Waiting
Login processing...

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

Neuroscience

동적 상호 주제 기능 연결 밝혀 연속에 의해 구동 하는 순간 순간 두뇌 네트워크 구성 또는 통신 패러다임

Published: March 21, 2019 doi: 10.3791/59083

Summary

기술된 접근의 목표 기능 연결에 상당한 재구성 기능 자기 공명 영상에서 발생 하는 어떤 순간의 패러다임 (시간적 관점), 그리고 어느 지역 (공간 관점) 사이 결정 하는 것입니다. 기록 기간 동안 시간 동기 자극 재생 됩니다.

Abstract

우리의 뇌는 자극;의 다양 한 종류에 어떻게 반응 하는지 이해 하 기능 자기 공명 영상 작업 기반 곰 큰 잠재력 그러나, 이것은 종종 기능 처리의 역동적인 면을 고려 하지 않고 얻을 수 및 분석 출력은 일반적으로 작업 기반 효과의 결합 된 영향 및 두뇌 활동의 기본 자연 변동에 대 한 계정. 이러한 한계를 넘어 갈 수 있는 새로운 방법론 파이프라인 소개: 슬라이딩 윈도우 분석 체계를 사용 하 여 시간이 지남에, 기능 변경 사항 추적을 허용 하 고 크로스-주제 이제 측정을 통해 접근 수 순전히 자극 관련 효과 격리 합니다. 엄격한 임계 처리 과정 감사 간 주제 기능 상관 관계에 상당한 변화는 추출 고 분석 될 수 있습니다.

자연 시청각 자극을 받았다 건강 한 과목의 세트에 매는 동영상의 특정 신호를 unraveled 기능 재구성 하 여 접근의 유용성을 설명 합니다. 우리는 어떻게, 우리의 방법을 통해 하나 수 두뇌 활동 (주어진된 연결의 진화)의 어느 임시 프로 파일을 캡처할 또는 키 시간에 스냅숏으로 공간에 초점을 보여줍니다. 우리 전체 파이프라인의 공개적으로 사용 가능한 버전을 제공 하 고 그것의 사용 및 그것의 주요 매개 변수 단계의 영향을 기술 한다.

Introduction

기능성 자기 공명 영상 (fMRI) 비 접촉 외부 자극에서 발생 하는 뇌 작업에 변화를 모니터링 하는 선택의 도구가 되고있다. 좀 더 구체적으로,에 생생한 관심 지역 활성화 시간 과정, 기능 연결 (FC)1 로 알려져 있으며 일반적으로 Pearson의 상관으로 계산 사이 통계적 인 상호 의존의 이해에 대 한 떠오르고 있다 계수입니다. 기능 interplays는 뇌에 걸쳐 광범위 하 게 기본 작업2,,34의 기능으로 다시 설정 표시 되었습니다.

2 개의 분석 방향이 입문 특성화 넘어가 서 따른 별도로: 한편으로, 특정된 뇌 영역에 시간 동기 자극에 의해 유도 된 응답 강하게 뚜렷한 주제5에서 상관 관계를 관찰 되었다 . 잠재적인 인식6,7,,89 및 뇌 장애10,11의 우리의 이해를 수정 보여준이 간 상관 관계를 주제 (ISC) 측정 . 또한, 크로스-주제 이제 이렇게 크로스 지역 동시성12, 간 주제 기능 상관 관계 (ISFC) 접근13로 알려진 무슨에 평가 또한 확장 되었다.

다른 한편으로, FC 재구성의 동적 맛 시작 관심 증가 (허 치 슨 외.14, Preti, 볼 턴 및 반 드 빌15,16 최근 리뷰를 곤잘레스 카스 틸로 Bandettini 참조는 휴식 상태와 작업 기반 측면이이 질문의). 양측 검정는 점차적으로 이동한 임시 하위 창17,18, 행동 작업 의 맥락에서 추가적인 통찰력을 드러내는 동안 연속 상관 관계 측정을 통해 시간이 지남에 모든 두뇌 FC 변화를 추적 하는 특히, 19,20.

여기, 우리는 그 두도 결합 하는 방법론 프레임 워크를 제시. 실제로, 우리는 주제 시간 잠겨, 자연 패러다임에 노출 사이 크로스 지역 동시성의 진화를 추적 하기 위해 슬라이딩 윈도우 방식에서 ISFC를 계산 합니다. 방법의 크로스-주제 측면 통해 분석 (되지 않은 상관 과목에 걸쳐) 자발적인 fMRI 변화는 강력 하 게 감쇠 하는 동안 자극 기반 효과에 집중 된다. 휴식 상태와 작업 갖는 활동 패턴은 점점 더 뚜렷한 속성21,22에 의해 특징을 이해 하기 때문에 중요 하다.

방법의 동적 구성 요소에 관해서는 단서 (청각, 시각, 사회, 등)의 다양 한 집합 시간이 지남에 결합 되어 자연 패러다임을 탐색 하는 경우에 특히 작업 자극의 더 완전 하 고 정확한 특성화를 통해. 또한, 중요 한 동적 변동 사운드 통계 평가 뜨겁게 논쟁된23,24되었습니다, 우리의 접근 소요 분석의이 측면 들 특정 중요 한 ISFC 변화를 통해 분리 하 여 적절 한 null 데이터를 비교 합니다.

우리 건강 한 과목 누구 우리는 시간적, 공간 ISFC 프로필 하위 간격을 정확 하 게 추출 될 수 있다 지역화 된 영화에서 발생 하는 변경 표시는 시청각 동영상 자극에 노출 된 메서드를 보여 줍니다. 이렇게, 우리는 또한 주요 분석 매개 변수를 사용자가 선택할 수의 영향을 설명 합니다. 제시 결과 이전 게시 데이터25,26의 일부를 기반으로 합니다.

Protocol

다음 프로토콜은 로컬 윤리 위원회 (생물 의학 Inserm 365 프로토콜 C08-39)에 의해 승인 되었습니다.

1입니다. 사전 영상

  1. 작성, 그들 모두에 대 한 동의 취득 과목의 연구 인구 등록. 지역 윤리 위원회의 승인을 추구 합니다.
  2. 시간 동기 방식으로 모든 과목에 적용 될 수 있는 조사 패러다임을 선택 합니다.
    참고: 여기, 우리는 젊은이 (https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study)에 대 한 시청각 과학 다큐멘터리를 사용합니다.

