Waiting
Login processing...

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

Neuroscience

गतिशील अंतर विषय कार्यात्मक कनेक्टिविटी पल-पल मस्तिष्क नेटवर्क सतत या संचार मानदंड से प्रेरित विंयास से पता चलता है

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

वर्णित दृष्टिकोण का लक्ष्य प्रतिमान (लौकिक परिप्रेक्ष्य) के क्या क्षणों में निर्धारित है, और जो क्षेत्रों (स्थानिक परिप्रेक्ष्य) के बीच, कार्यात्मक कनेक्टिविटी में महत्वपूर्ण पुनर्विन्यास कार्यात्मक चुंबकीय अनुनाद इमेजिंग पर हो रिकॉर्डिंग के दौरान एक समय बंद उत्तेजना खेला जाता है ।

Abstract

कार्य आधारित कार्यात्मक चुंबकीय अनुनाद इमेजिंग महान क्षमता भालू को समझने के लिए कैसे हमारे मस्तिष्क उत्तेजना के विभिन्न प्रकार के प्रति प्रतिक्रिया करता है; हालांकि, यह अक्सर कार्यात्मक प्रसंस्करण के गतिशील पहलू पर विचार के बिना हासिल की है, और विश्लेषणात्मक outputs आमतौर पर कार्य संचालित प्रभाव और मस्तिष्क गतिविधि के अंतर्निहित सहज उतार चढ़ाव के विलय के प्रभावों के लिए खाते । यहां, हम एक उपंयास methodological पाइप लाइन है कि इन सीमाओं से परे जा सकते है परिचय: एक फिसलने खिड़की विश्लेषणात्मक योजना का उपयोग समय के साथ कार्यात्मक परिवर्तन की ट्रैकिंग परमिट, और पार के माध्यम से विषय सहसंबंधात्मक माप, दृष्टिकोण कर सकते है शुद्ध उत्तेजना से संबंधित प्रभाव को अलग । एक कठोर दहलीज प्रक्रिया के लिए धन्यवाद, अंतर विषय कार्यात्मक सहसंबंध में महत्वपूर्ण परिवर्तन निकाला और विश्लेषण किया जा सकता है ।

स्वस्थ विषयों का एक सेट है जो प्रकृतिवादी ऑडियो दृश्य उत्तेजना गुजरी पर, हम फिल्म के विशेष cues के लिए सुलझाया कार्यात्मक पुनर्विन्यास बांधने के दृष्टिकोण की उपयोगिता का प्रदर्शन. हम बताएंगे कि कैसे, हमारे विधि के माध्यम से, एक या तो मस्तिष्क गतिविधि का एक लौकिक प्रोफ़ाइल पर कब्जा कर सकते है (एक दिया कनेक्शन के विकास), या एक महत्वपूर्ण समय बिंदु पर एक स्थानिक स्नैपशॉट पर ध्यान केंद्रित । हम पूरी पाइपलाइन के एक सार्वजनिक रूप से उपलब्ध संस्करण प्रदान करते हैं, और इसके उपयोग का वर्णन और कदम से कदम के अपने प्रमुख मापदंडों के प्रभाव ।

Introduction

कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) गैर-इनवासिवली मस्तिष्क गतिविधि में परिवर्तन बाहरी उत्तेजना से जिसके परिणामस्वरूप की निगरानी करने के लिए विकल्प के उपकरण बन गया है । अधिक विशेष रूप से, ज्वलंत ब्याज क्षेत्रीय सक्रियकरण समय पाठ्यक्रमों, कार्यात्मक कनेक्टिविटी (एफसी)1 के रूप में जाना जाता है और आम तौर पर पीयरसन सहसंबंध के रूप में गणना के बीच सांख्यिकीय निर्भरता की समझ के बारे में उभरा है गुणांक. मस्तिष्क भर में कार्यात्मक interplays बड़े पैमाने पर अंतर्निहित कार्य2,3,4के एक समारोह के रूप में पुनः कॉंफ़िगर करने के लिए दिखाया गया है ।

