Waiting
Login processing...

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

Neuroscience

Een Protocol voor de administratie van Real-Time fMRI Neurofeedback Training

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

De mogelijkheid om te bewegen en/of controle van Neurale plasticiteit kan worden cruciaal voor de toekomstige behandelingen voor neurologische aandoeningen en het herstel van hersenletsel. In deze paper presenteren wij een protocol inzake het gebruik van neurofeedback training waarbij functionele magnetische resonantie imaging te moduleren van menselijke hersenfunctie.

Abstract

Neurologische stoornissen worden gekenmerkt door abnormale mobiele-, moleculaire-, en circuit-niveau functies in de hersenen. Nieuwe methoden te induceren neuroplastic processen en juiste abnormale functie, of zelfs shift functies van beschadigd weefsel naar fysiologisch gezonde hersengebieden, bezit het potentieel om drastisch verbeteren van de algehele gezondheid. Van de huidige interventies van de neuroplastic in ontwikkeling heeft neurofeedback training (NFT) van functionele magnetische resonantie Imaging (fMRI) de voordelen van het volledig niet-invasieve, niet-farmacologische en ruimtelijk gelokaliseerde naar doel hersenen regio's, alsook met geen bijwerkingen bekend. Bovendien kunnen NFT technieken, in eerste instantie ontwikkeld met behulp van fMRI, vaak vertaald worden naar oefeningen die kunnen worden uitgevoerd buiten de scanner zonder de hulp van medische professionals of geavanceerde medische apparatuur. In fMRI NFT, is het signaal van de fMRI gemeten vanaf specifieke gebieden van de hersenen, verwerkt en gepresenteerd aan de deelnemer in real-time. Door middel van opleiding, worden Self-Directed geestelijke verwerkingstechnieken, die dit signaal en de onderliggende neurophysiologic correlates regelen, ontwikkeld. FMRI NFT is gebruikt om te trainen van de bewuste controle over een breed scala van hersengebieden die gevolgen hebben voor verschillende cognitieve, gedragsmatige en motor systemen. Bovendien, fMRI NFT heeft aangetoond belofte in een brede waaier van toepassingen zoals de behandeling van neurologische stoornissen en de vergroting van de basislijn menselijke prestaties. In dit artikel presenteren we een fMRI NFT protocol ontwikkeld bij onze instelling voor modulatie van beide gezond en abnormale hersenfunctie, evenals voorbeelden van het gebruik van de methode te richten op zowel de cognitieve als de auditieve gebieden van de hersenen.

Introduction

Neurologische stoornissen presenteren belangrijke belemmeringen op de betrokken personen, hun gezinnen en de samenleving. Behandelingen voor neurologische aandoeningen zijn onbestaande of van twijfelachtige werkzaamheid, en vaak alleen richten op symptomen van de wanorde. Dit is het geval voor tinnitus – de phantom perceptie van geluid – dat niet een door de Amerikaanse Food and Drug Administration (FDA) goedgekeurde behandeling hoeft. Tinnitus kan een grote invloed hebben op iemands leven, alledaagse taken verstoren door dalende concentratie of wijzigen van de perceptie van het werkelijke geluid. Personen die getroffen zijn door tinnitus kunnen bovendien ook vermoeidheid, stress, slaapproblemen, geheugenproblemen, depressie, angst en prikkelbaarheid1optreden. Therapieën die er bestaan, zoals antidepressiva en antianxiety medicijnen, alleen helpen bij het beheer van de bijbehorende symptomen, en kunnen niet de onderliggende oorzaak te behandelen. Hierdoor ontstaat een kritische kloof voor innovatieve behandelingen van deze aandoeningen.

Verbeteringen in de technieken van de overname, rekenkracht en algoritmen hebben een revolutie teweeggebracht in de snelheid waarmee gegevens van functionele magnetische resonantie Imaging (fMRI) kan worden gemeten en verwerkt. Dit heeft ervoor gezorgd dat de komst van real-time fMRI, waar gegevens kan worden verwerkt als het wordt opgehaald. Vroege toepassingen van real-time fMRI waren beperkt2, voornamelijk geremd door het onvermogen om snel de stappen voorbewerkend typische aan offline analyses uitgevoerd, zoals beweging correctie. Verbeteringen in de informatica technologie en algoritmen nu verhoogd de snelheid, gevoeligheid en veelzijdigheid van real-time fMRI3 waardoor soortgelijke off line voorbehandeling worden toegepast in real-time. Deze ontwikkelingen hebben geleid tot 4 primaire toepassingsdomeinen van real-time fMRI: intraoperatieve chirurgische begeleiding4, hersenen-computer interfaces5,6, aanpassing van stimuli voor huidige hersenen7 staat, en Neurofeedback training8.