2입니다. 영상

  1. 분석에서 고려 하는 각 주제에 대 한 스캔 한 자원 봉사자의 시간 동기 패러다임을 복종 된다 적어도 하나의 기능 이미징 세션을 수행 합니다.
    1. 3 테슬라 MRI 스캐너를 사용 하 여 시퀀스를 이미징 하는 echoplanar 통해 가로 조각 획득.
    2. 다음 이미지 매개 변수를 사용: 복 셀 크기 = 3 mm x 3 mm x 3 mm, 반복 시간 (TR) = 2 s, 에코 시간 50 ms, 보기의 필드를 = 192, = 40 조각.
      참고: 빠른 TR 값은 타당성의 범위 내에서 좋습니다. 프로토콜도는 보다 제한 된 보기의 필드 (예: 특정 뇌 하위 구조에 제한 하는 분석의 경우)는 더 나은 시간 해상도 (낮은 TR), 또는 공간적으로 더 정확한 분석을 가능 하 게 것으로 적용할 수 있습니다.
    3. 전후에 자극의 프레 젠 테이 션 (≥ 2 TR)를 기록 하는 수 초를 둡니다.
  2. 하나 이상의 별도 기능 이미징 세션 있는 스캔된 자원 봉사자 스캐너에서 나머지에 속 인 다를 눈을 폐쇄 하 고 잠이 하지 지시 합니다.
    참고: 별도 자극 및 휴식 상태 인수 방지 그렇지 않으면 가능한 조건 사이 interplays (예를 들어, 미리 영화를 시청 하는 데 두고 있습니다 지속적인 추적 이후에 획득 휴식 상태 기록)27. 상기 추가 휴식 상태 수집, 대안을 통해가 적절 하지 (이기는 하지만 가양성;의 감지 하는 경향이 토론 참조) 대리 시간 과정으로이 데이터를 대체 하는 파이프라인에서 계산 옵션 (단계 5.1.2 참조) 패러다임 관련 신호에서 계산.
  3. 구조 이미지를 수행 합니다.
    1. 3 테슬라 MRI 스캐너 및 신속한 수집 자화 준비 T1 가중치 기온 변화도 에코 순서를 사용 합니다.
    2. 다음과 같은 이미지 매개 변수를 사용: 복 셀 크기 = 1 mm x 1 mm, 보기의 필드 x 1 = 256, 176 조각.

3. 데이터 및 소프트웨어 준비

  1. 각 세션 분석에 대 한 다음 데이터 파일의 존재를 확인 합니다.
    1. 기능적 MRI 볼륨, 별도 3D NIFTI 또는 HDR/IMG 파일, 일관 된 번호 지정 체계 (예를 들어, "fMRI_0001", "fMRI_0002", 등)와 존재의 집합입니다.
    2. T1 구조 MRI 이미지, NIFTI 또는 HDR/IMG 형식.
    3. 몬트리올 신경학 연구소 (MNI) 공간, NIFTI 형식에서에 대 한 관심의 아틀라스.
      참고: 필요한 입력된 파일의 예는 제공 대표 주제 ("S17")에 대 한 https://c4science.ch/source/Intersubj_pipeline.git 에서 전체 파이프라인 코드
  2. 공개적으로 사용 가능한 Freesurfer 소프트웨어28 (https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall)의 최신 버전을 다운로드.
  3. Https://www.fil.ion.ucl.ac.uk/spm/software/spm12/에서 공개적으로 사용 가능한 통계 매개 변수 매핑 (SPM) MATLAB 도구 상자의 최신 버전을 다운로드.
  4. 오픈 MATLAB (버전 2017a 또는 더 최근) 새로 다운로드 한 "freesurfer" 및 "spm12" 폴더를 찾습니다. 각각을 위해, 그것에 오른쪽 클릭 하 고 선택에서 경로에 추가 > 선택 폴더와 하위 폴더 옵션.

4입니다. 데이터 전처리

  1. MATLAB 터미널에서 유형 spm SPM12 메인 메뉴를 시작 하 고 전처리 옵션에 액세스 하려면 fMRI 버튼을 클릭 하는 fMRI 데이터에 전념. 별도로 각 fMRI 세션 전처리에 대 한 다음 단계를 수행 합니다.
    1. (Est 및 해상도)를 재편성, 새로 오픈 일괄 편집 창에서 클릭, 더블 클릭 데이터 > 세션. 새로 열린 세션 창에서 모든 기능 이미지 처리를 선택 합니다. 다음, 완료 버튼 및 나중에, 일괄 편집 창 (녹색 삼각형)에서 일괄 처리 실행 아이콘을 클릭 합니다. MATLAB 터미널 창에 표시 된 대로 재배치 단계 완료 될 때까지 기다립니다.
    2. 참조 이미지에 더블 클릭, Coregister (Est 및 해상도), 그리고 새로 오픈 일괄 편집 창에서 클릭 합니다. 새로 오픈 참조 이미지 창에서 다음 단계, "평균", 앞에서 만든 평균 기능 볼륨을 선택 하 고 완료 버튼을 클릭 합니다. 더블 클릭 원본 이미지, 그리고 새로 오픈 소스 이미지 창에서를 T1 이미지를 선택 합니다. 그리고 이후에, 일괄 편집 창 (녹색 삼각형)에서 일괄 처리 실행 아이콘에 완료 버튼을 클릭 합니다. MATLAB 터미널 창에 표시 된 대로 coregistration 단계 완료 될 때까지 기다립니다.
      참고: T1 이미지 덮어쓰게 됩니다이 단계에서 업데이트 한 기능 볼륨으로 같은 공간에 있다 그래야.
    3. 세그먼트, 새로 오픈 일괄 편집 창에서 클릭, 볼륨을 두 번 클릭 합니다. 새로 오픈 볼륨 창에서 T1 이미지를 선택 하 고 완료 버튼을 클릭 합니다. 다음, 일괄 편집 창 변형 필드 를 두 번 클릭 고 반전 옵션을 선택 합니다. 일괄 처리 실행 아이콘 (녹색 삼각형)를 클릭 하 고 MATLAB 터미널 창에 표시 된 대로 세분화 단계 완료 될 때까지 기다립니다.
  2. 첫 번째 전처리 그래픽 사용자 인터페이스 창을 열려면 MATLAB 터미널에 JOVE_GUI1를 입력 합니다. 각 fMRI 세션 분석에 대 한 다음 단계를 수행 합니다.
    1. Enter fMRI 데이터를 클릭 하 고 단계 4.1.1 ("r" 앞)에서 만든 모든 realigned 기능 볼륨을 선택 합니다. IMG/HDR 파일 IMG와 HDR 볼륨을 선택 합니다.
    2. (초)에서 데이터의 TR 전용된 편집 가능한 텍스트 창에 입력 합니다.
    3. T1 입력 데이터 에 클릭 하 고 단계 4.1.3 ("c1", "c2"와 "c3" 접두사가)에서 만든 3 확률 조직 유형 볼륨을 선택 합니다.
    4. Enter 모션 파일을 클릭 하 고 단계 4.1.1에서에서 만든 및 "rp" 앞 세션에서 모션 매개 변수를 포함 하는 텍스트 파일을 선택 합니다.
    5. 또는 하지 detrended 해야 하는 데이터 즉, 전처리, 원하는 유형을 선택 (온 / 오프 전용된 라디오 단추를 설정 각각), 및 어떤 covariates (으로 전용된 목록에서 적절 한 옵션을 선택 하면) 역행 한다.
      참고: 회귀 단계 DPARSF 도구 상자29에서 발생 하는 함수에서 영감 이다. 개별 과목에서 백색 질 및 척수 신호는 각각 서식 파일 DPARSF 확률 조직 지도 했다 신호 0.99 보다 큰 복을 통해 평균 있습니다. 우리의 분석에서 우리 데이터를 detrended 하 고 백색 질/cerebrospinal 유체 시간 과정으로 되돌아간 뿐만으로 상수, 선형 및 이차 동향.
    6. 에 데이터를 전처리 하 고 전처리에 클릭 디스플레이 창에 표시를 기다립니다. 데이터 있습니다 수 다시 전처리 다르게 옵션을 수정 하 고 다시 전처리 버튼 클릭 하 여.
      참고: 백 질 음모 전력 외.30에 의해 제안 하는 표현에서 영감 이다.
    7. 다음 단계에 대 한 출력을 저장 하려면 저장 버튼을 클릭 합니다. 윈도우의 컨텐츠를 지우려면 지우기 버튼을 클릭 합니다.