दो विश्लेषणात्मक निर्देशों को अलग से इस परिचयात्मक लक्षण वर्णन से परे जाने के लिए पीछा किया गया है: एक तरफ, एक समय से दिया मस्तिष्क क्षेत्र में प्रेरित प्रतिक्रिया बंद उत्तेजना से अलग विषयों में दृढ़ता से सहसंबंधी मनाया गया था5 . इस अंतर विषय सहसंबंध (isc) quantifying अनुभूति की हमारी समझ को परिष्कृत करने की क्षमता दिखाया6,7,8,9 और मस्तिष्क विकारों10,11 . इसके अलावा, इस क्रॉस-विषय सहसंबंधपरक दृष्टिकोण को भी क्रॉस-क्षेत्रीय तुल्यकालता12के मूल्यांकन के लिए विस्तारित किया गया था, जो अंतर-विषय कार्यात्मक सहसंबंध (isfc)13दृष्टिकोण के रूप में जाना गया ।

दूसरी ओर, एफसी reकॉंफ़िगरेशंस के गतिशील स्वाद को बढ़ा ध्यान प्राप्त शुरू कर दिया (हचिसन एट अल14, Preti, Bolton और वैन De Ville15, गोंजालेस-Castillo और bandettini16 देखने के लिए हाल ही में समीक्षा के लिए इस प्रश्न के आराम राज्य और कार्य आधारित पक्षों) । विशेष रूप से, पूरे समय के साथ मस्तिष्क एफसी परिवर्तन पर क्रमिक सहसंबंध माप के माध्यम से ट्रैक किया जा सकता है एक धीरे से अस्थाई उप खिड़की17,18स्थानांतरित, व्यवहार कार्यों के संदर्भ में अतिरिक्त अंतर्दृष्टि खुलासा 19,20.

यहां, हम एक methodological रूपरेखा है कि उन दो रास्ते को जोड़ती है मौजूद है । दरअसल, हम एक समय बंद कर दिया, प्रकृतिवादी प्रतिमान को उजागर विषयों के बीच पार क्षेत्रीय synchronicity के विकास को ट्रैक करने के लिए फिसलने खिड़की फैशन में ISFC की गणना । विधि के पार विषय पहलू के माध्यम से, विश्लेषण उत्तेजना प्रेरित प्रभाव पर ध्यान केंद्रित कर रहे हैं, जबकि सहज fmri परिवर्तन (जो विषयों में असंबंधित रहे हैं) दृढ़ता से damped हैं. यह महत्वपूर्ण है क्योंकि आराम राज्य और कार्य-गतिविधि पैटर्न पैदा तेजी से अलग गुण21,22द्वारा विशेषता हो समझ रहे हैं ।

विधि के गतिशील घटक के लिए के रूप में, यह कार्य stimuli के एक अधिक पूर्ण और सटीक लक्षण वर्णन, विशेष रूप से जब एक प्रकृतिवादी प्रतिमान है जिसमें cues के एक विविध सेट (श्रवण, दृश्य, सामाजिक, आदि) समय के साथ संयुक्त कर रहे है की जांच में सक्षम बनाता है । इसके अलावा, महत्वपूर्ण गतिशील उतार चढ़ाव के ध्वनि सांख्यिकीय मूल्यांकन के रूप में किया गया है गर्मागर्म23,24बहस, हमारे दृष्टिकोण के माध्यम से महत्वपूर्ण isfc परिवर्तन अलग द्वारा विश्लेषण के इस पहलू का विशेष ध्यान रखता है उपयुक्त नल डेटा की तुलना ।

हम स्वस्थ एक ऑडियो दृश्य फिल्म उत्तेजना, जिनके लिए हम बताते है कि लौकिक और स्थानिक ISFC परिवर्तन स्थानीयकृत फिल्म उप से उत्पंन प्रोफाइल-अंतराल सही निकाला जा सकता है उजागर विषयों का एक सेट पर विधि वर्णन । ऐसा करने में, हम भी मुख्य विश्लेषणात्मक मापदंडों के प्रभाव का वर्णन करने के लिए उपयोगकर्ता द्वारा चयनित किया जाना है । प्रस्तुत निष्कर्ष पूर्व में प्रकाशित आंकड़ों के भाग25,26के आधार पर हैं ।

