Het doel van de beschreven aanpak is om te bepalen op welke momenten van de paradigma (temporele perspectief), en tussen die regio’s (ruimtelijk perspectief), belangrijke reconfigurations in functionele connectiviteit optreden op functionele magnetische resonantie beeldvorming opnames gedurende welke een stimulans tijd vergrendeld wordt gespeeld.
Taakgerichte functionele magnetische resonantie imaging beren groot potentieel om te begrijpen hoe onze hersenen reageert op verschillende soorten stimulatie; echter, dit wordt vaak bereikt zonder te overwegen het dynamische facet van functionele verwerking en analytische uitgangen meestal goed voor samengevoegde invloeden van taak-gedreven effecten en onderliggende spontane schommelingen van hersenactiviteit. Hier introduceren wij een nieuwe methodologische pijpleiding die deze beperkingen kan overstijgen: het gebruik van een sliding-venster analytische regeling toelaat tracking van functionele veranderingen na verloop van tijd, en door middel van cross-onderwerp correlationeel metingen, kan de aanpak isoleren van zuiver stimulus-gerelateerde effecten. Dankzij een strenge drempelmethode proces, kunnen ingrijpende veranderingen in de Inter onderworpen functionele correlatie worden geëxtraheerd en geanalyseerd.
Op een set van gezonde proefpersonen die onderging naturalistische audio-visuele stimulatie, tonen wij het nut van de aanpak door koppelverkoop de ontrafeld functionele reconfigurations aan bepaalde aanwijzingen van de film. We laten zien hoe, door onze methode, kan vangen beide een tijdelijke profiel van hersenactiviteit (de evolutie van een bepaalde verbinding), of zich richten op een ruimtelijke momentopname op een belangrijk tijdstip. Wij bieden een openbare versie van de hele pijpleiding, en het gebruik ervan en de invloed van de sleutelparameters stap voor stap wordt beschreven.
Functionele magnetische resonantie imaging (fMRI) is uitgegroeid tot het hulpmiddel van keus niet-gebeurt volgen de wijzigingen in de hersenactiviteit als gevolg van externe stimulatie. Meer in het bijzonder ontstaan levendige belangstelling over het begrip van statistische onderlinge afhankelijkheid tussen regionale activering tijdsverloop, bekend als functionele connectiviteit (FC)1 en meestal berekend als Pearson’s correlatie coëfficiënt. Functionele wisselwerkingen over de hersenen is uitvoerig aangetoond te configureren als een functie van de onderliggende taak2,3,4.
Twee analytische richtingen zijn afzonderlijk gevolgd om te gaan dan deze inleidende karakterisering: aan de ene kant, het antwoord in een bepaalde hersenen regio geïnduceerd door een prikkel van tijd vergrendeld werd waargenomen sterk correleren over verschillende onderwerpen5 . Kwantificeren van deze Inter onderworpen correlatie (ISC) toonde potentiële verfijnen van ons begrip van cognitie6,7,8,9 en hersenen stoornissen10,11 . Deze cross-onderwerp correlationeel aanpak was verder ook uitgebreid tot de beoordeling van regio-overschrijdende synchroniciteit12, in wat bekend werd als de Inter onderworpen functionele correlatie (ISFC) benadering13.
Aan de andere kant, de dynamische smaak van FC reconfigurations begon te meer aandacht krijgen (Zie Hutchison et al.14, Preti, Bolton en Van De Ville15, Gonzales-Castillo en Bandettini16 voor de nieuwste reviews op de rust-state en taakgerichte zijden van deze vraag). In het bijzonder kunnen geheel-hersenen FC wijzigingen na verloop van tijd worden gevolgd door opeenvolgende correlatie metingen over een geleidelijk verschoven temporele sub-venster17,18, onthullende extra inzicht in het kader van gedrags taken 19,20.
Hier presenteren we een methodologisch kader dat deze twee wegen combineert. Inderdaad, wij ISFC berekenen in glijden-venster mode om bij te houden van de evolutie van regio-overschrijdende synchroniciteit tussen de onderwerpen blootgesteld aan een tijd vergrendeld, naturalistische paradigma. Door het Kruis-onderwerp aspect van de methode, zijn analyses gericht op stimulus-gedreven effecten, terwijl spontane fMRI veranderingen (die ongecorreleerde over onderwerpen) zijn sterk gedempt. Dit is belangrijk omdat rusten statuswaarden en taak-opgeroepen activiteit patronen steeds begrepen worden te worden gekenmerkt door verschillende eigenschappen21,22.