Supplementary Figure 1
보충 그림 1: 첫 번째 전처리 그래픽 사용자 인터페이스 창에서 예제 화면. 복-현명한 시간 과정의 회색 문제 복 선택한 전처리 옵션 (상단 오른쪽 그림), 그리고 covariates는 전처리에 사용 될 수 있습니다 (위에서 아래로: 중추 신 경계/화이트 문제 평균 시간 코스, 변환 모션 매개 변수, 및 회전 모션 매개 변수입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 두 번째 전처리 그래픽 사용자 인터페이스 창을 열려면 MATLAB 터미널에 JOVE_GUI2를 입력 합니다. 각 fMRI 세션 분석에 대 한 다음 단계를 수행 합니다.
    1. 데이터를 선택, 클릭 하 고 단계 4.2.7 (명명 된 "ISFC_VX.mat")에 저장 된 데이터 파일을 선택 합니다.
    2. 모션을 선택, 클릭 하 고 단계 4.1.1에서에서 만든 및 "rp" 앞 세션에서 모션 매개 변수를 포함 하는 텍스트 파일을 선택 합니다.
    3. Atlas를 선택, 클릭 하 고 parcellation에 사용할 지도 나타내는 NIFTI 파일을 선택 합니다.
    4. 역 워프를 선택, 클릭 하 고 선택에서 만든 기본 공간, MNI에서 변형 필드 4.1.3 단계 및 "iy" 접두사로 NIFTI 파일 대표.
    5. FMRI 볼륨 선택을 클릭 하 고 fMRI 데이터 볼륨을 선택 하십시오.
      참고: 이 단계는 실제 선택한 볼륨은 중요 하지 않습니다 따라서, 기능 데이터의 헤더 정보에 액세스할 수 있습니다.
    6. (초)에서 데이터의 TR 전용된 편집 가능한 텍스트 창에 입력 합니다.
    7. 닦 고 관련 정보를 입력: 수행을 닦 고의 종류 (즉,, 얼마나 많은 프레임 태그 것 들 전후 밖으로 스크럽) "닦 고 유형" 목록에 framewise 위치 변경 임계값 값 (전원의 기준31) fMRI 볼륨 (mm)에 "스크럽의 임계값" 편집 가능한 텍스트 창에 대 단 합니다.
      참고: 입방 스플라인 보간 이웃 샘플에서 예상된 값으로 대체를 제거한 데이터 요소에서 수행 됩니다. 우리의 분석에서 우리 태그 볼륨 후 프레임을 제거 하 고 닦 고 0.5 m m 임계값 사용.
    8. 슬라이딩 윈도우 W ISFC 계산 (단계 5 참조), TRs에 대 한 사용을 크기를 입력 합니다.
      참고: 정보의이 조각은 DPARSF 도구 상자29에서 발생 하는 기능을 통해 시간 코스의 필터링, f = 1/W Hz32것 이다. 우리가 사용 하는 우리의 분석에서 W = 10 강력한 의견에 대 한 충분 한 샘플을 보존 하는 동안 동적 변동 잡으려고 교환 값으로 TR.
    9. (위쪽 그림) 전에 나타내는 atlased 시간 코스를 표시 하려면 플롯 버튼을 클릭 (아래 그림) 후 제거 하 고 필터링 단계. 확인, 그 다음 선택한 전처리 단계, 육안 검사 하 여 그 출력 신호는 현저한 artifactual 구성 요소를 포함 하지 않습니다.
    10. 다음 단계에 대 한 출력을 저장 하려면 저장 입력 전용된 편집 가능한 텍스트 창에 이름을 지정 하 고 저장 버튼을 클릭 합니다. 윈도우의 컨텐츠를 지우려면 지우기 버튼을 클릭 합니다.

Supplementary Figure 2
보충 그림 2: 두 번째 전처리 그래픽 사용자 인터페이스 창에서 예제 화면. 지역 시간 과정 (최고 작) 하기 전에 atlasing를 다음 (아래쪽 그림) 제거 하 고에 따라 필터링 매개 변수를 선택 하 고. 각 곡선 사용 가능한 모든 것 들 중 무작위로 선정 한 지역 시간 과정을 묘사 한다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