Protocol

स्थानीय आचार समिति (बायोमेडिकल इंसम्म ३६५ प्रोटोकॉल C08-39) द्वारा निम्नलिखित प्रोटोकाल को अनुमोदित किया गया है ।

1. प्री-इमेजिंग

  1. विषयों की एक अध्ययन जनसंख्या का नामांकन, उन सभी के लिए लिखित, सूचित सहमति प्राप्त करने । स्थानीय आचार समिति से अनुमोदन प्राप्त करना ।
  2. जांच करने के लिए एक प्रतिमान चुनें जो समय-अवरोधित तरीके से सभी विषयों पर लागू किया जा सकता है ।
    नोट: यहां, हम युवाओं के लिए एक ऑडियो दृश्य वैज्ञानिक वृत्तचित्र (https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study) का इस्तेमाल किया ।

2. इमेजिंग

  1. प्रत्येक विषय के लिए विश्लेषण में विचार करने के लिए, कम एक कार्यात्मक इमेजिंग सत्र में स्कैन स्वयंसेवक ब्याज की समय बंद प्रतिमान के अधीन है प्रदर्शन ।
    1. एक 3 टेस्ला एमआरआई स्कैनर का प्रयोग एक echoplanar इमेजिंग अनुक्रम के माध्यम से अनुप्रस्थ स्लाइस प्राप्त करने के लिए ।
    2. निम्न इमेजिंग पैरामीटर्स को नियोजित करें: voxel आकार = 3 मिमी x 3 मिमी x 3 मिमी, पुनरावृत्ति समय (TR) = 2 s, प्रतिध्वनि समय = ५० ms, फ़ील्ड देखें = १९२, ४० स्लाइस.
      नोट: तेजी से व्याप मान व्यवहार्यता के क्षेत्र में प्रोत्साहित किया जाता है । प्रोटोकॉल भी देखने के एक अधिक प्रतिबंधित क्षेत्र के साथ लागू किया जा सकता है (जैसे, एक विशिष्ट मस्तिष्क उप संरचना के लिए प्रतिबंधित विश्लेषण के लिए), जो या तो एक बेहतर लौकिक संकल्प (कम TR), या एक स्थानिक अधिक सटीक विश्लेषण सक्षम होगा ।
    3. रिकॉर्डिंग के कुछ सेकंड पहले और उत्तेजना की प्रस्तुति के बाद (≥ 2 TR) छोड़ दें ।
  2. एक अलग कार्यात्मक इमेजिंग सत्र में स्कैन स्वयंसेवक स्कैनर में आराम पर झूठ, आंखें बंद कर दिया और सो नहीं करने की हिदायत दी ।
    नोट: अलग उत्तेजना से संबंधित है और आराम-राज्य अधिग्रहण शर्तों के बीच अंयथा संभव interplays को रोकने (उदाहरण के लिए, फिल्म पहले से देख कर एक स्थाई ट्रेस छोड़ सकता है एक बाद में प्राप्त आराम-राज्य रिकॉर्डिंग)27। यदि यह aforementioned अतिरिक्त आराम राज्य अधिग्रहण, एक विकल्प के माध्यम से जाने के लिए वांछित नहीं है (हालांकि अधिक झूठी सकारात्मक का पता लगाने के लिए प्रवण; चर्चा देखें) पाइपलाइन में कंप्यूटेशनल विकल्प किराए के समय पाठ्यक्रम द्वारा इस डेटा बदलता है प्रतिमान से संबंधित संकेतों से परिकलित (चरण 5.1.2 देखें).
  3. संरचनात्मक इमेजिंग प्रदर्शन ।
    1. एक 3 टेस्ला एमआरआई स्कैनर और एक T1-भारित चुंबकन तैयार तेजी से अधिग्रहण ढाल गूंज अनुक्रम का उपयोग करें ।
    2. निम्न इमेजिंग पैरामीटर को नियोजित करें: voxel आकार = 1 मिमी x 1 मिमी x 1 मिमी, दृश्य के क्षेत्र = २५६, १७६ स्लाइस.

