Waiting
Login processing...

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

Neuroscience

קישוריות פונקציונלי בין נושא דינאמי חושף בתצורות רשת--לרגע המוח מונע על ידי רציף או תקשורת פרדיגמות

Published: March 21, 2019 doi: 10.3791/59083
Automatic Translation
1,2, 3, 3, 1,2
1Institute of Bioengineering, École Polytechnique Fédérale de Lausanne (EPFL), 2Department of Radiology and Medical Informatics, University of Geneva, 3Department of Neuroscience, University of Geneva

Summary

מטרת הגישה המתוארת היא כדי לקבוע איזה רגעים של הפרדיגמה (פרספקטיבה טמפורלית), ובין האזורים (פרספקטיבה מרחבית), reconfigurations משמעותית בקישוריות פונקציונלי מתרחשות על הדמיית תהודה מגנטית תפקודית הקלטות שבמהלכו גירוי נעול זמן הוא שיחק.

Abstract

הפוטנציאל הגדול של דובים מבוססי-משימה הדמיית תהודה מגנטית תפקודית כדי להבין איך המוח שלנו מגיב לסוגים שונים של גירוי; עם זאת, זו מושגת לעתים קרובות בלי לקחת בחשבון היבט דינמי של עיבוד פונקציונלי, תפוקות אנליטי בדרך כלל בחשבון השפעות הממוזג של תופעות מונחה משימה ותנודות ספונטנית כבסיס לפעילות המוח. כאן, אנו מציגים את צינור מתודולוגי חדשניים שיכולים ללכת מעבר מגבלות אלה: השימוש של ערכת אנליטי בחלון הזזה מאפשרת מעקב אחר שינויים פונקציונליים לאורך זמן, ויכול דרך קרוס-נושא מדידות correlational, הגישה לבודד תופעות הקשורות גירוי גרידא. בזכות תהליך קביעת סף קפדניים, שינויים משמעותיים מתאם פונקציונלי בין-הנושא יכול להיות חילוץ וניתח.

על קבוצת הנבדקים בריא שעברו גירוי אורקולי נטורליסטי, נדגים את התועלת של הגישה על ידי קשירת reconfigurations תפקודית הפרומים כדי רמזים מסוים של הסרט. אנו מראים כיצד, דרך השיטה שלנו, אחד יכול ללכוד גם פרופיל זמני של פעילות מוחית (האבולוציה של חיבור נתון) או להתמקד תמונת המרחבי בנקודת הזמן מפתח. אנחנו מספקים גרסה זמין לציבור של הצינור כולו, לתאר את השימוש ואת השפעת פרמטרים מרכזיים שלה צעד אחר צעד.

Introduction

הדמיית תהודה מגנטית תפקודית (fMRI) הפכה להיות הכלי לבחירה לא פולשני אחר השינויים בפעילות מוחית הנובע גירויים חיצוניים. ליתר דיוק, מעניינים התפתחה על ההבנה ההדדית סטטיסטי בין קורסים זמן ההפעלה האזורי, המכונה קישוריות פונקציונלי (FC)1 , מחושב בדרך כלל בתור המתאם של פירסון מקדם. Interplays תפקודית על פני המוח בהרחבה הוכחו מחדש כפונקציה של כבסיס לפעילות2,3,4.

שני כיוונים אנליטי בנפרד הקפדת ללכת מעבר האפיון המקדים הזה: מצד אחד, התגובה המושרה באזור המוח נתון על ידי גירוי נעול זמן נצפתה לתאם בחריפות על פני נושאים ברורים5 . לכימות הזו בין נושא קורלציה (ISC) הראה פוטנציאל כדי לחדד את ההבנה שלנו של קוגניציה6,7,8,9 ומוח הפרעות10,11 . גישה correlational זו, נושא צלב היה גם להרחיב את ההערכה של חוצה אזורי מתכונת12, שנודע בתור גישה המתאם בין הנושא פונקציונלי (ISFC)13.

מצד שני, טעמו דינמי של FC reconfigurations התחיל לקבל תשומת לב מוגברת (ראו האצ'יסון ואח14, Preti, בולטון, ואן דה – ויל15, גונזלס-קסטילו ועוד Bandettini16 האחרונות סקירות על מדינה נח, מבוססי-משימה צדדים של שאלה זו). בפרט, כל-מוח FC שינויים לאורך זמן ניתן לעקוב באמצעות מדידות רצופות המתאם מעל בהדרגה שהוסטו טמפורלית תת חלון17,18, חשיפת תובנה נוספת בהקשר של פעילויות התנהגותיות 19,20.

כאן, אנו מציגים מתודולוגי מסגרת המשלבת את שתי השדרות. אכן, אנחנו חשב ISFC באופנה בחלון הזזה כדי לעקוב אחר ההתפתחות של מתכונת חוצה אזורי בין הנושאים נחשפים פרדיגמה נעול-זמן, נטורליסטי. דרך ההיבט קרוס-הנושא של השיטה, ניתוחים הם התמקדו מונחי גירוי אפקטים, ואילו שינויים ספונטניים fMRI (אשר הם מתואמות על פני נושאים) הם damped חריפה. זה חשוב כי דפוסי הפעילות מדינה נח ועוררו פעילות מובנים יותר ויותר כדי להיות מאופיין על ידי מאפיינים ברורים21,22.

לגבי המרכיב הדינאמי של השיטה, היא מאפשרת אפיון מלאים ומדויקים יותר של גירויים פעילות, במיוחד כאשר חיטוט פרדיגמה נטורליסטי שבו משולבים קבוצה מגוונת של רמזים (שמיעתי, חזותי, חברתית, וכו ') לאורך זמן. יתרה מזאת, כפי הערכות סטטיסטיות צליל של תנודות דינמי משמעותית כבר התווכחו בלהט23,24, הגישה שלנו לוקח מסוים על היבט זה של הבדיקות על-ידי בידוד שינויים משמעותיים ISFC דרך השוואה לנתונים null המתאים.

