieli, J. D. E. Learned regulation of spatially localized brain activation using real-time fMRI. NeuroImage. 21 (1), 436-443 (2004).
  16. Hamilton, J. P., Glover, G. H., Hsu, J. -J., Johnson, R. F., Gotlib, I. H. Modulation of subgenual anterior cingulate cortex activity with real-time neurofeedback. Hum Brain Mapp. 32 (1), 22-31 (2011).
  17. Zotev, V., et al. Self-regulation of amygdala activation using real-time fMRI neurofeedback. PLoS ONE. 6 (9), e24522 (2011).
  18. Caria, A., et al. Regulation of anterior insular cortex activity using real-time fMRI. NeuroImage. 35 (3), 1238-1246 (2007).
  19. Veit, R., Singh, V., Sitaram, R., Caria, A., Rauss, K., Birbaumer, N. Using real-time fMRI to learn voluntary regulation of the anterior insula in the presence of threat-related stimuli. Soc Cogn Affect Neur. 7 (6), 623-634 (2012).
  20. Lee, J. -H., Kim, J., Yoo, S. -S. Real-time fMRI-based neurofeedback reinforces causality of attention networks. Neurosci Res. 72 (4), 347-354 (2012).
  21. McCaig, R. G., Dixon, M., Keramatian, K., Liu, I., Christoff, K. Improved modulation of rostrolateral prefrontal cortex using real-time fMRI training and meta-cognitive awareness. NeuroImage. 55 (3), 1298-1305 (2011).
  22. Sherwood, M. S., Weisend, M. P., Kane, J. H., Parker, J. G. Combining real-time fMRI neurofeedback training of the DLPFC with n-back practice results in neuroplastic effects confined to the neurofeedback target region. Front Behav Neurosci. 10 (138), 1-9 (2016).
  23. Zhang, G., Yao, L., Zhang, H., Long, Z., Zhao, X. Improved working memory performance through self-regulation of dorsal lateral prefrontal cortex activation using real-time fMRI. PLoS ONE. 8 (8), e73735 (2013).
  24. Sitaram, R., et al. Acquired control of ventral premotor cortex activity by feedback training: an exploratory real-time fMRI and TMS study. Neurorehab Neural Re. 26 (3), 256-265 (2012).
  25. Subramanian, L., et al. Real-time functional magnetic resonance imaging neurofeedback for treatment of Parkinson's Disease. J Neurosci. 31 (45), 16309-16317 (2011).
  26. Yoo, S. -S., Lee, J. -H., O'Leary, H., Panych, L. P., Jolesz, F. A. Neurofeedback fMRI-mediated learning and consolidation of regional brain activation during motor imagery. Int J Imag Syst Tech. 18 (1), 69-78 (2008).
  27. Berman, B. D., Horovitz, S. G., Venkataraman, G., Hallett, M. Self-modulation of primary motor cortex activity with motor and motor imagery tasks using real-time fMRI-based neurofeedback. NeuroImage. 59 (2), 917-925 (2012).
  28. Chiew, M., LaConte, S. M., Graham, S. J. Investigation of fMRI neurofeedback of differential primary motor cortex activity using kinesthetic motor imagery. NeuroImage. 61 (1), 21-31 (2012).
  29. Haller, S., Birbaumer, N., Veit, R. Real-time fMRI feedback training may improve chronic tinnitus. Eur Radiol. 20 (3), 696-703 (2010).
  30. Haller, S., et al. Dynamic reconfiguration of human brain functional networks through neurofeedback. NeuroImage. 81 (0), 243-252 (2013).
  31. Johnston, S. J., Boehm, S. G., Healy, D., Goebel, R., Linden, D. E. J. Neurofeedback: A promising tool for the self-regulation of emotion networks. NeuroImage. 49 (1), 1066-1072 (2010).
  32. Johnston, S., Linden, D. E. J., Healy, D., Goebel, R., Habes, I., Boehm, S. G. Upregulation of emotion areas through neurofeedback with a focus on positive mood. Cogn Affect Behav Ne. 11 (1), 44-51 (2011).
  33. Rota, G., et al. Self-regulation of regional cortical activity using real-time fMRI: The right inferior frontal gyrus and linguistic processing. Hum Brain Mapp. 30 (5), 1605-1614 (2009).
  34. Scharnowski, F., Hutton, C., Josephs, O., Weiskopf, N., Rees, G. Improving visual perception through neurofeedback. J Neurosci. 32 (49), 17830-17841 (2012).
  35. Shibata, K., Watanabe, T., Sasaki, Y., Kawato, M. Perceptual learning incepted by decoded fMRI neurofeedback without stimulus presentation. Science. 334 (6061), 1413-1415 (2011).
  36. Fowler, E. Head noises in normal and in disordered ears: Significance, measurement, differentiation and treatment. Arch Otolaryngol. 39 (6), 498-503 (1944).