NFT, is hoewel niet de originele focus van real-time fMRI, een groeiende sector van onderzoek waar individuen leren om het moduleren van de hersenactiviteit volitionally door middel van de uitvoering van geestelijke strategieën (d.w.z. gedacht taken). NFT is een vorm van Operante conditionering9, waarin is aangetoond dat het verhogen van de neuronale afvuren tarieven en neuronale activiteit in apen10. Ook, fMRI NFT is in verband gebracht met spike timing-afhankelijke plasticiteit, die neurale veranderingen die zich voordoen tijdens associative leren11. Verdere implicaties suggereren fMRI die NFT plasticiteit via lange termijn potentiëring (LTP) induceert, wat resulteert in verbeterde synaptic efficiëntie12. Een ander verzoek impliceert cellulaire mechanismen van vaardigheid leren, zoals de bewuste controle over hersenactiviteit, en veranderingen in de geleidbaarheid van de spanning-afhankelijke membraan - uitgedrukt als een verandering in de neurale prikkelbaarheid13kan inhouden. In ieder geval lijkt het dat fMRI NFT beïnvloedt de hersenen op het neurale niveau. Deze theorieën bieden een sterk argument voor het gebruik van fMRI NFT in de behandeling van neurologische aandoeningen.

FMRI NFT, biedt in tegenstelling tot traditionele fMRI, de mogelijkheid te onderzoeken van de relatie tussen hersenactiviteit en gedrag11,14. Onlangs heeft er spike in de studies waarbij fMRI NFT met bijna tweemaal zoveel artikelen gepubliceerd in 2011-2012 (n = 30) in vergelijking met de vorige 10 jaar (n = 16)11. Één van de eerste fMRI NFT studies werd uitgevoerd door Weiskopf en collega's in 20038. Deze studie succesvol gebleken de haalbaarheid van online feedback en zelfregulering van de fMRI-signaal in de Anterior cingularis Cortex (ACC) met behulp van een deelnemer. Feedback was sneller dan de enkele eerdere studies met een vertraging van ongeveer twee seconden, meer dan een orde van grootte weergegeven. De eerste volledige studie werd uitgevoerd in 2004 waar 6 deelnemers geleerd om te controleren van de activiteit van de somatomotorische cortex15. FMRI NFT werd voltooid in 3 sessies uitgevoerd op dezelfde dag. Verhoogde activiteit ruimtelijk selectief aan de target-regio in de cortex somatomotorische werd waargenomen door de loop van de opleiding op de single-onderwerp en groep niveau. Dit effect was niet in acht genomen voor de controlegroep die echte fMRI informatie van een gebied op de achtergrond ontvangen (niet gecorreleerd met de taak wordt uitgevoerd) eerder in de run. Onderzoekers hebben sindsdien aangetoond dat mensen de bewuste controle over het signaal van de fMRI gemeten vanaf verschillende hersengebieden, waaronder de ACC16, de amygdala17, de anterior insula18,19, auditieve kunnen leren en aandacht gerelateerde netwerken20, bilaterale rostrolateral prefrontale cortex21, dorsolateral prefrontale cortex12,22,23, motor cortices24, 25,26,27,28, primaire auditieve cortex29,30, regio's die zijn gekoppeld aan emotionele netwerk regio's31,32 , rechts inferieur frontale gyrus33, en visuele cortices34,35.

De onderliggende mechanismen van veel neurologische aandoeningen zijn onbekend. In het voorbeeld van tinnitus is er geen voor de hand liggende bron voor de phantom geluid in de meeste gevallen36,37,38. Ondanks dit suggereert bewijs een centraal mechanisme kan verantwoordelijk voor de tinnitus-percept in sommige mensen, zoals blijkt uit het gebrek aan symptoom resolutie na volledige dissectie van de gehoorzenuw39. Hyperactiviteit gekoppeld aan tinnitus heeft gevonden in de primaire auditieve cortex40,41,42. Verder blijkt dat de effecten van tinnitus verder uitbreiden in gebieden die betrokken zijn bij de verwerking van emotie en attentional staat43. Gebaseerd op deze afwijkingen, kunnen fMRI NFT paradigma's worden ontwikkeld om te induceren en controlemechanismen die aanzetten tot normale neurale patronen neuroplastic.

Protocol

het volgende fMRI NFT protocol voldoet aan de richtlijnen van de Wright State University institutionele Review Board.

1. controlegroepen

  1. zorgvuldig overwegen en controle groepen een priori te bepalen. Ontwerpen van controle groep(en) om de hypothesis(es) te worden geëvalueerd en ter verantwoording voor de effecten van extra factoren zoals praktijk of verwachtingen gemaakt door de feedback weergegeven 44.

2. Hardware Setup

  1. alle hardware voorbereiden voordat de deelnemer de MRI kamer gebruik van dezelfde procedures als traditionele fMRI binnenkomt.
  2. De heer-compatibel display en antwoord apparaat systeem verbinden met de stimulans computer (PC).
  3. Route bekabeling voor de heer-compatibele reactie apparaten en hoofdtelefoon door of rond de MRI droeg.
  4. Sluit de TR-trigger-uitgang van de MRI op prikkel PC.
    Opmerking: In sommige opstellingen, dit kan worden aangesloten op de heer-compatibele reactie apparaat hardware, die vervolgens wordt aangesloten op de computer van de stimulus. Dit is noodzakelijk voor de synchronisatie stimuli en data-acquisitie.
  5. Positie de heer-compatibele weergeven, zodat het zal aan de deelnemer via de spiegel (te) zichtbaar zijn aangebracht met de hoofd spoel.