אנו ממחישים את השיטה על קבוצת הנבדקים בריא חשופים לגירויים סרט אורקולי, שעבורם אנו מראים כי ISFC זמני ואת מרחבי שינוי פרופילים הנובעים סרט מקומי במרווחי ותת ניתן לחלץ במדויק. בעשותו כן, אנו גם מתארים את השפעת הפרמטרים העיקריים אנליטי שייבחר על-ידי המשתמש. הממצאים שהוצגו מבוססים על חלק נתונים שפורסמו בעבר25,26.

Protocol

להלן כללי התנהגות אושרה על ידי ועדת האתיקה המקומית (365 Inserm ביו פרוטוקול C08-39).

1. קדם הדמיה

  1. לרשום אוכלוסיה המחקר של נושאים, קבלת נכתב, הסכמה מדעת על כולם. מבקשים אישור ועדת האתיקה המקומית.
  2. בחר פרדיגמה לחקור שניתן להחיל על כל הנושאים בצורה נעול זמן.
    הערה: כאן השתמשנו של הסרט התיעודי מדעי אורקולי לצעירים (https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study).

2. הדמיה

  1. לכל נושא שיש לקחת בחשבון כאשר הבדיקות, לבצע הפעלה הדמיה תפקודית אחת לפחות שבו המתנדב סרוקים הוא נתון הפרדיגמה נעול זמן של ריבית.
    1. שימוש בסורק 3 טסלה MRI לרכוש פרוסות רוחבי דרך echoplanar imaging רצף.
    2. להעסיק את הפרמטרים הדימות הבאים: voxel בגודל = 3 מ מ x 3 מ מ x 3 מ מ, זמן החזרה (TR) = 2 s, הד הזמן = 50 מילישניות, שדה ראייה = 192, פרוסות 40.
      הערה: מהיר יותר ערכים TR מעודדים בתוך הטווח של היתכנות. גם יכול להיות מיושם הפרוטוקול עם מוגבל יותר שדה מבט (למשל, עבור ומנתח מוגבל למבנה משנה ספציפי במוח), שיאפשר ניתוח כדאי טמפורלית רזולוציה (TR התחתונה), או במרחב מדויקת יותר.
    3. להשאיר כמה שניות של הקלטה (≥ 2 TR) לפני ואחרי ההצגה של הגירוי.
  2. לבצע הפעלה אחת לפחות נפרדים פונקציונלית הדמיה שבו המתנדב סרוקים נמצא במנוחה בסורק, עיניים עצומות, הורה לא להירדם.
    הערה: רכישות נח-מדינה, הקשורות גירוי נפרד למנוע האפשר אחרת interplays בין התנאים (למשל, נתקל צפו בסרט מראש עשויים להשאיר עקבות מתמשך להקלטה נח-המדינות לאחר מכן רכשה)27. אם זה אינו רצוי לעבור את הרכישה הנ ל מדינה נח נוספים, חלופה (גם אם נוטה יותר הגילוי של תוצאות חיוביות שגויות; ראה דיון) אפשרות חישובית בצבר מחליף נתונים אלה על-ידי קורסים פעם פונדקאית שחושב מן האותות הקשורות הפרדיגמה (ראה שלב 5.1.2).
  3. לבצע הדמיה מבנית.
    1. השתמש בסורק 3 טסלה MRI ורצף הדרגתי אקו משוקלל T1 מגנוט, מוכנים רכישה מהירה.
    2. להעסיק את הפרמטרים הדימות הבאים: voxel בגודל = 1 מ מ x 1 מ מ x 1 מ מ, תצוגה של שדה = 256, פרוסות 176.

3. הכנת תוכנה ונתונים

  1. עבור כל מושב לנתח, להבטיח את קיום קבצי הנתונים הבאים:
    1. ערכה של כרכים MRI פונקציונלי, נוכח כקבצים נפרדים 3D NIFTI או HDR/IMG, עם ערכת מספור עקבי (למשל, "fMRI_0001", "fMRI_0002", וכו '.).
    2. T1 מבניים MRI תמונה, בתבנית NIFTI או HDR/IMG.
    3. אטלס עניין במרחב מונטריאול נוירולוגיות המכון (הזעירה), בתבנית NIFTI.
      הערה: דוגמה של הקבצים הקלט הנדרשים מסופק עבור נושא נציג ("S17"), יחד עם הקוד צינור מלא, ב https://c4science.ch/source/Intersubj_pipeline.git
  2. הורד את הגרסה האחרונה של ה זמינים בפומבי Freesurfer תוכנה28 (https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall).
  3. הורד את הגרסה האחרונה של MATLAB מיפוי פרמטרית סטטיסטי (SPM) זמינים בפומבי ארגז הכלים של https://www.fil.ion.ucl.ac.uk/spm/software/spm12/.
  4. פתח MATLAB (גירסה 2017a או עדכני יותר) לאתר את התיקיות שהורדו לאחרונה "freesurfer" ו- "spm12". עבור כל אחד, לחץ לחיצה ימנית על אותו ובחר להוסיף נתיב > נבחרת התיקיות ותיקיות המשנה אפשרות.