Wat betreft de dynamische component van de methode hierdoor een meer volledige en accurate karakterisering van taak stimuli, met name wanneer sonderen een naturalistische paradigma waarin een gevarieerde set van signalen (auditief, visueel, sociaal, enz.) worden gecombineerd in de tijd. Verder, zoals de correcte statistische evaluatie van belangrijke dynamische schommelingen al veelbesproken23,24, onze benadering neemt bijzondere verzorging van dit aspect van de analyses door het isoleren van significante ISFC veranderingen via vergelijking met passende nulgegevens.
We illustreren de methode op een set van gezonde proefpersonen blootgesteld aan een stimulans van de audiovisuele film, voor wie we laten zien dat de temporele en ruimtelijke ISFC veranderen profielen die voortvloeien uit de gelokaliseerde film sub intervallen nauwkeurig kunnen worden geëxtraheerd. Daarbij beschrijven we ook de invloed van de belangrijkste analytische parameters worden geselecteerd door de gebruiker. De gepresenteerde bevindingen zijn gebaseerd op deel van voorheen gepubliceerde gegevens25,26.
Op een dataset van gezonde proefpersonen, we laten zien hoe synchrone Kruis-onderwerp stijgingen en dalingen in FC, de ISFC transiënten, zou overeenkomen met stoffelijk gelokaliseerde film signalen, het verstrekken van informatie die verder dan een statische beschrijving gaat. Hoewel het gebruik van kruis-onderwerp correlatie maakt het mogelijk de analyse gericht op functionele reconfigurations stimulus-gedreven maatregelen, moet ook men zich ervan bewust dat het beperkt de bevindingen aan de effecten die worden gedeeld door de bestudeerde populatie: Vandaar, low-level zintuiglijke verwerking naar verwachting oververtegenwoordigd zijn in vergelijking met frontale verwerking40. Om deze beperking te omzeilen, worden de nieuwe methoden die hebben ook de mogelijkheid om op te halen van de regio’s die sterk tussen onderwerpen variëren ontwikkelde41.
Een andere beperking van de geïntroduceerde methodologie vloeit voort uit het glijden-venster aspect, zoals temporele resolutie van ISFC voorbijgaande tijdsverloop wordt verlaagd in vergelijking met frame-wise benaderingen15. Zoals wij toonde, een trade-off tussen de lengte van een voldoende laag venster goed oplossen dynamische ISFC reconfigurations nodig is, en een groot genoeg grootte te verkrijgen robuuste schattingen. Twee kritische stappen in onze kader ervoor zorgen dat de uitgepakte ISFC transiënten echt voorkomende in connectiviteit wijzigingen: ten eerste, de hoogdoorlaat filtering van regionale tijdsverloop met de inverse van de venster lengte32; Ten tweede, het gebruik van rust-ISFC systeemstatusgegevens voor de generatie van een relevante null verdeling, met identieke overname parameters ten opzichte van de stimulus-gerelateerde gegevens. Natuurlijk, vereist de laatste ook een langere global Acquisitietijd, zodat rust statuswaarden gegevens kunnen worden verzameld op de top van stimulus-gerelateerde sessies. Als een alternatieve benadering te voorkomen dat de extra rust-state opnames, bieden wij ook de mogelijkheid voor het genereren van gegevens uit gerandomiseerde fase rechtstreeks vanuit de stimulus-gerelateerde tijdsverloop, een aanpak die vaak worden gebruikt in dynamische functionele connectiviteit analyses 23 , 24. verdere evaluatie van een subset van sessies is gebleken dat hoewel de rust statuswaarden null methode conservatiever is, en dus minder gevoelig voor valse positieven, de mondiale patronen van ISFC excursie detectie over beide regelingen (Zie leken Aanvullende figuur 5).
Aanvullende figuur 5: detectie van ISFC excursies over nulgegevens generatie methoden. Voor rust-staat (linker kolom, blauwe percelen) of fase randomisatie (rechter kolom, rode percelen) nulgegevens generatie methoden, percentage van ISFC excursies via verbindingen hebt uitgepakt. De percelen van de onder zijn een inzet op de verbindingen die afkomstig zijn van de eerste drie weloverwogen hersengebieden. Fout vertegenwoordigt standaarddeviatie over onderwerpen. Klik hier voor een grotere versie van dit cijfer.