3. Deelnemer plaatsing

Opmerking: de deelnemer moet worden geplaatst op de tafel van de scanner op een vergelijkbare manier naar een typische hersenen MRI, en op dezelfde wijze als traditionele fMRI.

  1. Hebben de deelnemer leugen neer in een liggende positie op de tafel van de scanner. Vraag hen om hun hoofd binnen de hoofd spoel.
  2. Plaats de hoofdtelefoon op de deelnemer ' s hoofd, en zorgen de oren zijn bedekt. Als extra gehoorbescherming vereist is, plaatst oordopjes vóór plaatsing van de hoofd telefoons.
  3. Plaats van een pad onder de deelnemer ' s knieën voor toegevoegd comfort.
  4. Vergrendelen van het bovenlichaam van de hoofd spoel vastklikt.
  5. Brengt de spiegel met de hoofd spoel.
  6. Plaats van de reactie-apparaten in de deelnemer ' s handen.
  7. De locatie van de deelnemer landmark ' s nasion ten opzichte van de scanner.
  8. Verplaatsen de gelandmerkte locatie naar het midden van de MRI droeg.
  9. Bevestigen dat de deelnemer het gehele scherm met behulp van de spiegel kunt bekijken. De deelnemer aan te passen de spiegel zo nodig vragen.

4. Het lokaliseren van de Target-regio

  1. uitvoeren een " functionele " localizer. Gebruik de hersenactiviteit van de functionele localizer om te definiëren van de target regio van belang (ROI) 11.
    Opmerking: Deze run wordt uitgevoerd op een gelijkaardige manier aan traditionele fMRI. Echter het doel ROI kan ook worden gedefinieerd met behulp van individuele anatomie of atlassen verwijderen van de noodzaak voor het uitvoeren van een functionele localizer gestandaardiseerd.
    1. Provide gescripte en/of visuele taak instructies aan de deelnemer.
      Opmerking: Deze instructies moeten beknopte maar voldoende gegevens bevatten om de deelnemer de taak uitgevoerd tijdens de functionele localizer uitvoeren. Hier de instructies informeren de deelnemer die een punt op het scherm worden zal en kunnen zij het horen van geluiden in de koptelefoon. Hun doel is om te ontspannen en concentreren op de stip.
    2. Begin gesynchroniseerd beheer van auditieve stimuli (bijvoorbeeld bilaterale continu witte ruis 29) en data-acquisitie door het indrukken van de " Scan " knop op de heer scanner.
      Opmerking: Dit wordt uitgevoerd door het programmeren van de presentatie van de stimuli die met behulp van de TR-trigger uit de verwerving van de fMRI. De TR-trigger wordt beheerd via het protocol fMRI maar dit kan worden beïnvloed door de fabrikant van de MRI en de geïnstalleerde pakketten. Eventuele visuele, haptische en/of auditieve prikkels kunnen geleverd worden om andere taken uitvoeren en/of doel van andere regio's.
      1. Bij toerbeurt de levering van taak stimuli (witte ruis) met bijpassende besturingselement prikkels (geen ruis) in een geblokkeerde patroon. Controle stimuli gebruiken om ongewenste netwerken/systemen geactiveerd in de taak prikkels te activeren.
        Opmerking: Deze afwisseling treedt op met synchroniseren van stimuli voor de verwerving van fMRI en controle TR pulsen.
      2. Verzamelen geheel-hersenen echo vlakke afbeeldingen met behulp van een kleurovergang-herinnerd-echo MRI pulse reeks; voorbeeld parameters voor de puls-reeks omvatten een overname matrix van 64 x 64 elementen in de fase en frequentie richtingen, 41 segmenten parallel uitgelijnd met de anterior commissuur-posterior commissuur vliegtuig, 3,75 x 3,75 x 3 mm 3 voxel grootte, 0.5 mm segment kloof, vet onderdrukking ingeschakeld, TR/TE = 2.000/20 ms, en een flip hoek 90 ° =.
  2. Berekenen van een kaart van de activering van de fMRI-gegevens die zijn verzameld tijdens de functionele localizer met behulp van meerdimensionale statistiek.
    Opmerking: De volgende stappen zijn een variant van verwerking uitgevoerd voor traditionele fMRI. Sommige stappen zijn verwijderd of vereenvoudigd om verwerkingstijd te verminderen.
    1. Preprocess de gegevens tijdens het data-acquisitie met behulp van aangepaste software gemaakt op basis van standaard voorbewerkend technieken 12 , 45.
      1. Uitvoeren van 3D ruimtelijke filteren met behulp van een Gaussiaanse low-pass kernel (volledige breedte half-maximaal 4.5 mm).
      2. Correct voor translationeel beweging door het uitlijnen van het massamiddelpunt voor elk volume aan het eerste deel van de functionele localizer met behulp van tri-lineaire interpolatie.
      3. Uitvoeren temporele filtering met behulp van een Gaussiaanse low-pass-kernel met σ = 3 s.
    2. Maken van een model voor het voorspellen van de neurofysiologische reactie op de taak; dit wordt uitgevoerd op dezelfde wijze als traditionele fMRI.
      1. Maak een psychologische model waarin de actieve en rusten staten voor elke tijd punt 46. Deze modellen de tijdstippen tijdens de taak met een waarde van ' 1 ' en controle met een ' 0 '.
      2. Het psychologische model met een vooraf gedefinieerde hemodynamische reactie functie (HRF) 46 te voorspellen de fMRI (neurofysiologische) reactie op de taak convolve.
    3. Grootte van de fMRI-gegevens op elke voxel als functie van de tijd het neurofysiologische model met behulp van een algemene lineair Model (GLM). Dit resulteert in een kaart voor β-parameter, die is geconverteerd naar t- of z-statistiek kaarten (activering kaarten) met behulp van standaard statistische transformaties.
  3. Gebruik van de kaart van de activering die op een gemiddelde fMRI-afbeelding worden bedekt om te bepalen van de regio waarin het signaal van de feedback voor de latere neurofeedback wordt afgeleid.
    Opmerking: Dit wordt uitgevoerd met behulp van aangepaste software. Globale en aspecifieke om wijzigingen te verwijderen, kan ook een tweede ROI worden gedefinieerd.
    1. Navigeren via de segmenten met behulp van het muiswiel van de schuifregelaar of de schuifbalk van het segment te vinden anatomische markeringen zichtbaar in de fMRI gegevens zoals het inferieur oppervlak van de frontale Hoorn van de laterale ventrikels 12.
    2. Drempel de activering kaart met behulp van de schuifbalk drempel te onthullen de meest krachtig geactiveerd tijdens de functionele localizer in de regio van de target voxels.
      1. Uitvoeren door het selecteren van een drempel een priori of door het handmatig aanpassen van de drempel.
    3. Gebruik van de linker muisknop om te selecteren van individuele voxels met activering boven de geselecteerde drempel en binnen de regio doel toe te voegen aan de ROI.
      Opmerking: Voxels kan worden gekozen uit een of meerdere segmenten.