4. נתונים Preprocessing

  1. בטרמינל MATLAB, סוג spm השקת התפריט הראשי SPM12, ולחץ על לחצן ה-fMRI כדי לגשת לאפשרויות preprocessing המוקדש נתוני fMRI. בצע את השלבים הבאים בנפרד עבור כל מושב fMRI של תהליך מוקדם.
    1. לחץ על ליישר מחדש (Est & Res)ולאחר בחלון עורך אצווה לאחרונה פתוח, לחיצה כפולה על נתונים > הפעלה. בחלון הפעלה פתוחה לאחרונה, בחר כל התמונות פונקציונלי לעבד. לאחר מכן, לחץ על לחצן לעשות ולאחר מכן, על סמל הפעלת אצווה של חלון עורך אצווה (משולש ירוק). לחכות עד סיום שלב ההתכנסות, כמצוין בחלון המסוף MATLAB.
    2. לחץ על Coregister (Est & Res)ולאחר בחלון עורך אצווה שזה עתה פתוחה, לחץ פעמיים על תמונת ייחוס. בחלון החדש תמונת ייחוס, בחר את אמצעי האחסון פונקציונלי ממוצע שנוצר בשלב הבא, קידומת "רשע", ולחץ על הלחצן עשו . לאחר מכן, לחץ פעמיים בתמונת המקור, ובחלון פתוח עתה בתמונת המקור, בחר את התמונה T1. לחץ על לחצן לעשות ולאחר מכן, על סמל הפעלת אצווה של חלון עורך אצווה (משולש ירוק). לחכות עד סיום השלב coregistration, כמצוין בחלון המסוף MATLAB.
      הערה: התמונה T1 מוחלפת בשלב זה, כך המעודכנת נמצאת באותו מרחב כאמצעי אחסון פונקציונלי.
    3. לחץ על מקטעולאחר מכן בחלון עורך אצווה שזה עתה פתוחה, לחץ פעמיים על אמצעי האחסון. בחלון החדש של אמצעי אחסון, בחר בתמונה T1 ולאחר לחץ על כפתור עשה . לאחר מכן, בחלון עורך אצווה, לחץ פעמיים על שדות דפורמציה ובחר באפשרות הפוך . לחץ על סמל הפעלת אצווה (משולש ירוק), והמתן עד סיום השלב פילוח, כמצוין בחלון המסוף MATLAB.
  2. הקלד JOVE_GUI1 בטרמינל MATLAB כדי לפתוח את החלון ממשק משתמש גרפי preprocessing הראשון. בצע את השלבים שלהלן עבור כל מושב fMRI לנתח.
    1. לחץ על Enter fMRI נתוניםובחר כל אמצעי פונקציונלי realigned שנוצר בשלב 4.1.1 (קידומת "r"). עבור קבצי IMG/HDR, בחר אמצעי אחסון גם IMG וגם HDR.
    2. הזן המסל של הנתונים (בשניות) בחלון הטקסט לעריכה ייעודי.
    3. לחץ על T1 להזין נתונים , בחר את שלוש רקמות הסתברותית סוג אמצעי האחסון שנוצר בשלב 4.1.3 (קידומת "c1", "c2" ו- "c3").
    4. לחץ על Enter תנועה הקובץובחר את קובץ הטקסט המכיל פרמטרים תנועה מההפעלה של עניין, שנוצר בשלב 4.1.1 ואת קידומת "rp".
    5. בחר בסוג הרצוי preprocessing, כלומר, אם הנתונים צריך להיות detrended או לא (בהתאמה הגדרת בלחצן ייעודי או ביטול), והחזרתי את covariates מה צריך להיות בחוץ (על-ידי בחירה באפשרות המתאימה מתוך הרשימה ייעודי).
      הערה: הצעד רגרסיה מעורר השראה מפונקציה שמקורם בארגז הכלים DPARSF29 האותות חומר לבן ו השדרתי מתוך נושאים בודדים הם בממוצע את voxels אשר המפה רקמות הסתברותית DPARSF תבנית בהתאמה הראה סימן גדול מ 0.99. בניתוח שלנו, אנחנו detrended את הנתונים, והחזרתי את חומר לבן/cerebrospinal הזמן נוזל הקורסים גם כמו קבוע, קווית וריבועית מגמות.
    6. של תהליך מוקדם את הנתונים, לחץ על Preprocess, ולחכות התצוגה יופיעו בחלון. הנתונים יכול להיות מחדש בקובייה אחרת על-ידי שינוי האפשרויות, ולחיצה שוב על כפתור Preprocess .
      הערה: העלילה האפורים מעורר השראה מן הייצוג שהוצעה על ידי כוח ואח30
    7. לשמירת הפלט עבור ביצוע השלבים, לחץ על הלחצן ' שמור '. כדי לנקות את התוכן של החלון, לחץ על הלחצן ' נקה '.

Supplementary Figure 1
משלים איור 1: דוגמה צילום מסך מתוך חלון ממשק המשתמש הגרפי הראשון preprocessing. Voxel מבחינת הזמן קורסים של האפורים voxels בעקבות האפשרויות שנבחרו preprocessing (מגרש נכון העליון), ו- covariates עשויים לשמש preprocessing (מלמעלה למטה: הנוזל השדרתי/לבן עניין הזמן הממוצע קורסים, תנועה translational פרמטרים ופרמטרים תנועה סיבובית. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