De duur van de acquisities van rust-staat eigenlijk betrekking heeft op een kritieke parameter van de analyses: de α-waarde. Zoals wordt geïllustreerd hierboven, zal een te toegeeflijk keuze leiden tot een grote hoeveelheid valse positieven in de gedetecteerde ISFC transiënten. Hoe groter de hoeveelheid beschikbare rusten statuswaarden gegevens, de strengere de haalbare valse positieve stem, omdat drempelmethode kan worden gebaseerd op meer extreme waarden uit de null distributie. Als een indicatie, voor n = 299 atlas regio’s als hier en gezien onze tally 5,762 rusten statuswaarden gegevenspunten, we kunnen hoogstens bereiken een α-waarde dicht bij 0,01% (zie stap 5.2.6 voor wiskundige details).
Een ander belangrijk punt met betrekking tot een fMRI-analyse ligt in de strenge verwijdering van mogelijke beweging-gerelateerde artefacten uit de geanalyseerde gegevens30,42. In het bijzonder, als men wil toepassen de geïntroduceerde pijpleiding naar zieke populaties vertonen gemarkeerd beweging in de scanner, raden we bovenop de motie variabelen als covariates in de uitgevoerde statistische analyses, waaronder extra voorbewerken stappen worden uitgevoerd, zoals wavelet denoising43 of44van de ICA-AROMA. Groep vergelijking, bijvoorbeeld om te vergelijken ISFC transiënten tussen een gezond en een zieke groep, kunnen gemakkelijk worden uitgevoerd door het uitvoeren van de beschreven aanpak parallel op beide groepen van belang (Zie Bolton et al.25 voor een voorbeeld van een populatie gediagnosticeerd met autisme spectrum stoornissen). Echter een verschil tussen de groepen vervolgens kan ontstaan in twee verschillende instellingen: (1) een afwezig ISFC wijzigen in een groep, of (2) een meer heterogene evolutie in die groep. Om het ontwarren van deze twee factoren, moet de pijpleiding nogmaals worden uitgevoerd voor de zieke groep, waarbij het gezonde onderwerp ingesteld als de verwijzingsgroep op de bootstrap stap. Het eerste geval zou nog steeds leidt tot een afwezig antwoord, terwijl de laatstgenoemde zou niet.
Op de top van wat wij hier beschreven, de geïntroduceerde methodologie ook opent veelbelovende toekomstige mogelijkheden: van een analytische kant, ISFC voorbijgaande kaarten kunnen worden gezien als hersenen grafieken uit welke statistieken kwantificeren van de hersenen zou connectiviteit afgeleide45, of dynamische ISFC Staten kon worden geëxtraheerd door clustering van benaderingen en beoordeeld in termen van hun ruimtelijke en temporele karakteristieken17,46. Een denkbaar daarnaast ook het gebruik van meer geavanceerde connectiviteit prestatiemetingsprogramma’s dan van de Pearson correlatiecoëfficiënt te onthullen subtieler zijden van FC47,48.
Van de experimentele kant, de toepassing van onze pijpleiding op een uitgebreidere reeks van paradigma’s is een veelbelovende vooruitzichten: bijvoorbeeld, in plaats van een film zoals bestudeerd hier, een denkbaar voor het gebruik van een stukje muziek49 of een narratieve verhaal13, 50 als stimulans tijd vergrendeld. Als alternatief, het kan zelfs worden voorzag, via hyperscanning51, naturalistische sociale communicatie52,53sonde.
The authors have nothing to disclose.
Dit werk werd gedeeltelijk ondersteund door elk van de volgende: de Zwitserse National Science Foundation (subsidie nummer 205321_163376 te DVDV), de Stichting Bertarelli (voor Tuberculose en DVDV), het centrum voor biomedische Imaging (CIBM) en het Nationaal Agentschap voor onderzoek ( tempofront toekennen nummer 04701 ALG). De auteurs wil Roberto Martuzzi en Giulia Preti bedanken voor hun bijdrage aan de video-inhoud van dit werk als, respectievelijk de exploitant van de MRI en gescand vrijwilligers.
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) |