5. fMRI NFT

  1. gedrag neurofeedback wordt uitgevoerd met behulp van een boxcar model met afwisselende taak en de controlevoorwaarden.
    1. Uitvoering van een taak voorwaarde waar deelnemers verhogen of verlagen van de activiteit van de doel-regio, met de richting van controle tot het bereiken van de gewenste resultaten kritisch.
      Opmerking: bijvoorbeeld veel regio's van de hersenen zijn hyperactieve bij patiënten met tinnitus en, dus, dalende activiteit kan stimuleren normale neurale patronen.
    2. De voorwaarde van de taak met een aandoening van de controle waar deelnemers terug activiteit tot rust door te ontspannen en clearing hun gedachten worden afgewisseld.
    3. Bieden de deelnemer met een script voorbeeld van mindfulness taken moet worden gebruikt tijdens beide voorwaarden als steun voor het moduleren van de hersenactiviteit jegens de gewenste Staten beginnen. Instrueer de deelnemer mindfulness taken dat hersenactiviteit van de schijf naar de gewenste Staten.
      1. In het voorbeeld van de tinnitus, dragen de deelnemers om de aandacht weg van het auditieve systeem naar andere zintuiglijke systemen om auditieve activiteit afleiden.
    4. Basislijn berekening
      Opmerking: toe te schrijven aan de afstemming van de MRI hardwareonderdelen vóór elke run, basislijnen worden gebruikt voor het normaliseren van de gegevens voordat terugkoppeling naar de deelnemer. Het gemiddelde van de basislijn wordt bepaald voor de regio van de doelgroep met behulp van een gemiddelde van één of meer volumes verworven aan het begin van elke fMRI NFT uitvoeren 12 , 47.
      1. Instrueren van de deelnemer om te ontspannen tijdens een countdown gepresenteerd aan het begin van de scan.
  2. Begin gesynchroniseerd stimuli presentatie en data-acquisitie door te drukken op de " scan " knop op de MRI-scanner. Verzamelen van echo vlakke afbeeldingen met behulp van een kleurovergang-herinnerd-echo MRI pulse reeks op dezelfde wijze als voorgeschreven voor de functionele localizer in stap 4.1.2.
  3. Ophaal basislijn volumes.
    1. Visueel presenteren een timerfunctie en lege feedback display.
    2. Verwerken de gegevens tijdens de overname met behulp van aangepaste software.
      1. Uitvoeren van 3D ruimtelijke filteren met behulp van een Gaussiaanse low-pass kernel (volledige breedte half-maximaal 4.5 mm).
      2. Corrigeren voor translationeel beweging met behulp van het massamiddelpunt voor elk volume; elk volume is geregistreerd voor het eerste deel van de functionele localizer met behulp van tri-lineaire interpolatie.
      3. Bereken gemiddelde signaal van doelgroep ROI in zowel tijd als ruimte.
      4. Som van de signalen van alle voxels binnen de doelgroep ROI in elk volume.
      5. Maken ROI gemiddeld voor elk volume door de som te delen door het aantal voxels in de ROI.
      6. Gemiddelde van de bedragen van de basislijn volumes.
  4. Verwerven van neurofeedback volumes
    1. voorbehandelen van de gegevens tijdens de overname met behulp van aangepaste software.
      1. Uitvoeren van 3D ruimtelijke filteren met behulp van een Gaussiaanse low-pass kernel (volledige breedte half-maximaal 4.5 mm).
      2. Correct voor translationeel beweging door het uitlijnen van het massamiddelpunt voor elk volume aan het eerste deel van de functionele localizer met behulp van tri-lineaire interpolatie.
    2. Het feedback-signaal te berekenen. Een feedback-signaal is afgeleid van elk verworven volume tijdens fMRI NFT. Dit is de informatie die wordt gepresenteerd aan de deelnemer om te helpen met het leren van de bewuste controle.
      1. Het signaal van de fMRI van alle voxels binnen de doelgroep ROI naar het maken van een enkele waarde gemiddelde.
      2. Berekenen de percentage verandering tussen het huidige gemiddelde van de ROI en het gemiddelde van de basislijn ROI. Optioneel, dit signaal kan worden aangepast door een factor die afhankelijk is van de deelnemer ' s prestaties.
      3. Berekenen van het feedback-signaal met een stoffelijk filter (Gaussiaans low-pass kernel met een sigma van 3 s bestaande uit alleen verleden componenten) het huidige percentage wijzigen met de feedback-signalen van vorige neurofeedback volumes.
    3. Het signaal van de feedback weergeven.
      1. Display de huidige feedback-signaal via een thermometer aandoende bar perceel, waar de hoogte van de balk evenredig aan de feedback waarde 18 , 19 , is 21 , 34.
      2. Overlay-instructies voor de deelnemer van de feedback weergeven.
        Opmerking: Deze instructies zijn eenvoudig, en moet direct de deelnemer te ontspannen, of verhogen of verlagen van de activiteit (dat wil zeggen de thermometer balk).
    4. Optioneel bieden extra stimulatie. Extra visuele, auditieve of haptische stimulatie kan worden gepresenteerd gelijktijdig met feedback.