  1. הקלד JOVE_GUI2 בטרמינל MATLAB כדי לפתוח חלון ממשק משתמש גרפי preprocessing השני. בצע את השלבים שלהלן עבור כל מושב fMRI לנתח.
    1. לחץ על בחר נתוניםובחר את קובץ נתונים שנשמר בשלב 4.2.7 (בשם "ISFC_VX.mat").
    2. לחץ על בחר תנועהובחר את קובץ הטקסט המכיל פרמטרים תנועה מההפעלה של עניין, שנוצר בשלב 4.1.1 ואת קידומת "rp".
    3. לחץ על בחר אטלסובחר את הקובץ NIFTI המייצג את האטלס לשימוש עבור parcellation.
    4. לחץ על בחר עיקום ההופכי, ובחר את הקובץ NIFTI המייצגים שדה דפורמציה הזעירה לחלל מקורית, שנוצרו בצעד 4.1.3 ואת קידומת "iy".
    5. לחץ על בחר אחסון fMRI, ולבחור כל אמצעי נתוני fMRI.
      הערה: שלב זה מאפשר לגשת למידע עליונה של הנתונים פונקציונלי, ומכאן מדוע האחסון שבחרת בפועל אינה חשובה.
    6. הזן המסל של הנתונים (בשניות) בחלון הטקסט לעריכה ייעודי.
    7. הזן מידע הקשור קרצוף: הסוג של קרצוף לבצע (קרי, כמה מסגרות לשפשף החוצה לפני ואחרי אלה מתויגות) הרשימה "קרצוף סוג", ואת ערך הסף הזחה framewise (קריטריון של כוח31) שמעליה אמצעי fMRI צריך להיות מצוחצחות בחלון טקסט הניתן לעריכה "סף Scrubbing" (במ מ).
      הערה: בליטת חיבור מעוקב אינטרפולציה מתבצע על נקודות הנתונים כקפטן להחליף אותם עם הערכים המשוערים מדגימות שכנות. בניתוח שלנו, אנו שפשף מסגרת אחת לאחר האחסון מתויגים, המשמש סף 0.5 מ מ קרצוף.
    8. הזן את הגודל של חלון הזזה-W להשתמש עבור ISFC חישובים (ראה שלב 5), ברים.
      הערה: פיסת המידע הזאת תוכלו להפוך לזמין סינון של הקורסים זמן באמצעות פונקציה שמקורם בארגז הכלים DPARSF29, ב- f = 1/W הרץ32. בניתוח שלנו, השתמשנו W = 10 TR כערך עסקאות חליפין כדי ללכוד תנודות דינמיות תוך שימור מספיק דוגמאות עבור הערכות חזקים.
    9. לחץ על לחצן מגרש כדי להציג זמן atlased מעיד על קורסים בעבר (חלקה העליון) ואחרי (חלקה התחתון) השלבים קרצוף וסינון. לאמת, על ידי בדיקה ויזואלית, כי בעקבות preprocessing הנבחר של שלבים, אותם אותות הפלט לא לשלב רכיבים מלאכותית הבולטות.
    10. כדי לשמור את התפוקות עבור ביצוע השלבים, הזן שמירה שם בחלון הטקסט לעריכה ייעודי, ולחץ על הלחצן ' שמור '. כדי לנקות את התוכן של החלון, לחץ על הלחצן ' נקה '.

Supplementary Figure 2
משלים איור 2: דוגמא צילום מסך מתוך חלון ממשק משתמש גרפי preprocessing השני. קורסים אזורי הזמן בעקבות atlasing, לפני (חלקה העליון), לאחר מכן (חלקה התחתון) קרצוף וסינון לפי נבחר פרמטרים. כל עקומה מתארת קורס אזורי זמן אחד נבחר באקראי בין כל אלה זמינים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

5.-בחלון הזזה ISFC חישובים

  1. הקלד JOVE_GUI3 בטרמינל MATLAB כדי לפתוח את החלון הראשון של ממשק משתמש גרפי הקשורות ISFC. בצע את השלבים הבאים בנפרד עבור כל סוג של קטע הפעלה fMRI הנרכש (מקטעי הקשורות גירוי מדינה נח מקטעים של הפעלות הקשורות גירוי, מקטעי גרידא נח-המדינה).
    1. לחץ על טעינת נתונים, בחר את כל הקבצים הנתונים המתאימים נוצר דרך שלב 4.3.
    2. בחר אם המקטעים הפעלה שנבחר צריך לעבור שלב אקראיות.
      הערה: שלב אקראיות יכול לשמש כאופציה חלופית עבור הדור של נתונים מסוג null הקשורות גירוי אותות, אם מדינה נח הקלטות זמינות.
    3. הזן המסל של הנתונים (בשניות) בחלון הטקסט לעריכה ייעודי.
    4. הזנת פרמטרים בחלון הזזה לשימוש עבור הניתוח בחלונות ייעודי טקסט הניתן לעריכה: חלון גודל (Tr) על קישוריות שבו יש לחשב מידות ולאחר שלב גודל (Tr) שלפיו צריך להיות מוזז עוקבות של windows.
      הערה: בניתוח שלנו, השתמשנו גודל החלון של 10 TR וגודל שלב 1 יח.
    5. לשנות את הטבלה "סוגים הפעלה" כדי לציין אשר המקטעים מפגש טעון נרכשו על ניסיוני באותו המצב. שימוש גדל והולך מספר שלם מספרים מ-1 ואילך עד תג סוגים של מקטעים (למשל, אם הגירוי הוצגה לראשונה או בפעם השנייה בהקלטה נתון). השאר את הטבלה ללא פגע, אם רק סוג אחד של הפעלת קטע נרכשה.
      הערה: אימון בחדר העבודה הנוכחית עשוי להתייחס הקלטה הסרט/נח-מדינה משולב (כינה בניהול1 ו לרוץ2 איור 1A), או הקלטה גרידא נח-המדינה (הפעלת3). מקטע ההפעלה מתייחס לחלק המשנה של הקלטה ההפעלה, אם הסרט היה צופה, או כאשר הנבדקים שיקר לו מנוחה. המידע משמש חישובי ISFC לאחר מכן תיאר (ראה שלב 5.1.8) כדי להגביל את השפעת סוגי קטע מופע שונה מבלבלים.
    6. הזנת פרמטרים הקשורים אתחול בחלונות ייעודי טקסט הניתן לעריכה: המספר של אתחול מתקפל שעליו לבצע חישובים ISFC, ואת מספר נושאים, יהוו קבוצת הפניה עבור כל קיפול של חישובים ISFC.
      הערה: בניתוח שלנו, השתמשנו קפלי הרצתן 250, ונושאים 6 לתוך קבוצת התייחסות.
    7. הזן מפרט אודות תת חלק הזמן קורסים צריך להיות מנותח במקטע תזמון פרמטרים , בחלונות ייעודי טקסט הניתן לעריכה. התחל ואינדקס אינדקס הקצה (ב- Tr) צריך להינתן. כדי לנתח את משך כל הקלטה, להשתמש 1 מתחילים במספר הדגימות ואינדקס כאינדקס קצה.
    8. לחץ על לחצן מגרש כדי לבצע חישובים ISFC. הצגת מתעדכנים בהדרגה לאורך זמן, יחד עם כמות קפלי הרצתן שחלף. זוג אזור (i, j), τ אינדקס של חלון הזזה, ISFC מחושב כממוצע של צלב-מתאמים בין הפעלת קטע s ובכל המקטעים הפעלה מקבוצת ההתייחסות, הזזה-בחלון של אורך W; מציינות קבוצה זו הפניה מאת ענבל, שלה מספר נושאים על ידי NΨ, ולתת xi[s](t) מסלול הזמן של אזור אני עבור הפעלה s קטע בזמן t; הערכה ISFC ואז ניתן ע י:
      Equation 2
      ISFC מידות מחושבות על הסכום המצוין של אתחול קפלי וכרוך עם המספר הנבחר של קטעי הפעלה משמש כקבוצת התייחסות בכל (ראה שלב 5.1.6). אם תתי סוגים של קטע הפעלה שונים נכללים, תערובת של סוג של דגימות מלחינה תמיד קבוצת התייחסות. הפלט הסופי עבור כל מקטע ההפעלה הוא ISFC ממוצע על פני כל קפלי שבו זה לא נכללה כמידה הפניה.
      הערה: קבוצת התייחסות היא ערכה של קטעי הפעלה שבה הזמן פונקציונלי קורסים של הפעלת קטע s מושווים-כל קיפול של תהליך הרצתן. לקבלת תוצאות להיות יותר חזקים כדי נקודות נתונים חריג חשוד טעות, ISFC מחושב מספר פעמים על קבוצת התייחסות אחרת (כלומר, קבוצת משנה אחרת של קטעי הפעלה). חשוב לציין, ה-רכישת זמן t אינו תואם את חלון הזזה τ אינדקס, בזמן האחרון מחושב על קבוצה של נקודות נתונים W, מסתמך על גודל צעד החלון עבור הערכות רצופים. תהליך הרצתן בהשראת ממחקר לשעבר Byrge et al.33.
    9. כדי לשמור את התפוקות עבור ביצוע השלבים, הזן שמירה שם בחלון הטקסט לעריכה ייעודי, ולחץ על הלחצן ' שמור '. כדי לנקות את התוכן של החלון, לחץ על הלחצן ' נקה '.