  37. Penner, M. J. An estimate of the prevalence of tinnitus caused by spontaneous otoacoustic emissions. Arch Otolaryngol. 116 (4), 418-423 (1990).
  38. Sismanis, A., Smoker, W. R. K. Pulsatile tinnitus: Recent advances in diagnosis. Laryngoscope. 104 (6), 681-688 (1994).
  39. Folmer, R. L., Griest, S. E., Martin, W. H. Chronic tinnitus as phantom auditory pain. Otolaryngology. 124 (4), 394-400 (2001).
  40. Gu, J. W., Halpin, C. F., Nam, E. -C., Levine, R. A., Melcher, J. R. Tinnitus, diminished sound-level tolerance, and elevated auditory activity in humans with clinically normal hearing sensitivity. J Neurophysiol. 104 (6), 3361-3370 (2010).
  41. Schecklmann, M., et al. Neural correlates of tinnitus duration and distress: A positron emission tomography study. Hum Brain Mapp. 34 (1), 233-240 (2013).
  42. Geven, L. I., de Kleine, E., Willemsen, A. T. M., van Dijk, P. Asymmetry in primary auditory cortex activity in tinnitus patients and controls. Neurosci. 256, 117-125 (2014).
  43. Seydell-Greenwald, A., Leaver, A. M., Turesky, T. K., Morgan, S., Kim, H. J., Rauschecker, J. P. Functional MRI evidence for a role of ventral prefrontal cortex in tinnitus. Brain Res. 1485, 22-39 (2012).
  44. deCharms, R. C., et al. Control over brain activation and pain learned by using real-time functional MRI. P Natl Acad Sci USA. 102 (51), 18626-18631 (2005).
  45. Friston, K. J., et al. Analysis of fMRI time-series revisited. NeuroImage. 2 (1), 45-53 (1995).
  46. Ashby, F. G. Statistical analysis of fMRI data. , MIT Press. Cambridge, Mass. (2011).
  47. Ruiz, S., et al. Acquired self-control of insula cortex modulates emotion recognition and brain network connectivity in schizophrenia. Hum Brain Mapp. 34 (1), 200-212 (2013).
  48. Papageorgiou, T. D., Curtis, W. A., McHenry, M., LaConte, S. M. Neurofeedback of two motor functions using supervised learning-based real-time functional magnetic resonance imaging. Eng Med Biol Soc Ann. , 5377-5380 (2009).
  49. Koush, Y., et al. Connectivity-based neurofeedback: Dynamic causal modeling for real-time fMRI. NeuroImage. 81, 422-430 (2013).
  50. Scharnowski, F., Weiskopf, N. Cognitive enhancement through real-time fMRI neurofeedback. Curr Opin Behav Sci. 4, 122-127 (2015).
  51. Sulzer, J., et al. Neurofeedback-mediated self-regulation of the dopaminergic midbrain. NeuroImage. 83, 817-825 (2013).
  52. Berman, B. D., Horovitz, S. G., Hallett, M. Modulation of functionally localized right insular cortex activity using real-time fMRI-based neurofeedback. Front Human Neurosci. 7 (638), 1-11 (2013).
  53. Birbaumer, N., Cohen, L. G. Brain-computer interfaces: Communication and restoration of movement in paralysis. J Physiol. 579 (3), 621-636 (2007).
  54. Daly, J. J., Wolpaw, J. R. Brain-computer interfaces in neurological rehabilitation. Lancet Neurol. 7 (11), 1032-1043 (2008).
  55. Ros, T., Munneke, M. A. M., Ruge, D., Gruzelier, J. H., Rothwell, J. C. Endogenous control of waking brain rhythms induces neuroplasticity in humans. Eur J Neurosci. 31 (4), 770-778 (2010).
  56. Linden, D. E. J., et al. Real-Time Self-regulation of emotion networks in patients with depression. PLoS ONE. 7 (6), e38115 (2012).
  57. Ninaus, M., et al. Neural substrates of cognitive control under the belief of getting neurofeedback training. Front Hum Neurosci. 7 (914), 1-10 (2013).
  58. Emmert, K., et al. Meta-analysis of real-time fMRI neurofeedback studies using individual participant data: How is brain regulation mediated? NeuroImage. 124, 806-812 (2016).
  59. Linden, D. E. J., Turner, D. L. Real-time functional magnetic resonance imaging neurofeedback in motor neurorehabilitation. Curr Opin Neurol. 29 (4), 412-418 (2016).

Tags

神経科学、問題 126、fMRI、ニューロフィード バック、神経学的疾患、耳鳴り、神経可塑性、長期増強
管理のリアルタイム fMRI ニューロフィード バック トレーニングのプロトコル
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sherwood, M. S., Diller, E. E., Ey,… More

Sherwood, M. S., Diller, E. E., Ey, E., Ganapathy, S., Nelson, J. T., Parker, J. G. A Protocol for the Administration of Real-Time fMRI Neurofeedback Training. J. Vis. Exp. (126), e55543, doi:10.3791/55543 (2017).

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