6. Beoordelen van de mogelijkheid om zelf regelen de doelgroep ROI.

Opmerking: nadat neurofeedback is voltooid, de mogelijkheid om zelf regelen de regio doel voor elke uitvoering van de opleiding moet worden gekwantificeerd.

  1. Analyseren intra onderwerp wijzigingen in de feedback signalen 12.
    1. Maken een psychologische model vertegenwoordigen de rest en taak omstandigheden van neurofeedback.
      Opmerking: Dit model is convolved met een vooraf gedefinieerde HRF te produceren een neurofysiologische model. Het proces is hetzelfde als beschreven voor de functionele localizer.
    2. Past de tijdreeksen van feedback signaal aan de neurofysiologische model met behulp van een GLM. Dit resulteert in een β-parameter, die is geconverteerd naar t- of z-statistiek representatief zijn voor de mogelijkheid om zichzelf reguleren.
  2. Inter onderworpen vergelijkingen uitvoeren.
    Opmerking: Statistieken representatief zijn voor de prestaties van de zelfregulering kan worden vergeleken over punten en groepen met behulp van passende statistische analyses uitgevoerd (bijvoorbeeld gepaarde t - tests of ANOVAs). Deze tests beoordelen van wijzigingen in de mogelijkheid om zelf het reguleren van de doel-regio over opleiding en groepen, en kan worden gebruikt voor het evalueren van de studie ' s hypothesis(es).

Representative Results

Ons team heeft aangetoond dat een aanzienlijke toename van de controle over de linker dorsolateral prefrontale cortex (DLPFC) geleerd van fMRI NFT in een cohort van 18 deelnemers. Een binnen-onderwerpen one-way ANOVA werd uitgevoerd op de kwantitatieve waarden van bewuste controle12. Deze analyse toonde controle van de DLPFC aanzienlijk over 5 x toegenomen links
6 min:24 s loopt van neurofeedback gescheiden in vijf afzonderlijke sessies uitgevoerd binnen 14 d (Figuur 1; F(4,68) = 2.216, p = 0.038, bolvorm uitgegaan, eenzijdige). Veranderingen in de prestaties op een complexe multitasking-test, uitgevoerd vóór en na NFT, werden vergeleken met een groep die geen neurofeedback met behulp van 2 x 2 gemengd-model ANOVAs. Post-hoc, Bonferroni-gecorrigeerde vergelijkingen bleek aanzienlijke stijging van de prestaties op een complexe multitasking-test die geen aanvullende opleiding ontvangen (p < 0,005, eenzijdige), en deze verhoging was aanzienlijk groter is dan een controlegroep die soortgelijke opleiding uitgevoerd, maar was niet voorzien van de extra hulp van neurofeedback (p < 0.03, bolvorm uitgegaan, eenzijdige)12. Ondanks het experiment groep die controle over de linker DLPFC via opleiding, werd een plateau niet waargenomen. Dit betekent dat de maximale controle niet nodig is om gedrags resultaten opleveren en dat nog meer effecten kunnen mogelijk met verdere opleiding12. Bovendien bleek ons team fMRI NFT gecombineerd met n-terug praktijk creëert focal wijzigingen in hersenactiviteit die zijn beperkt tot de doel-regio en heeft geen invloed op de up - of down-stream componenten van de werkend geheugen netwerk (Figuur 2) 22.