Supplementary Figure 3
משלים איור 3: דוגמה צילום מסך מתוך החלון הראשון של ממשק משתמש גרפי הקשורות ISFC. (חלקה העליון) ייצוג סכמטי כמה פעמים כל אחד נחשב להפעלה יש את המידות ISFC שחושב (קרי, לא נבחר בתוך הקבוצה הפניה). (חלקה התחתון) על נושא מעיד, ISFC הזמן קורסים שחושב עבור חיבורי דוגמה חמישים, נבחר כמו אלה המציגות את הערכים ISFC של המוחלט מסוכם הגדול ביותר לאורך זמן. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

  1. הקלד JOVE_GUI4 בטרמינל MATLAB כדי לפתוח את החלון השני של ממשק משתמש גרפי הקשורות ISFC.
    1. לחץ על טען ISFC נתונים , בחר הקשורות הגירוי ISFC פלט בקבצים שנוצרו בשלב 5.1.
    2. לחץ על לטעון נתונים מסוג null , בחר, בהתאם ערכת נתונים מסוג null בשימוש הדור, ISFC של נח-המדינה או השלב אקראי הקשורות הגירוי ISFC פלט קבצים שנוצר בשלב 5.1.
    3. לחץ על טען ע ובחר את טבלת פענוח קובץ שנוצר בשלב 4.3.
    4. הזן המסל של הנתונים (בשניות) בחלון הטקסט לעריכה ייעודי.
    5. הזן את הפרמטרים בחלון הזזה המשמשים את חישובי של צעד 5.1 (גודל חלון וגודל צעד, ברים) בחלונות ייעודי טקסט הניתן לעריכה.
    6. הזן (באחוזים) α-הערך שבו הקורסים זמן ISFC צריך להיות thresholded כדי לסמן שינויים משמעותיים בחלון הטקסט לעריכה ייעודי.
      הערה: כאן ובמקומות אחרים, בהתייחס לערך-α של 2.5%, המשמעות היא כי משמעות זו מושגת כאשר ערך נמוך יותרהאחוזון ה 2.5 , או גדול יותר97.5 האחוזון ה, הנתונים null . בניתוח שלנו, אנחנו נאלץ 5,762 נקודות נתונים מצבים נח לרשותנו, ונבחר ערך-α של 10-4. משמעות הדבר היא כי רצינו 0.01% מדגימות הנתונים להיות גדול או שווה להסף שנבחרו בעבר אשר טיול ISFC יראוהו משמעותית. עבור מטרות השוואה, α-רמת שדרשו תיקון Bonferroni יהיה 0.05/44,551 = 1.12 x 10-6, המחמירים ביותר האפשרי α-רמת מופעל עם שלנו כמות נתונים (n דגימות) יהיה Equation 3 .
    7. לחץ על לחצן מגרש כדי לבצע את תהליך קביעת סף ISFC, ב ISFC null זמינים כל אילו מדידות נצברות, עבור חיבור נתון, כדי לבנות התפלגות null, אחרי אשר ISFC הקשורות גירוי המידות מופיעים thresholded על פי α-הערך הנבחר. נקודות זמן שבו ערך ISFC הקשורות גירוי חורג באופן משמעותי סטטיסטית את הפצת null מתויגות כ-1 / +1 עבור ISFC משמעותי מקטינה ומגדילה, בהתאמה.
      הערה: תהליך קביעת סף שואבת את השראתה מעבודה נח-מצב דינמי FC של מלון et al.23.
    8. כדי להמחיש את דפוסי המרחבי ISFC בנקודות זמן שונות, גרור את המחוון שמתחת העלילה טיול ISFC.