5. 슬라이딩 윈도우 ISFC 계산

  1. 첫 번째 ISFC 관련 그래픽 사용자 인터페이스 창을 열려면 MATLAB 터미널에 JOVE_GUI3를 입력 합니다. 별도로 획득된 fMRI 세션 세그먼트 (세그먼트 자극 관련, 자극 관련 세션의 휴식 상태 세그먼트 및 순전히 휴식 상태 세그먼트)의 각 유형에 대 한 다음 단계를 수행 합니다.
    1. 데이터 로드를클릭 하 고 단계 4.3 통해 만든 모든 적절 한 데이터 파일을 선택 합니다.
    2. 선택한 세션 세그먼트 단계 랜덤 받아야 한다 여부를 선택 합니다.
      참고: 없는 휴식 상태 기록을 사용할 수 있는 경우 단계 랜덤 자극 관련 신호에서 null 데이터 생성에 대 한 대체 옵션으로 사용할 수 있습니다.
    3. (초)에서 데이터의 TR 전용된 편집 가능한 텍스트 창에 입력 합니다.
    4. 슬라이딩 윈도우 전용된 편집 가능한 텍스트 창에서 분석에 사용할 매개 변수를 입력: 창 크기 (TRs)는 연결을 통해 측정을 계산 한다, 및 단계 크기 (TRs)는 연속 창 이동 해야 합니다.
      참고: 우리의 분석에 사용 하는 10의 창 크기 TR 고 1의 스텝 크기 TR.
    5. 같은 실험 조건에 따라 인수 했다 로드 세션 세그먼트의 지정 하려면 "세션 형식" 표를 수정 합니다. 이후 세그먼트의 태그 종류에 1에서 증가 정수 숫자를 사용 하 여 (예를 들어, 자극 했다 표시 된 경우 첫 번째 또는 주어진된 기록에 두 번째 시간에 대 한). 경우에 세션 세그먼트의 한 종류 획득 테이블을 그대로 둡니다.
      참고: 현재 작업에 세션 (실행1 되 나 고 그림 1A2 를 실행) 결합 된 영화/휴식 상태 기록, 또는 순전히 휴식 상태 기록 (3실행)를 참조할 수 있습니다. 영화 시청 했다 하거나 과목 나머지에 거짓말 할 때 세션 세그먼트 세션 기록의 하위 부분을 말합니다. 위의 정보는 (단계 5.1.8 참조) 이후에 설명된 ISFC 계산에 다른 세션 세그먼트 종류의 혼동 영향을 제한 하는 데 사용 됩니다.
    6. 전용된 편집 가능한 텍스트 창에 부트스트랩 관련 매개 변수를 입력: ISFC 계산의 각 접기에 대해 참조 그룹을 구성 해야 하는 과목의 수와 부트스트랩 ISFC 계산을 수행 하는 주름의 수.
      참고: 우리의 분석에서 우리 사용 250 부트스트랩 겹, 6 과목 참조 그룹으로.
    7. 입력 사양에 대 한 시간 코스의 하위 부분 전용된 편집 가능한 텍스트 창에서 타이밍 매개 변수 섹션에서 분석 해야 합니다. 시작 인덱스와 끝 인덱스 (TRs)에 제공 되어야 한다. 전체 녹음 기간 분석, 끝 인덱스로 인덱스와 샘플의 수를 시작으로 1을 사용 합니다.
    8. ISFC 계산을 수행 하기 위해 플롯 버튼 클릭 합니다. 표시 경과 부트스트랩 주름의 양과 함께 시간이 지남에 따라 점차적으로 업데이트 됩니다. 지역 쌍 (i, j)와 슬라이딩 창 인덱스 τ, ISFC 세션 세그먼트 s와 길이 W;의 슬라이딩-창 내에서 참조 그룹에서 모든 세션 세그먼트 사이 간 상관 관계의 평균으로 계산 됩니다. Ψ NΨ, 고[s](t) 시간 과정 영역의 x 여 과목의 수에 의해이 참조 그룹을 나타내는 시간 t; 세션 세그먼트 s 나 ISFC 견적 다음에 의해 주어진 다:
      Equation 2
      ISFC 측정 주름, 부트스트랩의 지정 된 금액 계산 되 고 각 참조 그룹으로 사용 되는 세션 세그먼트의 선택 된 번호 (단계 5.1.6 참조). 여러 세션 세그먼트 하위 포함 되어 있다면, 하위 샘플의 혼합물은 항상 참조 그룹을 작성 합니다. 각 세션 세그먼트에 대 한 최종 출력 평균 ISFC 모든 접기는 참조 측정으로 포함 되지 않았습니다입니다.
      참고: 참조 그룹은 세션 세그먼트는 집합 기능 시간 세션 세그먼트의 부트스트랩 프로세스의 각 접기에 비교 됩니다. 더 될 결과 대 한 국외 자 데이터 포인트, 강력한 ISFC 계산 됩니다 여러 번 다른 참조 그룹 (즉, 세션 세그먼트의 다른 집합)에. 중요 한 것은, 수집 시간 t는 후자 W 데이터 요소의 집합에 대해 계산 되 고 연속 견적에 대 한 창 스텝 크기에 의존 슬라이딩 창 인덱스 τ를 일치 하지 않습니다. 부트스트랩 프로세스는 Byrge 외.33전 연구에서 영감을 했다.
    9. 다음 단계에 대 한 출력을 저장 하려면 저장 입력 전용된 편집 가능한 텍스트 창에 이름을 지정 하 고 저장 버튼을 클릭 합니다. 윈도우의 컨텐츠를 지우려면 지우기 버튼을 클릭 합니다.

Supplementary Figure 3
보충 그림 3: 첫 번째 ISFC 관련 그래픽 사용자 인터페이스 창에서 예제 화면. (위쪽 그림) 얼마나 자주 각 세션 간주의 도식 대표는 계산 그것의 ISFC 측정 (즉, 선택 하지 않으면 그룹 내에서 참조). (아래 그림) 나타내는 주제에 ISFC 시간 과정 시간의 최대 총계 절대 ISFC 값을 전시 하는 것 들으로 선정 50 예제 연결에 대 한 계산. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 두 번째 ISFC 관련 그래픽 사용자 인터페이스 창을 열려면 MATLAB 터미널에 JOVE_GUI4를 입력 합니다.
    1. 로드 ISFC 데이터 에 클릭 하 고 단계 5.1에서에서 만든 자극 관련 ISFC 출력 파일을 선택 합니다.
    2. 클릭 하십시오 null 데이터 로드 및 사용 되는 null 데이터 생성 계획에 따라 선택, , 휴식 상태 ISFC 또는 단계 무작위 자극 관련 ISFC 출력 파일 단계 5.1에서에서 만든.
    3. 부하 스트림과 에 클릭 하 고 단계 4.3에서에서 만든 스트림과 파일 선택.
    4. (초)에서 데이터의 TR 전용된 편집 가능한 텍스트 창에 입력 합니다.
    5. 계산 단계 5.1의 (창 크기와 단계 크기, TRs) 전용된 편집 가능한 텍스트 창에서에 사용 된 슬라이딩 윈도우 매개 변수를 입력 합니다.
    6. (%)에 ISFC 시간 코스 전용된 편집 가능한 텍스트 창에 상당한 변화를 강조 하기 위해 thresholded 이어야 한다 α 값을 입력 합니다.
      참고: 여기와 다른 곳에서, 2.5%의 α 값을 언급할 때, 그것은 의미 의미는 값이 2.5번째 백분위 수, 보다 낮은 또는 null 데이터의 97.5번째 백분위 수 보다 큰 경우 이루어집니다. 우리의 분석에서 우리는 우리의 처분에 5,762 휴식 상태 데이터 포인트를 했 고 10-4의 α 값을 선택. 즉, 우리가 크거나 과거 ISFC 여행 것 이다 간주 됩니다 중요 한 선택 된 임계값 수 데이터 샘플의 0.01%를 원한. 비교 목적으로, α-수준 Bonferroni 보정 요구 것이 0.05/44,551 = 10-6, x 1.12는 가장 엄격한 α-수준 데이터 (n 샘플)의 금액과 함께 사용 될 Equation 3 .
    7. 모든 사용 가능한 null ISFC에서 측정 집계 되어, 어떤 자극 관련 ISFC 다음 측정은 null 배포 생성 하 주어진된 연결에 대 한 ISFC 임계 처리 프로세스를 수행 하는 플롯 버튼을 클릭합니다 선택 된 α 값에 따라 thresholded. 자극 관련 된 ISFC 값이 통계적으로 크게 null 배포 초과 시간 포인트-1 태그는 중요 한 ISFC에 대 한 + 1 감소 / 증가, 각각.
      참고: 임계 처리 프로세스는 Betzel 외.23의 휴식 상태 동적 FC 작품에서 영감을 그립니다.
    8. 다른 시간 지점에서 ISFC 공간 패턴을 시각화, ISFC 여행 플롯 아래 슬라이더를 드래그 하십시오.