Over tinnitus, heeft een eerdere studie fMRI NFT onderzocht als een mogelijke behandeling29. In deze studie werden 4 x 4 min punten van neurofeedback in een trainingseenheid afgesloten. Gedrags evaluaties van tinnitus werden uitgevoerd vóór en na de sessie enkele fMRI NFT. Succesvolle gewilde down-regulatie van de auditieve cortex was bereikt, en heeft geleid tot een aanzienlijke vermindering van auditieve activering. Deze studie toont de belofte van fMRI NFT bij de behandeling van tinnitus, echter slechts zes deelnemers werden bestudeerd en een controlegroep was niet gebruikt voor de vergelijking. Bovendien, statistische analyses, met inbegrip van de gedrags-gegevens werden niet uitgevoerd. Uitbreiding op deze studie zou onthullen interessante nieuwe mogelijkheden van de behandeling van tinnitus patiënten.

Figure 1
Figuur 1: toenemende controle over links DLPFC. Gemiddelde links van de controle van de DLPFC voor elke neurofeedback uitvoeren (uitgevoerd op afzonderlijke dagen) zijn aangegeven door de licht groene cirkels. Een lineaire regressie-analyse bleek een aanzienlijke toename van de controle over de opleiding (donkere groene lijn; β = 1.078, p < 0.033). Foutbalken vertegenwoordigen 1 SEM. Unmodified werk van Sherwood et al. 12, herdrukt onder de Creative Commons Attribution license. Klik hier voor een grotere versie van dit cijfer.

Figure 2
Figuur 2: gelokaliseerde Effect van leren links DLPFC controle. (A) de waarschijnlijkheid van voxel inclusie van fMRI NFT geselecteerd uit een n-terug functionele localizer. Licht blauw voxels het vaakst werden opgenomen in de NFT doel regio, donker blauw voxels waren opgenomen minder vaak en duidelijk voxels werden niet opgenomen. (B) Voxel gebaseerde ANOVA resultaten voor het belangrijkste effect van training (rood-geel). Dit effect bleek een grote overlapping met de linker DLPFC ROIs voor NFT gericht. Axiale segmenten worden weergegeven in de radiologische Congreslocatie de coördinaten z = 22, 26, 30, 34 en 38 mm (van links naar rechts). Ongewijzigde werk van Sherwood et al. 22, herdrukt onder de Creative Commons Attribution license. Klik hier voor een grotere versie van dit cijfer.

Discussion

Het fMRI NFT protocol hierin besproken kan worden aangepast aan het doel van elke regio van de hersenen, en bespreekt een univariate, ROI gebaseerde benadering van neurofeedback. Dit kan worden bereikt door te programmeren van extra functionele localizer taken te activeren van andere regio's. Door deze taken op te nemen in de aangepaste neurofeedback software, hebben we een zeer eenvoudig proces. Er is echter één beperking: de doel-regio moet functioneel worden gedefinieerd. De software die ons team heeft ontwikkeld voert op dit moment geen geen registratie tussen functionele en anatomische beelden. Dus, andere ROI selectiemethoden, zoals atlas gebaseerde ROIs, kunnen niet worden ten uitvoer gelegd op dit moment. Bovendien, kunnen parameters voor de stimuli en neurofeedback (bijvoorbeeld blok duur, aantal blokken en imaging parameters waaronder TR) gemakkelijk worden gemanipuleerd door de operator. Bovendien loopt de overdracht te evalueren van de mogelijkheid om zelf regelen de doelgroep die ROI in het ontbreken van neurofeedback kan worden geïmplementeerd. De software die we hebben ontwikkeld biedt geen neurofeedback met behulp van multivariate patronen35,48 of verbinding tussen hersenen regio's49.

FMRI NFT biedt aanzienlijke voordelen ten opzichte van andere vormen van neurofeedback maar heeft ook zijn beperkingen. Het belangrijkste voordeel van fMRI NFT is de ruimtelijke resolutie die beter presteert dan alle andere vormen van NFT zoals electroencephalogram (EEG)-op basis van neurofeedback. Verbeterde ruimtelijke resolutie kan specifieke structuren/hersenfuncties over de gehele hersenen gerichte50worden. Momenteel, is dit niet haalbaar met andere therapieën zoals farmacotherapie, die systematisch. Het grote nadeel van fMRI NFT is echter de vertraging. Niet alleen zijn bemonsteringsfrequenties veel trager dan de EEG (maximaal 3 ordes van grootte langzamer), voegt de hemodynamische lag de fMRI signaal verder gekoppeld aan deze vertraging. Ondanks dit is er overweldigend bewijs dat deelnemers kunnen deze vertraging overwinnen en met praktijk, leren om controle van de hersenactiviteit (bijvoorbeeld voor een overzicht zie Sulzer et al. 11 en Scharnowski et al. 50).