Supplementary Figure 4
משלים באיור 4: דוגמה צילום מסך מתוך החלון השני ממשק משתמש גרפי הקשורות ISFC. (מגרש השמאלית העליונה) על נושא מעיד, ISFC הזמן הקורסים שחושב עבור שלושה חיבורים דוגמה, נבחר כמו אלה המציגות את הכמות הגדולה ביותר של טיולים ISFC משמעותית, יוצג עם סף המובהקות מחושב המשויך שלהם (קווים אופקיים). (חלקה השמאלי התחתון) לחיבורים אותו, טיול המשויך הזמן קורסים בממוצע על פני נושאים, עם דו-זנבית 95% ביטחון מרווחי מוצגת כאמצעי שגיאה. (נכון מגרש) דפוס ISFC המרחבי (בממוצע ISFC טיולים ברחבי נושאים) עבור נקודת זמן נבחר שצוין על-ידי קו שחור אנכי על ISFC ועל טיול חלקות. טיולים ISFC חיובי מוצגים בצהוב, שליליים בוורוד. הקוד גודל וצבע של הצמתים הם יחסיים במידה שלהם. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Representative Results

. הנה, שקלנו n = 15 נושאים (TD) בדרך כלל לפתח עבורם השגנו הסכמה בכתב, מושכלות. כולם היו גברים ימניים (± 23.42 בן 7.8). הפרדיגמה שבחרת היה סרט תיעודי מדעי אורקולי עבור הצעירים על הסכנות של חשיפה לשמש. היא מכילה מגוון רחב של גירויים חזותיים, שמיעתיים וחברתיים, ניתן לצפייה ב- https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study.

אנו רכשנו שני מפגשים לכל נושא (ריצה1 וריצה2) שבו הוצג הסרט המוערך מ 5 עד 353 s (משך דקות 5.8). קטע מדינה נח גם עקב 386 678 s (משך דקות 4.9). בנוסף, הפעלה אך ורק נח-מדינה אחת (ריצה3) נרכשה לכל נושא (למעט מי סבל מקלסטרופוביה), בר-קיימא עבור 310 s (5.2 דקות). איור 1Aמסוכמות סצנות בסרט דוגמה ותזמון של הנתונים שהושגו. חשוב, פרוטוקול הרכישה לא היה אופטימאלי במובן הזה הקלטות נח-המדינה רכשה רק לאחר חשיפה הסרט עלול להיפגם חלקית על ידי אפקטים והתאמת27; נעשה שימוש נתונים הממצאים בהווה יש כמות מספקת של דוגמאות על סף סטטיסטי, אבל זה להימנע במידת האפשר.

שללנו כל ההפעלות עבורו יותר מ-10% של מסגרות היו מצוחצחות, על סף של 0.5 מ מ, ונחשב את parcellation מ- Craddock et al.34 (אלגוריתם שני ברמת המתאם טמפורלית) כדי ליצור אזורי הזמן קורסים, עבור סכום כולל של 299 אזורי מוח שונים.

ISFC היה לחשב בנפרד על (1)-הצפייה subparts של RUN1 וברח2, (2) שביצעת נח-המדינה בניהול1 ריצה2, ואת הקלטות3 (3) בניהול המדינה נח. השתמשנו באורך חלון W = 10 TR עבור הראשי הציג תוצאות, ולהשוות אותם לערך נמוך יותר של W = 5 גודל צעד תרגום תמיד נשארו שווה ל- 1 תרגום Bootstrapping היה לבצע 250 קיפולים, כולל הפעלה 6 מקטעים בכל קבוצה הפניה.

איור 1B מציג קורסים זמן ISFC שנוצר ב W = 10 TR ו- W = 5 יח עבור שלושה חיבורים נציג שונים: חיבור 1 המעורבים שמאלה אזור הקודקוד נחות הקשורים הציפייה של אובייקטים נעים (הזעירה קואורדינטות: 41,9,32)35 , וזכות אזור opercular חזיתית מקושר עיכוב התגובה (-34,-52,45)36. האזור האחרון נחשדה גם בהתקשרויות 2 ו- 3, בהתאמה עם אזור מעורב חושי תיאום (54,6,34)37, ואחד קשור העיבוד של המשמעות של מילים (6,62,9)38.

השוואה על פני חלון אורכי מגלה כי ב- W = הגדרה TR 5, סטיה הטמפורלי של הנושאים גדול בסך הכל בשני המקרים קטע הסרט ולצפייה מדינה נח לעומת W = 10 TR, תופעה מוכרת ניתוחים חלון הזזה-39. עבור חיבורי 1, האורך של חלון, קטלוגי המותאמות לשפות אחרות ההקלטה הצפייה (ב בסביבות 55 s) מראה ISFC חזק, מסונכרן להגדיל על פני נושאים, אשר חורגת במידה רבה את טווח הערכים נלקח בפרשת נח-המדינה. לכן, אנו מצפים ללכוד הזה קטלוגי זמני כמו ISFC משמעותי ארעית עם שיטת קביעת סף שלנו.

עבור חיבור 2, נתבונן דינמיקה טמפורלית דומה, אבל עבור W = 5 TR, הגידול הופך פחות קל disentangle לעומת הקורסים נח-זמן, עקב רעש הקשורות מתודולוגיה בחלון הזזה גדולים יותר. לגבי חיבור 3, הוא משקף מקרה שבו יש תשובה ברורה לסרט, לפיכך, תנודות מהצפייה וזמן מנוחה-המדינות קורסים דומים. מהי התוצאה הצפויה בשלב זה אנליטי הוא שילוב בין חיבורי להראות reconfigurations הנוצרות על-ידי גירוי ברור, חיבורים אשר אינם מגיבים.