Supplementary Figure 4
보충 그림 4: 두 번째 ISFC 관련 그래픽 사용자 인터페이스 창에서 예제 화면. (상단 왼쪽된 플롯) 나타내는 주제에 ISFC 시간 코스 3 예제 연결에 대 한 계산, 중요 한 ISFC 여행의 가장 큰 금액을 전시 하는 것 들으로 선정 고 그들의 관련된 계산된 의미 임계값 (수평 라인)에 표시 됩니다. (아래 왼쪽된 그림) 동일한 연결에 대 한 관련된 여행 시간 코스는 양측 95% 신뢰 간격 오류 측정값으로 표시 과목에 걸쳐 평균. (오른쪽 그림) 선택한 시간 지점에 대 한 공간 ISFC 패턴 (과목 전체 평균된 ISFC 여행) ISFC 및 여행에 검은 세로줄 플롯 표시. 긍정적인 ISFC 여행 노란색으로 표시 되 고 부정적인 사람 분홍색. 노드의 크기와 색상 코드는 그들의 정도에 비례. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Representative Results

여기, 우리는 n으로 간주 누구를 위한 우리가 동의가 서 면, 정보 15 일반적으로 개발 (TD) 과목. 오른 손잡이 남성 (23.42 ± 7.8 세) 했다. 선택한 패러다임은 태양에 노출의 위험에 대 한 청소년을 위한 시청각 과학 다큐멘터리. 그것은 시각, 청각, 사회적 자극의 큰 배열을 포함 하 고 https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study에서 시청 하실 수 있습니다.

두 세션 주제 (실행1 과 실행2)는 평가 영화 표시 했다 5에서 353 당 획득 s (5.8 분 기간). 휴식 상태 세그먼트 또한 따라 386에서 678 s (4.9 분 기간). 또한, 한 전적으로 휴식 상태 세션 (실행3) (공포증에서 고통 하는 사람 제외) 각 과목에 대 한 인수 되었다, 310에 대 한 지속적인 s (5.2 분). 예를 들어 영화 장면 및 수집 된 데이터의 타이밍은 그림 1A에서 요약 된다. 중요 한 것은, 수집 프로토콜은 의미에서 최적의 인수 직후 영화 노출 파급 효과27;에 의해 부분적으로 손상 될 수 있습니다 그 휴식 상태 기록 우리가 만족 양의 샘플 통계 임계 처리에 대 한 현재 연구 결과에서이 데이터의 사용만이 가능 하면 피해 야 한다.

우리 모든 세션을 프레임의 10% 이상, 0.5 m m의 임계값에 도달 하 찮은 되었고 Craddock 외34 (2-레벨 시간적 상관 관계 알고리즘) 지역 시간 코스, 299의 총 생성 하에서 parcellation으로 간주를 제외 서로 다른 뇌 영역입니다.

ISFC는 RUN1 및 실행2, (2)의 실행1 실행2및 (3) 휴식 상태 실행3 녹음의 휴식 상태 분할할 subparts (1) 영화 시청에 별도로 계산 했다. 우리 창 길이 W 사용 = 10 TR 메인에 대 한 결과 제시 하 고 W의 낮은 값 들을 비교 = 5 tr. 스텝 크기 항상 남아 크거나 1 tr. Bootstrapping 했다 6 세션을 포함 한 250 개 이상의 겹 수행 각 참조 그룹에 세그먼트.

그림 1B 표시 W에서 생성 하는 ISFC 시간 코스 = 10 TR 및 W = 5 3 다른 대표 연결에 대 한 TR: 1 연결 관련 개체를 이동 하는 기대와 관련 된 열 등 정수 리 지역 왼쪽 (MNI 좌표: 41,9,32)35 , 및 정면 opercular 지역 응답 억제에 연결 하는 오른쪽 (-34,-52,45)36. 이 후반 지역 이었다 또한에 연루 연결 2와 3, 각각 지역 감각 조정 (54,6,34)37에 연루와 단어 (6,62,9)38의 의미의 처리에 묶여 하나.

창 길이 걸쳐 비교 보여 W = 5 TR 설정, 주제에서 시간적 차이 W에 비해 두 영화 시청 및 휴식 상태 세그먼트 경우에 더 큰 전반적인 = 10 TR, 슬라이딩 윈도우 분석39알려진된 현상. 연결 1, 지역화 된 인벤터리 창 길이에 영화를 보고 기록 (약 55 s) 강한, 동기화 된 ISFC는 주로 휴식 상태 경우에는 값의 범위를 초과 과목에 걸쳐 증가 보여줍니다. 따라서, 우리는 우리의 임계 처리 방법으로 중요 한 ISFC 일시적으로이 임시 편 캡처를 기대 합니다.

연결 2, 관찰 하는 유사한 일시적인 역동성, W = 5 하지만 TR, 증가 덜 큰 슬라이딩 윈도우 방법론 관련 잡음으로 인해 휴식 상태 시간 코스에 비해 코드 쉽게 된다. 연결 3에 관해서는 영화에 명확한 응답이 경우 반영 하 고 따라서, 영화 시청 및 휴식 상태 시간 코스에서 변동 비슷합니다. 이 분석 단계에서 예상된 결과 분명 자극 유도 재구성을 표시 하는 연결 및 응답 하지 않는 연결 사이 혼합 이다.

Figure 1
그림 1: 수집 타이밍 및 예제 ISFC 시간 과정. (A) 과목으로 본 영화 관련 다양 한 사회적 상황 (예를 들어 이미지 1, 4), 화려한 패널 (예제 이미지 2와 5), 과학적 설명과 풍경 풍경 (예를 들어 이미지 3). 3 세션 주제 당 인수 했다: 2 (1 을 실행 하 고 실행 하는2) 영화 자극 포함 (353 5에서 s, 녹색으로 강조 표시) 휴식 상태 기간 다음에 (678에 386에서 s, 노란색으로 표시), 전적으로 하나 (실행3) 동안 휴식 상태 기록 (310 s 기간, 오렌지에 표시)에 구성 되어 있습니다. (B) 3 나타내는 연결 (C1, C2 및 C3, 각각 다크 그린/레드, 라이트 그린/오렌지와 청록색/노란색 트레이스), ISFC의 영화 보고 (차가운 색) 또는 휴식 상태 (따뜻한 색) 하는 동안 시간이 지남에 진화. W = 10 TR (왼쪽된 패널), 영화 보고 ISFC 변경 더 크게 스탠드 W에 비해 = 5 TR (오른쪽 패널). 각 추적 한 세션의 ISFC 시간 과정을 반영 한다. 이 그림은 분할 볼튼 외.25에서 수정 되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

그림 2A 는 위와 같은 3 연결에 대 한 ISFC 시간 과정의 통계 임계 처리를 다음과 같은 결과 표시 합니다. 시간 코스 값이 1 이면 모든 과목 동시에 동일한 ISFC 증가 수술 포인트; 값이 0 이면 제목이 중요 한 ISFC 변화; 수술 -1 값은 모든 과목에 걸쳐 동기 ISFC 감소를 나타냅니다. 전에, 우리는 명암으로 W = 5 TR 및 W = 10 TR, 고 우리 또한 두 개의 α 값 경우 강조: α = 0.01%, 그리고 α = 5%.