De populariteit van fMRI NFT groeit, maar het blijft in een stadium van de kinderschoenen. Wegens dit moeten gemeenschappelijke praktijken nog worden vastgesteld. Het protocol beschreven gegevens methoden die wetenschappelijk zijn aanvaard. Bijvoorbeeld, hebben meerdere vormen van feedback geeft over de verschillende studies, met inbegrip van een thermometer-stijl bar perceel18,19,21,34gebruikt. Bovendien, een feedback-signaal gepresenteerd zoals de verandering van het percentage signaal met een basislijn berekend op basis van de doel-regio ook uitgebreid geïmplementeerde12,19,21,25 is , 30 , 51 , 52.

Kunststof effecten in de hersenen beheersen biedt een innovatieve therapeutische techniek voor de behandeling van neurologische aandoeningen of hersenletsel met abnormale hersenactiviteit, zoals die geassocieerd met tinnitus hierboven besproken. Hoewel de precieze mechanismen neuromodulatie vertalen naar gedragsmatige gevolgen nog onbekend zijn, fMRI NFT geweest LTP11gekoppeld. Door middel van het leerproces, wordt gedrag versterkt, wanneer een actief hersenactiviteit in taakgerelateerde hersenen netwerken regelt. De resultaten van dergelijke versterking in de betrokkenheid van neuroplastic mechanismen waardoor het netwerk efficiënter uitvoeren. Dit valt samen met andere NFT technieken zoals EEG gebaseerde neurofeedback waar individuen zijn opgeleid om de frequentiebanden van elektrische signalen gemeten vanaf de lokale regio's van de hoofdhuid53,54,55 . Anderen hebben aangegeven LTP van synaptische plasticiteit, wat resulteert in verbeterde synaptic efficiëntie12. Nog een ander verzoek suggereert cellulaire mechanismen van leren kunnen betrekking hebben op veranderingen in de geleidbaarheid van de spanning-afhankelijke membraan die wordt uitgedrukt als een verandering in de neurale prikkelbaarheid13. In ieder geval controle blijkt dat fMRI die NFT veranderingen op cellulair niveau veroorzaakt, en dat het individu kan leren wat over deze processen. Dit vermogen en deze wijzigingen kunnen van doorslaggevend belang bij het leren over en de ontwikkeling van behandelingen voor neurologische aandoeningen en hersenletsel.

Een belangrijk aspect van fMRI NFT is voor het meten van veranderingen in het gedrag. Dit is noodzakelijk om vele hypothesen die gedragsveranderingen voorspellen, gedreven door de NFT-geïnduceerde neurale veranderingen. Minimaal deze evaluaties moeten worden verzameld op twee tijdstippen: voorafgaand aan en na NFT. In het geval van tinnitus, kon deze gedrags evaluaties uitsluitend uit subjectieve vragenlijsten bestaan, want er geen directe maat voor tinnitus is. Voor andere neurologische aandoeningen, moet een overzicht van de literatuur worden uitgevoerd om te bepalen van de passende, redelijke en gedocumenteerde evaluaties voor de specifieke hypothesis(es) onderzocht. Sommige hypothesen vereisen metingen op extra tijd punten, zoals die in de omgeving van-, korte- en lange termijn effecten van fMRI NFT verkennen. Enkele evaluaties wellicht opleiding voorafgaand aan NFT leren effecten te verminderen. Andere hypothesen wellicht zelfs neurologische testen zoals diegenen die geïnteresseerd zijn in niveaus van hersenen metabolieten, cerebrale perfusie of functionele netwerken.

De procedure van de fMRI NFT heeft twee kritieke fasen. De eerste is het bepalen van een regio van de hersenen te richten voor neurofeedback. Voorafgaand aan het uitvoeren van de procedures, moet een grondige literatuurstudie worden uitgevoerd om te onderzoeken zenuwbanen en belangrijke structuren/functies die zijn gekoppeld aan de neurologische wanorde of hersenletsel. Hieruit moeten structuren/sleutelfuncties zorgvuldig worden geselecteerd als doel voor neurofeedback. Volgende, een ander overzicht van de literatuur dient te worden uitgevoerd om te controleren van de taken die zijn gekoppeld aan deze structuur/functie. Deze taak kan of kan niet worden geassocieerd met de aandoening, maar het dient bevestigd te worden dat de taak de gewenste regio('s) in de aangewezen bevolking activeert. Tijdens neurofeedback procedures, zullen deze doelstelling regio worden geselecteerd op een individuele basis, hetzij tijdens de eerste zitting, hetzij op elke sessie. De variabiliteit van de inter - en intra - subject kan dus belangrijke factoren die tot onvoorspelbare resultaten leiden kunnen. Het is cruciaal voor het maken van een protocol om te selecteren van de doel-regio en voeren passende opleiding van het personeel. Er zijn twee methoden voor het definiëren van een doelgroep ROI: anatomisch en functioneel. Anatomische definities gebruiken structurele MRI-scans om te definiëren van de doel-regio strikt van anatomie,en eventueel met behulp van een standaard atlas. Functionele beelden worden geregistreerd aan de structurele beelden, en de doel-regio wordt getransformeerd in functionele ruimte21,26. In de functionele methode, wordt het doel gebied geselecteerd uit een activering kaart geproduceerd door het uitvoeren van een functionele localizer11,12,24,29,44. Deze methode werd hierin besproken.