Figure 1
איור 1: עיתוי הרכישה דוגמה ISFC הזמן קורסים. (א) הסרט על ידי הנושאים מעורבים מגוון רחב של מצבים חברתיים (למשל תמונות 1 ו-4), הסברים מדעיים עם פאנלים צבעוניים (למשל תמונות 2 ו- 5) ונוף נופים (למשל תמונה 3). שלוש פגישות נרכשו לכל נושא: שניים (לרוץ1 , לרוץ2) כללה את הסרט גירוי (בין 5 ל 353 s, מודגשים בירוק) ואחריו נקודה נח-המדינה (386 כדי 678 s, שמוצג צהוב), בעוד אחד (ריצה3) אך ורק כללה בהקלטה במצב מנוחה (310 s משך, שמוצג כתום). (B) עבור שלושה חיבורים מעיד (C1, C2, C3, האפל בהתאמה ירוק/אדום, אור ירוק/כתום ועקבות טורקיז וצהוב), התפתחות ISFC לאורך זמן במהלך צפייה בסרטים (צבעים קרים) או נח-המדינה (צבעים חמים). עבור W = 10 TR (החלונית הימנית), סרט-צופה ISFC משנה את העמדה במידה רבה יותר בהשוואה ל W = 5 יח (לוח נכון). כל מעקב משקפת את מהלך הזמן ISFC הפעלה אחת. דמות זו שונתה חלקית בולטון et al.25. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 2A מציג את התוצאות בעקבות קביעת סף סטטיסטי של קורסי זמן ISFC לחיבורים שלושה באותו כמפורט לעיל. הזמן קורס ערך של 1 פירושו כי כל הנושאים עברה העלייה ISFC אותו באותו הזמן הצבע; ערך של 0 פירושו כי שום נושא לא עברה שינוי משמעותי ISFC; ערך של-1 מייצג ירידה ISFC סינכרונית מעבר בכל המקצועות. כמו קודם, אנחנו ניגודיות W = 5 יח ו- W = 10 TR, והיינו להדגיש גם בשני מקרים α-ערך: α = 0.01%, וα = 5%.

אורך של החלון התחתון מתאים עם התצפיות הנ ל, מפחיתה את כמות שחולצו שינויים משמעותיים ISFC. עבור חיבור 1, שניהם W = 5 יח ו- W = 10 TR, עם זאת, לחלץ באותו רגע מסוים (t = 55 s) כמו מציג עלייה ISFC חזק. לוקח את עיכוב והמודינמיקה של בערך 5 s בחשבון, זה תואם את קטלוגי של הסרט כאשר היית להאריך כלפי בובה קווים צבעוניים, עצרו במפתיע מול זה (46-49 s), מתאים עם התפקיד של האזורים המעורבים ב אחר עצמים נעים הציפייה והתגובה עיכוב35,36.

בעת הגדלת α מ- 0.01% ל 5%, אחד מסוגל להתבונן על יחודיות נמוך הרבה של שנחשולי ISFC שאותרו, סביר כולל תוצאות חיוביות שגויות רבות ומציגות כצפוי synchrony טמפורלית הרבה פחות.

כמו מבט אחרת שניתן לקבוע על הנתונים, איור 2B מראה מוח-כל המפות המרחבי של שינויים משמעותיים ISFC t = 55 s. ניתן לראות כי התגובה לזירת הסרט מרחיב הרבה מעבר החיבורים לדוגמה המתוארים כאן.

Figure 2
איור 2: תמונות הגיאופוליטיות והמרחביות הטמפורלי של דפוסי ISFC. (א) ISFC הזמן חולף קורסים, בממוצע על פני נושאים, עבור שלושה חיבורים מעיד (C1, C2, C3, האפל בהתאמה ירוק, אור ירוק וטורקיז עקבות). הסצנה בסרט כי הסיע את השינויים ISFC מודגשים באפור בהיר, מתואר על ידי תמונות לדוגמה. עבור W = 10 TR (בטור השמאלי של חלקות), ISFC השינויים מזוהים בצורה חזקה יותר מאשר עבור W = 5 יח (העמודה השנייה המגרשים). עבור α = 0.01% (בשורה העליונה של חלקות), ירידה לפרטים על הסרט מקומי רמזים הוא גדול יותר מאשר עבור α = 5% (שורה תחתונה המגרשים). כל מעקב משקפת את מהלך הזמן חולף ISFC מושב אחד, המרווחים ביטחון 95%-זנבית מוצגים כאמצעי שגיאה. (B) עבור W = 10 TR וα = 0.01%, יש דפוס מרחבי מסודר, מוגבלת של תופעות מעבר ISFC ב t = 55 s (שיא ISFC ארעי הערך עבור C1); עבור W = 5 יח וα = 5%, חיבורים שעברו שינוי משמעותי ISFC בשלב זה הם רבים הרבה יותר. שימו לב כי אנו מניחים עיכוב והמודינמיקה בסביבות 5 s בזמניות תיאר (קרי, ערך של 55 s כאן מתייחס הגירוי הסרט 50 s). דמות זו שונתה חלקית בולטון et al.25. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Discussion

ב- dataset של הנבדקים בריא, להדגים איך סינכרונית, נושא צלב עליות, ירידות FC, תופעות מעבר ISFC, יתאימו רמזים סרט חנותם לשפות אחרות, מתן מידע מעבר תיאור סטטי. למרות השימוש של המתאם, נושא צלב מודד מאפשר להתמקד הניתוח מונחה הגירוי reconfigurations תפקודית, אחד חייב גם להיות מודע שהוא מגביל את הממצאים להשפעות המשותפים האוכלוסייה למדה: לפיכך, ברמה נמוכה עיבוד חושי צפוי להיות מייצגים יתר לעומת עיבוד חזיתית40. כדי לעקוף מגבלה זו, שיטות חדשות שיש להם גם את היכולת לחלץ את האזורים להשתנות בעוצמה הרבה ביותר על פני נושאים מתבצעת מפותחת41.

הגבלה נוספת של המתודולוגיה הציג נובע ההיבט חלון הזזה, כמו רזולוציה טמפורלית ISFC הזמן חולף קורסים הוא הוריד בהשוואה גישות frame-wise15. כפי שהראנו, פשרה יש צורך בין אורך חלון נמוך מספיק כראוי לפתור reconfigurations ISFC דינמי, אומדן גודל גדול מספיק כדי לקבל חזקה. שני שלבים קריטיים במסגרת שלנו להבטיח כי תופעות מעבר שחולצו ISFC ישקפו שינויים המתרחשים באמת בקישוריות: הראשון, מעבר גבוה הסינון של אזורי הזמן קורסים עם ההופכי של אורך ' חלון '32; שנית, השימוש של הנתונים ISFC של נח-מצב עבור הדור של התפלגות null הרלוונטיים, עם רכישת זהות פרמטרים לעומת הנתונים הקשורים הגירוי. כמובן, האחרון גם דורש זמן ממושך רכישה גלובלי, כך שניתן לאסוף נתוני מצב נח על גבי הפעלות הקשורות הגירוי. כגישה חלופית כדי להימנע ההקלטות נח מצבים נוספים, אנו גם מציעים את האפשרות להפיק נתוני שלב אקראי ישירות מתוך הקורסים זמן הקשורות גירוי, גישה המשמשים לעתים קרובות ניתוחים קישוריות פונקציונלי דינמי 23 , 24. הערכה נוסף על תת-ערכה של הפעלות גילה כי למרות השיטה null נח-המדינה היא שמרנית יותר, ולכן נוטה פחות תוצאות חיוביות שגויות, דפוסי זיהוי טיול ISFC הכללית היו דומים על פני שתי ערכות (ראה 5 איור משלים).