위의 관찰과 피팅, 낮은 창 길이 추출 된 중요 한 ISFC 변경 금액을 줄일 수 있습니다. 그러나 연결 1, 두 W = 5 TR 및 W = 10 TR, 추출 같은 특정 순간 (t = 55 s) 강한 ISFC 증가 보여주는으로. 대략 5의 hemodynamic 지연 복용 계정에 s,이에 해당 동영상의 편 컬러 라인 인형로 확장 했다 그리고 그것은 (46-49), 이동 하는 개체에 관련 된 영역의 역할 피팅 앞 갑자기 중지 기대 및 응답 억제35,36.

5%로 0.01%에서 α, 증가 하는 경우 하나 검색된 ISFC 과도, 가능성이 많은 오판이 포함 및 expectedly 보여주는 훨씬 시간적 synchrony의 훨씬 더 낮은 특이성을 관찰할 수 있다.

T에서 중요 한 ISFC 변경의 모든 두뇌 공간 지도 보여주는 그림 2B 데이터에서 설정할 수 있는 다른 관점으로 55 = s. 영화 장면에 응답 여기에 설명 된 예제 연결 보다 훨씬 확장을 볼 수 있습니다.

Figure 2
그림 2: ISFC 패턴의 시간적, 공간적 스냅샷. (A) ISFC 과도 시간 코스, 3 개의 나타내는 연결 (C1, C2 및 C3, 각각 어두운 녹색, 가벼운 녹색 및 터키석 추적)에 대 한 과목에 걸쳐 평균. ISFC 변화를 몰고 영화 장면 밝은 회색으로 강조 표시 하 고 예제 이미지 묘사. W 10 TR (플롯의 왼쪽된 열), ISFC 변경 = W = 5 보다 더 강하게 감지 TR (플롯의 오른쪽 열). Α = 0.01% (플롯의 맨 위 행), 지역화 된 영화 단서에 특이성 α = 5% (플롯의 맨 아래 행) 보다 큽니다. 각 추적 한 세션의 ISFC 과도 시간 과정을 반영 하 고 양측 95% 신뢰 간격 오류 측정값으로 표시 됩니다. (B)에 대 한 W = 10 TR과 α = 0.01%, t ISFC 과도의 깔끔한, 제한 된 공간 패턴 55 = s (피크 ISFC 과도 값 c1); W = 5 TR과 α = 5%,이 시점에서 중요 한 ISFC 변화를 겪고 연결 훨씬 더 많다. 우리가 약 5 hemodynamic 지연 가정 참고 설명된 일시적에 s (즉,, 55의 값 s 여기 50 영화 자극에 관한 s). 이 그림은 분할 볼튼 외.25에서 수정 되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Discussion

건강 한 과목의 데이터 집합에서 우리 시연 어떻게 동기 간 주제 증가 하 고 감소 FC, ISFC 과도 일치 일시적으로 지역화 된 영화 단서, 정적 묘사를 넘어 정보를 제공 하. 크로스-주제 상관 관계를 사용 하 여 측정 분석 기능 재구성 자극 기반에 초점을, 비록 하나 해야 합니다 또한 유의 공부 인구에 걸쳐 공유 되는 효과를 결과 제한 하: 따라서, 낮은 수준의 감각 처리 정면 처리40에 비해-대표 것으로 예상 된다. 이 한계를 우회 하기 위하여 능력을 가장 강력 하 게 주제에 걸쳐 다 영역을 추출 하는 새로운 방법이 개발된41되 고 있습니다.

ISFC 과도 시간 과정의 시간적인 해상도 frame-wise 접근15에 비해 하향 조정으로 도입된 방법론에서 또 다른 한계는 슬라이딩 윈도우 측면에서 발생 합니다. 우리가 보여준 동적 ISFC 재구성, 제대로 해결 하려면 충분히 낮은 창 길이 사이의 트레이드 오프 필요 그리고 강력한 얻기 위해 충분히 큰 크기를 추정 하고있다. 우리의 프레임 워크의 두 가지 중요 한 단계는 추출 된 ISFC 과도 연결에 진정 발생 변화 반영 확인: 1, 창 길이32;의 반대와 함께 지역 시간 과정의 고 통과 필터링 둘째, 자극 관련 데이터를 비교 하 여 동일한 인수 매개 변수는 관련 null 분포의 생성에 대 한 휴식 상태 ISFC 데이터를 사용 하 여. 물론, 후자 또한 필요 lengthier 글로벌 획득 시간 자극 관련 세션 위에 휴식 상태 데이터를 수집할 수 있도록 합니다. 대체 접근 방식으로 추가 휴식 상태 녹음을 피하기 위해, 우리는 또한 동적 기능적 연결 분석에서 자주 사용 하는 접근 자극 관련 시간 코스에서 직접 단계 무작위 데이터를 생성 하 가능성을 제공 23 , 24. 세션의 하위 집합에 대 한 추가 평가 공개는 휴식 상태 null 메서드 더 보수, 따라서 덜 하는 경향이 가양성, ISFC 여행 탐지의 글로벌 패턴 유사 했다 두 구성표 (참조 에 걸쳐 있지만 보충 그림 5).

Supplementary Figure 5
보충 그림 5: null 데이터 생성 방법을 통해 탐지의 ISFC 여행. 휴식 상태 (왼쪽된 열, 파란색 플롯) 또는 단계 랜덤 (오른쪽 열, 붉은 음모) null 데이터 생성 방법, ISFC 여행 연결에서 추출의 비율. 하단 플롯은 처음 세 고려 두뇌 지구에서 유출 하는 연결에 대 한 삽입 된. 오류 과목에 걸쳐 표준 편차를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

휴식 상태 취득의 기간 실제로 분석의 중요 한 매개 변수에 관한: α 값. 위에 궁 행, 너무 관대 한 선택 검색된 ISFC 과도에서 잘못 된 반응의 많은 양의 이어질 것입니다. 사용 가능한 휴식 상태 데이터의 큰 금액, 더 엄격한 달성 가양성 비율, 임계 처리 더 극단적인 값 null 분포에 근거 할 수 있다 때문에. 표시, n = 299 아틀라스 지역으로 여기 고 우리의 집계 5,762 휴식 상태 데이터 포인트의 주어진, 우리가 고작 0.01% α 값을 얻을 수 있습니다 (단계 5.2.6 수학 세부 사항 참조).