De tweede kritische fase in fMRI NFT is controle groep selecteren. Controlegroepen zijn van cruciaal belang bij het bepalen van het effect van fMRI NFT en de selectie van de controlegroepen moet zorgvuldig worden overwogen. Eerdere studies hebben een breed scala aan besturingselementen gebruikt. Een gemeenschappelijke procedure voor een groep besturingselementen is om te proberen van de bewuste controle in aanwezigheid van sham feedback. Deze feedback kan worden ingespannen van een deelnemer in de experimentele groep21,44, uit een regio die niet deelnemen aan het gewenste proces buiten medeweten verstrekt aan de deelnemer17,33, 44, of omgekeerde52. Andere studies hebben gebruik gemaakt van controlegroepen die bewuste controle probeert maar niet worden geleverd met neurofeedback12,21,44,56.

Een eerdere studie suggereert dat wanneer onderwerpen proberen te beheersen van sham feedback, er verhoogde activering in de bilaterale insula, anterior cingularis, aanvullende motor, dorsomedial en laterale prefrontale gebieden in vergelijking is met passief kijken een feedback weergeven57. Deze bevindingen betrekken een brede fronto-pariëtale en cingulo-operculaire netwerk is geactiveerd wanneer er de bedoeling is om controle van de hersenactiviteit. Deze bevindingen stellen bovendien voor traditionele controlegroepen gebruikt in experimenten NFT neurale correlaten overeenstemming met cognitieve controle, zelfs in aanwezigheid van sham feedback zal gebruiken. Een aparte meta-analyse bleek activiteit in de voorste insula en basale ganglia, die allebei regio's die betrokken zijn bij cognitieve controle en andere hogere cognitieve functies, onderdelen kritisch probeert bewuste controle58waren. De resultaten van deze meta-analyse bevestigd de vorige vinden57. Samen genomen, suggereert dit bewijs dat er kritische af te bakenen effecten van succesvolle bewuste controle en die verband houden met het proberen van zelfregulering. Daarom is de opneming van de controlegroepen die geen poging doen voor zelfregulering belangrijk kan zijn.

Echter de vorige studies waar groepen ontvangen sham fMRI besturingsseinen is gebleken dat verschillen in doel ROI activiteit werden waargenomen van degenen die het ontvangen van ware terugkoppeling15,16,17, 18 , 20 , 21 , 25 , 26 , 28 , 33 , 34 , 44, impliceert opleidingsstrategieën dat feedback niet te nemen zijn niet effectief bij het moduleren van de doel-regio. Bovendien deed controlegroepen die identieke instructies en dezelfde periode van de opleiding ontvangen maar ontving geen feedback over het huidige niveau van hersenactiviteit geen vergelijkbare gedrags resultaten als de experimentele groepen die kregen vertonen Neurofeedback12,18,21,32,44,59. Deze bevindingen stellen voor dat de ervaringsgerichte effecten zijn toe te schrijven aan fMRI NFT-geïnduceerde leren eerder dan andere leren of niet-specifieke wijzigingen. Daarom moeten specifieke opleiding regimes die bepalen voor welke specifieke neurofysiologische systemen te verkrijgen van de gewenste effecten worden ontwikkeld. De resultaten van een studie met een verscheidenheid van controlegroepen aangeven gedrags opleiding, praktijk, sensorische feedback en biofeedback alleen geen gelijkwaardige gedrags effecten als degenen die fMRI NFT44 ontvangenteweegbrengen.

Disclosures

De auteurs hebben niets te onthullen.

Acknowledgments

Dit materiaal is gebaseerd op onderzoek, gesponsord door de Amerikaanse luchtmacht onder overeenkomstnummer FA8650-16-2-6702. De standpunten zijn die van de auteurs en weerspiegelen niet de officiële standpunten en beleid van het ministerie van defensie en de bijbehorende onderdelen. De Amerikaanse regering is gemachtigd om te reproduceren en distribueren van herdrukken voor gouvernementele doeleinden Niettegenstaande elke auteursrecht notatie daarop. De vrijwillige, volledig geïnformeerde toestemming van de onderwerpen in dit onderzoek gebruikt is verkregen als vereist door 32 CFR 219 en DODI 3216.02_AFI 40-402.

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

Neurowetenschappen kwestie 126 fMRI neurofeedback neurologische aandoeningen tinnitus Neuroplasticiteit op lange termijn potentiëring
Een Protocol voor de administratie van Real-Time fMRI Neurofeedback Training
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