Supplementary Figure 5
משלים איור 5: זיהוי של ISFC טיולים על פני שיטות דור נתונים מסוג null. נח-המדינה (מגרשים בטור השמאלי, כחול) או שלב אקראיות (מגרשים בעמודה הימנית, אדום) נתונים מסוג null דור שיטות, אחוז טיולים ISFC חילוץ באמצעות חיבוריים. המגרשים התחתון שיבוץ על החיבורים שמקורם שלושת האזורים המוח נחשב. שגיאה מייצג את סטיית התקן על-פני נושאים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

משך הרכישות נח-המדינה מתייחס למעשה פרמטר קריטי של הניתוחים: ערך ה-α. כפי שהודגם לעיל, בחירה יותר מדי רך יוביל כמות גדולה של תוצאות חיוביות שגויות ב תופעות מעבר זיהה ISFC. גדול יותר כמות הנתונים נח-המדינה הזמינים, המחמירים יותר לדרג גם חיובי כוזב השגה, כי קביעת סף יכול להתבסס על ערכים קיצוניים יותר התפלגות null. כאינדיקציה, עבור n = 299 אטלס אזורים כאן בהתחשב שלנו החישוב של נקודות נתונים מצבים נח 5,762, אנחנו במקרה הטוב יכולה להשיג ערך-α קרוב 0.01% (ראה שלב 5.2.6 לפרטים מתמטית).

נקודה מרכזית נוספת הנוגעים בכל ניתוח fMRI טמון הסרת קפדני אפשריות הקשורות לתנועה ממצאים ניתחו נתונים30,42. בפרט, אם אדם רוצה להחיל את צינור הציג לאוכלוסיות ולכוונו מפגין מסומן תנועה בסורק, אנו ממליצים על גבי כולל תנועה משתנים כמו covariates, ניתוחים סטטיסטיים, בביצוע preprocessing נוספים ניתן להפעיל צעדים, כגון דיסקרטית denoising43 או ICA-ארומה44. קבוצת השוואה, למשל להשוות ISFC תופעות מעבר בין בריאה קבוצת חולות, ניתן בקלות לבצע על-ידי הפעלת הגישה המתוארת במקביל על שתי קבוצות עניין (ראה בולטון ואח25 לדוגמה על אוכלוסיה שאובחנו בספקטרום האוטיסטי). עם זאת, הבדל בין הקבוצות יכול להיווצר ואז שתי הגדרות שונות: (1) ISFC נעדר לשנות קבוצה אחת, או (2) האבולוציה הטרוגנית יותר מקבוצה זו. כדי disentangle שני הפקטורים האלה, צריכה לפעול הצינור פעם נוספת עבור קבוצת חולות, באמצעות הנושא בריא מוגדר כקבוצת התייחסות בשלב הרצתן. המקרה לשעבר עדיין כתוצאה מענה הנעדר, ואילו לא היה האחרון.

על מה אנו המתואר כאן, המתודולוגיה הציג גם פותח מבטיח השדרות בעתיד: מהצד אנליטיות, מפות ארעית ISFC יכול להיחשב המוח גרפים של אילו מדדים לכימות המוח קישוריות יכול להיות נגזר45, או הברית ISFC דינמי יכול להיות שנגבו באמצעות אשכולות גישות, העריך מבחינת יכולות המאפיינים שלהם,17,46. בנוסף, אחד יכול גם הסתברותיות השימוש בכלי המדידה קישוריות מתוחכמים יותר מאשר מקדם המתאם של פירסון לחשוף צדדים הקונטקט של FC47,48.

מהצד ניסיוני, היישום של הצינור לקבוצה יותר מורחבת של פרדיגמות הוא נקודת מבט מבטיח: לדוגמה, במקום סרט כמו למד פה, אחד יכול הסתברותיות להשתמש פיסת מוסיקה49 או סיפור עלילתי13, 50 כמו גירוי נעול זמן. לחלופין, הוא יכול אפילו להיות שנחזה, דרך hyperscanning51, כדי לחקור את התקשורת החברתית נטורליסטי52,53.

Disclosures

המחברים אין לחשוף.

Acknowledgments

עבודה זו נתמך בחלקה על ידי כל אחד מאלה: קרן המדע הלאומית השוויצרית (גרנט, מספר 205321_163376 כדי DVDV), הקרן Bertarelli (כדי טרה-בתים ו- DVDV), למרכז עבור ביו הדמיה (CIBM), הסוכנות הלאומית (מחקר tempofront להעניק מספר 04701 נועה). המחברים מודים רוברטו Martuzzi, ג'וליה Preti על תרומתם לתוכן וידאו של עבודה זו כאופרטור, בהתאמה, MRI וייסרק בהתנדבות.

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

מדעי המוח גיליון 145 הדמיית תהודה מגנטית תפקודית ניתוח מבוסס-משימות קישוריות פונקציונלי דינמי קורלציה בין הנושא פונקציונלי חלון הזזה-ניתוח סף הפרדיגמה הצפייה
קישוריות פונקציונלי בין נושא דינאמי חושף בתצורות רשת--לרגע המוח מונע על ידי רציף או תקשורת פרדיגמות
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