Målet med den beskrivna metoden är att bestämma vid vilken stunder av paradigm (temporal perspektiv) och mellan vilka regioner (rumsliga perspektiv), uppstå betydande omkonfigurationer i funktionella anslutningsmöjligheter på funktionell magnetisk resonanstomografi inspelningar under vilken en tid-låst stimulans spelas.
Uppgiftsbaserade funktionell magnetisk resonanstomografi björnar stor potential att förstå hur vår hjärna reagerar på olika typer av stimulering; men detta uppnås ofta utan att överväga den dynamiska aspekten av funktionella bearbetning och analytiska utgångar normalt redogöra för sammanslagna influenser av uppgift-driven effekter och underliggande spontana fluktuationer av hjärnaktivitet. Här, vi införa en roman metodologiska pipeline som kan gå bortom dessa begränsningar: användning av ett frontlucka analytiska system tillåter spårning av funktionella förändringar över tid, och genom ämnesövergripande correlational mätningar, kan metoden isolera rent stimulus-relaterade effekter. Tack vare en rigorös tröskelvärde process, kan betydande förändringar i Inter betvingar funktionella korrelation extraheras och analyseras.
En uppsättning av friska försökspersoner som genomgick naturalistiska audiovisuella stimulering, bevisa vi nyttan av metoden genom att knyta de avslöjad funktionella omkonfigurationer för särskilda signaler av filmen. Vi visar hur, genom vår metod, man kan fånga antingen en temporal profil av hjärnaktivitet (utvecklingen av en viss anslutning) eller fokusera på en rumslig ögonblicksbild vid en viktig tidpunkt. Vi tillhandahåller en allmänt tillgänglig version av hela rörledningen, och beskriva dess användning och påverkan av dess nyckelparametrar steg för steg.
Funktionell magnetresonanstomografi (fMRI) har blivit verktyget val icke-invasivt övervaka förändringar i hjärnans aktivitet som följd av yttre stimulans. Mer specifikt, vuxit levande intresse fram om förståelsen av statistiska beroendet mellan regionala aktiveringen tidsförlopp, känd som funktionella anslutningsmöjligheter (FC)1 och normalt beräknas som Pearsons korrelation koefficient. Funktionella samspelar över hjärnan har utförligt visat konfigurera som en funktion av den underliggande uppgift2,3,4.
Två analytiska riktningar följts separat för att gå bortom denna inledande karakterisering: dels, de svar som induceras i en given hjärnregionen av en tid-låst stimulans observerades att starkt korrelerar över distinkta ämnen5 . Kvantifiera detta mellan föremål korrelation (ISC) visade potential att förfina vår förståelse av kognition6,7,8,9 och hjärnans sjukdomar10,11 . Detta ämnesövergripande correlational tillvägagångssätt förlängdes ytterligare, också för bedömningen av interregional synchronicity12, i vad som blev känt som Inter betvingar funktionella korrelation (ISFC) metod13.
Däremot, dynamisk smak av FC omkonfigurationer börjat få ökad uppmärksamhet (se Hutchison et al.14, Preti, Bolton och Van De Ville15, Gonzales-Castillo och Bandettini16 för senaste recensioner på den Vila-staten och uppgiftsbaserade sidor av denna fråga). I synnerhet kan hela-hjärnan FC förändringar över tid spåras genom på varandra följande korrelation mätningar över en gradvis skiftas temporal sub-fönster17,18, avslöjar ytterligare insikt i samband med beteendemässiga uppgifter 19,20.
Här presenterar vi en metodram som kombinerar dessa två vägar. Faktiskt, vi beräknar ISFC i frontlucka mode att spåra utvecklingen av interregional synkronicitet mellan de ämnen som utsätts för en tid-låst, naturalistiska paradigmet. Genom den ämnesövergripande aspekten av metoden fokuserar analyser på stimulus-driven effekter, medan spontana fMRI förändringar (som är okorrelerade över ämnen) är starkt dämpad. Detta är viktigt eftersom vila-staten och uppgift-framkallat aktivitetsmönster uppfattas alltmer att präglas av distinkta egenskaper21,22.
När det gäller den dynamiska komponenten av metoden gör det en mer komplett och korrekt karakterisering av uppgift stimuli, särskilt när sondera en naturalistisk paradigm där en rad olika ledtrådar (auditiv, visuell, sociala, etc.) kombineras med tiden. Ytterligare, som ljud statistisk utvärdering av betydande dynamiska fluktuationer har varit mycket omdiskuterad23,24, vår strategi tar särskild hand om denna aspekt av analyser genom att isolera betydande ISFC förändringar genom jämförelse till lämpliga null-data.
Vi illustrera metoden på en uppsättning friska utsätts för en audiovisuell film stimulans, för vilka vi visar att den tidsmässiga och rumsliga ISFC ändra profiler som härrör från lokaliserade film sub intervall kan extraheras korrekt. Så beskriver vi också påverkan av de huvudsakliga analytiska parametrarna väljas av användaren. Presenteras resultaten är baserade på en del av tidigare publicerade data25,26.
På en datamängd av friska, vi visat hur synkron ämnesövergripande ökningar och minskningar i FC, de ISFC transienter, skulle matcha temporally lokaliserade film ledtrådar, som tillhandahåller information som går utöver en statisk beskrivning. Även om användningen av ämnesövergripande korrelation mäter möjliggör att fokusera analysen på stimulus-driven funktionella omkonfigurationer, en också måste vara medvetna om att det begränsar resultaten till de effekter som delas mellan den studerade populationen: därför lågaktivt sensorisk bearbetning är väntat till vara överrepresenterade jämfört med frontal bearbetning40. För att kringgå denna begränsning, nya metoder som också har förmåga att extrahera de regioner som starkast varierar mellan patienter som utvecklade41.