FMRI 분석에 관한 또 다른 핵심 가능한 모션 관련 유물 분석된 데이터30,42의 엄격한 제거에 있다. 특히, 한 스캐너에 모션 표시 전시 병 인구 도입된 파이프라인을 적용 하 고 싶다면 좋습니다 covariates 수행 통계 분석에서으로 모션 변수를 포함 하 여 위에 추가 전처리 단계 실행,43 또는 ICA 향기44denoising 잔물결 같은. 예를 들어 비교, 그룹 ISFC 과도 건강 하 고 병 그룹 사이의 비교를 쉽게 수행할 수 있습니다 (참조 볼튼 외.25 인구에 예에 대 한 진단의 두 그룹에 동시에 기술된 접근을 실행 하 여 와 자폐증 스펙트럼 장애). 그러나, 그룹 간의 차이 다음 두 가지 설정에서 발생할 수 있습니다: (1) 결 석 ISFC 한 그룹 또는 그룹에서 (2) 더 이질적인 진화 변화. 그 두 가지 요소를 코드에 파이프라인 부트스트랩 단계 참조 그룹으로 설정 하는 건강 한 주제를 사용 하 여 병에 걸리는 그룹에 대 한 한 번 더 실행 되어야 합니다. 경우는 후자 것 반면 여전히 결 석 응답 유발 합니다.

무엇 우리 여기에 설명 된, 위에 소개 된 방법론 또한 열립니다 미래의로 약속: 분석 측면에서 ISFC 과도 지도 두뇌 그래프 뇌를 측정 하는 통계에서 연결 파생된45, 수로 볼 수 또는 동적 ISFC 국가 접근을 클러스터링을 통해 추출 하 고 그들의 공간과 일시적인 특성17,46점에서 평가 수 있습니다. 또한, 하나는 또한 피어슨의 상관 계수 FC47,48의 미묘한 측면을 보다 더 정교한 연결 측정 도구를 사용 하 여 정시 수 있습니다.

실험적 측면에서 패러다임의 더 확장 된 우리의 파이프라인의 응용 프로그램은 유망한 관점: 예를 들어 영화 대신 여기, 공부로 한 수 정시 음악49 또는 서술 이야기13의 조각을 사용 하려면 50 시간 동기 자극. 또는, 그것은 수 심지어 수 상상, hyperscanning51, 통해 자연 사회 통신52,53프로브.

Disclosures

저자는 공개 없다.

Acknowledgments

이 작품은 다음의 각각에 의해 부분적으로 지원: 스위스 국립 과학 재단 (DVDV에 보조금 번호 205321_163376), Bertarelli (TB를 DVDV), 센터를 위한 생물 의학 화상 진 찰 (CIBM), 재단과 연구 (국립 기관 tempofront 부여 번호 04701 ALG). 저자는 로베르토 Martuzzi과 줄리아 Preti, 각각, MRI 운영자로 서이 작품의 비디오 콘텐츠를 그들의 공헌에 감사 하 고 싶습니다 하 고 자원 봉사 검사.

Materials

Name Company Catalog Number Comments
Freesurfer version 6.0 Laboratory for Computational Neuroimaging, Martinos Center for Biomedical Imaging, Boston (MA), USA https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall A MATLAB-compatible toolbox enabling to carry out various processing, visualisation and analytical steps on functional magnetic resonance imaging data
MATLAB_R2017a MathWorks https://ch.mathworks.com/downloads/ Working version of the MATLAB computational software (version 2014a or more recent should be used)
Statistical Parametric Mapping version 12.0 (SPM12) Wellcome Trust Center for Neuroimaging, University College London, London, UK https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ A MATLAB-compatible toolbox enabling to perform statistical analyses on functional magnetic resonance imaging data
Tim-Trio 3 T MRI scanner Siemens https://www.healthcare.siemens.ch/magnetic-resonance-imaging/for-installed-base-business-only-do-not-publish/magnetom-trio-tim Magnetic resonance imaging scanner in which subjects have their functional brain activity recorded (at 3 T)