En annan begränsning från introducerade metoden uppkommer den frontlucka aspekten, som temporal upplösning av ISFC övergående tidsförlopp sänks jämfört med frame-wise metoder15. Som vi visade, en avvägning mellan en tillräckligt låg fönster längd att korrekt lösa dynamiska ISFC omkonfigurationer behövs, och en tillräckligt stor storlek för att få robust uppskattningar. Två kritiska steg i vår ram garantera att de extraherade ISFC transienter återspeglar verkligen förekommande förändringar i anslutning: första, högpass filtrering av regionala tidsförlopp med inversen av den fönster längd32; andra, användning av vila-state ISFC data för generering av en relevant null-distribution, med identiska förvärv parametrar jämfört med stimulans-relaterade data. Naturligtvis, kräver den senare också en längre globala förvärv tid, så att vila-state data kan samlas ovanpå stimulus-relaterade sessioner. Som ett alternativ att undvika ytterligare vila-state inspelningarna, erbjuder vi även möjligheten att generera randomiserad fas data direkt från stimulus-relaterade tidsförlopp, en metod som ofta används i dynamiska funktionella anslutningen analyser 23 , 24. ytterligare utvärdering på en delmängd av sessioner visade att även om metoden vilar-state null är mer konservativa, och därmed mindre benägna att falska positiva, de globala mönster av ISFC utflykt upptäckt var liknande över båda systemen (se Kompletterande bild 5).
Kompletterande figur 5: detektering av ISFC utflykter över null-data generation metoder. För vila-state (vänstra kolumnen, blå tomter) eller fas randomisering (högra kolumnen, röda områden) null-data generation metoder, andelen ISFC utflykter utdraget över anslutningar. Botten Tomterna är en infälld på anslutningar som härrör från de tre första övervägt hjärnregioner. Fel representerar standardavvikelse över ämnen. Klicka här för att se en större version av denna siffra.
Varaktigheten av vila-state förvärven avser faktiskt en kritisk parameter analyser: α-värdet. Som exemplifieras ovan, kommer att ett alltför överseende val leda till en stor mängd falsklarm i de upptäckta ISFC transienter. Ju större mängden tillgängliga vilar-state data, den strängare de uppnåeliga falska positiva Betygsätt, eftersom tröskelvärde kan baseras på mer extrema värden från null fördelningen. Som en indikation, för n = 299 atlas regioner som här och gett våra tally 5,762 vila-state datapunkter, kunde vi i bästa uppnå en α-värde nära 0,01% (se steg 5.2.6 för matematiska Detaljer).
En annan viktig punkt som hänför sig till någon fMRI-analys ligger i rigorösa avlägsnandet av möjliga rörelse-relaterade artefakter från de analyserade data30,42. Särskilt om man vill applicera introducerade rörledningen till sjuka befolkningen uppvisar märkt rörelse i skannern, rekommenderar vi att ovanpå inklusive rörelse variabler som kovariater i de statistiska analyserna som utförs, ytterligare förbehandling steg köras, såsom wavelet denoising43 eller ICA-arom44. Gruppera jämförelse, till exempel för att jämföra ISFC transienter mellan en hälsosam och en diseased grupp, kan lätt utföras genom att köra den beskrivna metoden parallellt på båda grupperna av intresse (se Bolton et al.25 för ett exempel på en befolkning diagnostiserade med autismspektrumstörningar). Dock en skillnad mellan grupperna kan då uppstå i två olika inställningar: (1) en frånvarande ISFC förändring i en grupp, eller (2) en mer heterogen evolution i gruppen. För att särskilja dessa två faktorer, ska rörledningen köras en gång till för sjuka gruppen, med friska ämnet Ställ som referensgruppen i det bootstrapping steget. Det förstnämnda fallet skulle fortfarande resultera i ett frånvarande svar, medan de senare inte skulle.
Utöver vad vi beskrivit här, introducerade metoden också öppnar upp lovande framtida vägar: från en analytiska sida, ISFC övergående kartor kan ses som hjärnan grafer från vilka mätvärden som kvantifiera hjärnan anslutning kunde vara härledda45, eller dynamisk ISFC staterna kunde utvinnas genom klustring metoder och bedömas på grundval av deras spatiala och temporala egenskaper17,46. Dessutom kan också tänka sig användningen av mer sofistikerade verktyg för resultatmätning av anslutning än Pearsons korrelationskoefficient att avslöja subtilare sidor av FC47,48.
Från den experimentella sidan, tillämpningen av vår pipeline till en mer utökad uppsättning paradigm är ett lovande perspektiv: till exempel, istället för en film som studerats här, kan man tänka sig för att använda en bit musik49 eller en narrativ berättelse13, 50 som tid-låst stimulans. Alternativt, det kunde även vara tänkt, genom hyperscanning51, sond naturalistiska social kommunikation52,53.
The authors have nothing to disclose.
Detta arbete stöds delvis av vardera av följande: schweiziska National Science Foundation (grant nummer 205321_163376 till DVDV), Stiftelsen Bertarelli (till TB och DVDV), centrum för biomedicinsk Imaging (CIBM) och den nationella byrån för forskning ( tempofront licensnummer 04701 till ALG). Författarna vill tacka Roberto Martuzzi och Giulia Preti för deras bidrag till videoinnehåll av detta arbete som, respektive MRI operator och skannats volontär.
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) |