DOWNLOAD MATERIALS LIST

References

  1. Friston, K. J. Functional and effective connectivity in neuroimaging: A synthesis. Human Brain Mapping. 2 (1-2), 56-78 (1994).
  2. Gonzales-Castillo, J., et al. Tracking ongoing cognition in individuals using brief, whole-brain functional connectivity patterns. Proceedings of the National Academy of Sciences U.S.A. 112 (28), 8762-8767 (2015).
  3. Peltz, E., et al. Functional connectivity of the human insular cortex during noxious and innocuous thermal stimulation. Neuroimage. 54 (2), 1324-1335 (2011).
  4. Shirer, W. R., Ryali, S., Rykhlevskaia, E., Menon, V., Greicius, M. D. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cerebral Cortex. 22 (1), 158-165 (2012).
  5. Hasson, U., Nir, Y., Levy, I., Fuhrmann, G., Malach, R. Intersubject Synchronization of Cortical Activity During Natural Vision. Science. 303 (5664), 1634-1640 (2004).
  6. Hasson, U., Furman, O., Clark, D., Dudai, Y., Davachi, L. Enhanced Intersubject Correlations during Movie Viewing Correlate with Successful Episodic Encoding. Neuron. 57 (3), 452-462 (2008).
  7. Hasson, U., Yang, E., Vallines, I., Heeger, D. J., Rubin, N. A Hierarchy of Temporal Receptive Windows in Human Cortex. Journal of Neuroscience. 28 (10), 2539-2550 (2008).
  8. Jääskeläinen, I. P., et al. Inter-Subject Synchronization of Prefrontal Cortex Hemodynamic Activity During Natural Viewing. The Open Neuroimaging Journal. 2, 14 (2008).
  9. Wilson, S. M., Molnar-Szakacs, I., Iacoboni, M. Beyond Superior Temporal Cortex: Intersubject Correlations in Narrative Speech Comprehension. Cerebral Cortex. 18 (1), 230-242 (2008).
  10. Hasson, U., et al. Shared and idiosyncratic cortical activation patterns in autism revealed under continuous real-life viewing conditions. Autism Research. 2 (4), 220-231 (2009).
  11. Salmi, J., et al. The brains of high functioning autistic individuals do not synchronize with those of others. NeuroImage: Clinical. 3, 489-497 (2013).
  12. Mantini, D., et al. Interspecies activity correlations reveal functional correspondence between monkey and human brain areas. Nature Methods. 9 (3), 277 (2012).
  13. Simony, E., et al. Dynamic reconfiguration of the default mode network during narrative comprehension. Nature Communications. 7, 12141 (2016).
  14. Hutchison, R. M., et al. Dynamic functional connectivity: promise, issues, and interpretations. Neuroimage. 80, 360-378 (2013).
  15. Preti, M. G., Bolton, T. A. W., Van De Ville, D. The dynamic functional connectome: state-of-the-art and perspectives. Neuroimage. 160, 41-54 (2017).
  16. Gonzalez-Castillo, J., Bandettini, P. A. Task-based dynamic functional connectivity: Recent findings and open questions. Neuroimage. 180, 526-533 (2018).
  17. Allen, E. A., et al. Tracking whole-brain connectivity dynamics in the resting state. Cerebral Cortex. 24 (3), 663-676 (2014).
  18. Sakoğlu, Ü, et al. A method for evaluating dynamic functional network connectivity and task-modulation: application to schizophrenia. Magnetic Resonance Materials in Physics, Biology and Medicine. 23 (5-6), 351-366 (2010).
  19. Douw, L., Wakeman, D., Tanaka, N., Liu, H. State-dependent variability of dynamic functional connectivity between frontoparietal and default networks relates to cognitive flexibility. Neuroscience. 339, 12-21 (2016).
  20. Mooneyham, B. W., et al. States of mind: characterizing the neural bases of focus and mind-wandering through dynamic functional connectivity. Journal of Cognitive Neuroscience. 29 (3), 495-506 (2017).
  21. Kim, D., Kay, K., Shulman, G. L., Corbetta, M. A New Modular Brain Organization of the BOLD Signal during Natural Vision. Cerebral Cortex. 28 (9), 3065-3081 (2018).
  22. Lynch, L. K., et al. Task-Evoked Functional Connectivity Does Not Explain Functional Connectivity Differences Between Rest and Task Conditions. Human Brain Mapping. 39, 4939-4948 (2018).
  23. Betzel, R. F., Fukushima, M., He, Y., Zuo, X. N., Sporns, O. Dynamic fluctuations coincide with periods of high and low modularity in resting-state functional brain networks. Neuroimage. 127, 287-297 (2016).
  24. Hindriks, R., et al. Can sliding-window correlations reveal dynamic functional connectivity in resting-state fMRI? Neuroimage. , 242-256 (2016).
  25. Bolton, T. A. W., Jochaut, D., Giraud, A. L., Van De Ville, D. Brain dynamics in ASD during movie-watching show idiosyncratic functional integration and segregation. Human Brain Mapping. 39 (6), 2391-2404 (2018).
  26. Jochaut, D., et al. Atypical coordination of cortical oscillations in response to speech in autism. Frontiers in Human Neuroscience. 9, 171 (2015).
  27. Dodero, L., Sona, D., Meskaldji, D. E., Murino, V., Van De Ville, D. Traces of human functional activity: Moment-to-moment fluctuations in fMRI data. Biomedical Imaging (ISBI), 2016 IEEE 13th International Symposium. , 1307-1310 (2016).
  28. Fischl, B. Freesurfer. Neuroimage. 62 (2), 774-781 (2012).
  29. Yan, C., Zang, Y. DPARSF: a MATLAB toolbox for "pipeline" data analysis of resting-state fMRI. Frontiers in Systems Neuroscience. 4, 13 (2010).
  30. Power, J. D., et al. Methods to detect, characterize, and remove motion artifact in resting state fMRI. Neuroimage. 84, 320-341 (2014).
  31. Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggaer, B. L., Petersen, S. E. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59 (3), 2142-2154 (2012).
  32. Leonardi, N., Van De Ville, D. On spurious and real fluctuations of dynamic functional connectivity during rest. Neuroimage. 104, 430-436 (2015).
  33. Byrge, L., Dubois, J., Tyszka, J. M., Adolphs, R., Kennedy, D. P. Idiosyncratic brain activation patterns are associated with poor social comprehension in autism. Journal of Neuroscience. 35 (14), 5837-5850 (2015).
  34. Craddock, R. C., James, G. A., Holtzheimer, P. E. III, Hu, X. P., Mayberg, H. S. A whole brain fMRI atlas generated via spatially constrained spectral clustering. Human Brain Mapping. 33 (8), 1914-1928 (2012).
  35. Shulman, G. L., et al. Areas involved in encoding and applying directional expectations to moving objects. Journal of Neuroscience. 19 (21), 9480-9496 (1999).
  36. Sebastian, A., et al. Disentangling common and specific neural subprocesses of response inhibition. Neuroimage. 64, 601-615 (2013).
  37. Oullier, O., Jantzen, K. J., Steinberg, F. L., Kelso, J. A. S. Neural substrates of real and imagined sensorimotor coordination. Cerebral Cortex. 15 (7), 975-985 (2004).
  38. Chan, A. H., et al. Neural systems for word meaning modulated by semantic ambiguity. Neuroimage. 22 (3), 1128-1133 (2004).
  39. Lindquist, M. A., Xu, Y., Nebel, M. B., Caffo, B. S. Evaluating dynamic bivariate correlations in resting-state fMRI: A comparison study and a new approach. Neuroimage. 101 (1), 531-546 (2014).
  40. Ren, Y., Nguyen, V. T., Guo, L., Guo, C. C. Inter-subject functional correlation reveal a hierarchical organization of extrinsic and intrinsic systems in the brain. Scientific Reports. 7 (1), 10876 (2017).
  41. Kauppi, J. P., Pajula, J., Niemi, J., Hari, R., Tohka, J. Functional brain segmentation using inter-subject correlation in fMRI. Human Brain Mapping. 38 (5), 2643-2665 (2017).
  42. Van Dijk, K. R., Sabuncu, M. R., Buckner, R. L. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59 (1), 431-438 (2012).
  43. Patel, A. X., et al. A wavelet method for modeling and despiking motion artifacts from resting-state fMRI time series. Neuroimage. 95, 287-304 (2014).
  44. Pruim, R. H., et al. ICA-AROMA: A robust ICA-based strategy for removing motion artifacts from fMRI data. Neuroimage. , 267-277 (2015).
  45. Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
  46. Damaraju, E., et al. Dynamic functional connectivity analysis reveals transient states of dysconnectivity in schizophrenia. NeuroImage: Clinical. 5, 298-308 (2014).
  47. Smith, S., et al. Network modelling methods for FMRI. Neuroimage. 54 (2), 875-891 (2011).
  48. Meskaldji, D. E., et al. Prediction of long-term memory scores in MCI based on resting-state fMRI. NeuroImage: Clinical. 12, 785-795 (2016).
  49. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  50. Huth, A. G., de Heer, W. A., Friffiths, T. L., Theunissen, F. E., Gallant, J. L. Natural speech reveals the semantic maps that tile human cerebral cortex. Nature. 532 (7600), 453 (2016).
  51. Montague, P. R., et al. Hyperscanning: simultaneous fMRI during linked social interactions. Neuroimage. 16, 1159-1164 (2002).
  52. Bilek, E., et al. Information flow between interacting human brains: Identification, validation, and relationship to social expertise. Proceedings of the National Academy of Sciences U.S.A. 112 (16), 5207-5212 (2015).
  53. Kinreich, S., Djalovski, A., Kraus, L., Louzoun, Y., Feldman, R. Brain-to-brain synchrony during naturalistic social interactions. Scientific Reports. 7 (1), 17060 (2017).

Tags

신경 과학 문제 145 기능적인 자기 공명 화상 진 찰 작업 기반 분석 동적 기능 연결 상호 주제 기능 상관 관계 슬라이딩 윈도우 분석 임계 처리 영화 시청 패러다임
동적 상호 주제 기능 연결 밝혀 연속에 의해 구동 하는 순간 순간 두뇌 네트워크 구성 또는 통신 패러다임
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bolton, T. A. W., Jochaut, D.,More

Bolton, T. A. W., Jochaut, D., Giraud, A. L., Van De Ville, D. Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms. J. Vis. Exp. (145), e59083, doi:10.3791/59083 (2019).

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