3. डेटा और सॉफ्टवेयर की तैयारी

  1. विश्लेषण करने के लिए प्रत्येक सत्र के लिए, निम्न डेटा फ़ाइलों का अस्तित्व सुनिश्चित करें:
    1. कार्यात्मक एमआरआई संस्करणों का एक सेट, अलग 3D NIFTI या HDR/IMG फ़ाइलों के रूप में, एक सुसंगत क्रमांकन योजना (उदा., "fMRI_0001", "fMRI_0002", आदि) के रूप में मौजूद है ।
    2. एक T1 संरचनात्मक एमआरआई छवि, NIFTI या HDR/IMG प्रारूप में ।
    3. मॉन्ट्रियल स्नायविक संस्थान (MNI) अंतरिक्ष में ब्याज की एक एटलस, NIFTI प्रारूप में ।
      नोट: आवश्यक इनपुट फ़ाइलों का एक उदाहरण एक प्रतिनिधि विषय के लिए प्रदान की जाती है ("S17"), के साथ पूर्ण पाइपलाइन कोड, पर https://c4science.ch/source/Intersubj_pipeline.git
  2. publically उपलब्ध Freesurfer सॉफ्टवेयर28 (https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall) का नवीनतम संस्करण डाउनलोड करें ।
  3. https://www.fil.ion.ucl.ac.uk/spm/software/spm12/से publically उपलब्ध सांख्यिकीय पैरामीट्रिक मैपिंग (spm) matlab टूलबॉक्स का नवीनतम संस्करण डाउनलोड करें.
  4. ओपन MATLAB (संस्करण 2017a या अधिक हाल ही में) और नए डाउनलोड "freesurfer" और "spm12" फ़ोल्डरों की स्थिति जानें । प्रत्येक के लिए, उस पर दायां क्लिक करें और चुनें पथ में जोड़ें ≫ चयनित फ़ोल्डर्स और सबफ़ोल्डर विकल्प ।

4. डेटा Preprocessing

  1. matlab टर्मिनल में, प्रकार एसपीएम SPM12 main मेनू शुरू करने के लिए, और fmri डेटा के लिए समर्पित preprocessing विकल्प का उपयोग करने के लिए fmri बटन पर क्लिक करें । preprocess करने के लिए प्रत्येक fMRI सत्र के लिए अलग से निम्न चरणों का पालन करें ।
    1. पुन: संरेखित करें (Est &Amp; Res), और नए खोलें बैच संपादक विंडो में, पर क्लिक करेंडेटा > सत्रपर डबल क्लिक करें । नए खुले सत्र विंडो में, प्रक्रिया करने के लिए सभी कार्यशील छवियों का चयन करें । फिर, किया बटन पर क्लिक करें, और बाद में, बैच संपादक विंडो (हरा त्रिकोण) से भागो बैच आइकन पर. पुन: संरेखण चरण समाप्त होने तक प्रतीक्षा करें, जैसा कि MATLAB टर्मिनल विंडो में दर्शाया गया है ।
    2. Coregister (Est &Amp; Res)पर क्लिक करें, और नए खुले बैच संपादक विंडो में, संदर्भ छविपर डबल क्लिक करें । नए खुले संदर्भ छवि विंडो में, निम्न चरण में बनाई गई औसत कार्यशील वॉल्यूम का चयन करें, "माध्य" के साथ prefixed, और किए गए बटन पर क्लिक करें. फिर, स्रोत छविपर डबल क्लिक करें, और नए खुले स्रोत छवि विंडो में, T1 छवि का चयन करें । किया बटन पर क्लिक करें, और बाद में, बैच संपादक विंडो से (हरा त्रिकोण) भागो बैच आइकन पर । coregistration चरण पूरा होने तक प्रतीक्षा करें, के रूप में MATLAB टर्मिनल विंडो में इंगित किया गया है ।
      नोट: T1 छवि इस चरण पर अधिलेखित कर दिया है, ताकि अद्यतित एक एक ही स्थान में कार्यशील वॉल्यूम्स के रूप में स्थित है ।
    3. सेगमेंटपर क्लिक करें, और नए खुले बैच संपादक विंडो में, वॉल्यूमपर डबल क्लिक करें । नए खुले खंड विंडो में, T1 छवि का चयन करें, और किया बटन पर क्लिक । फिर, बैच संपादक विंडो में, विरूपण फ़ील्ड्स पर डबल क्लिक करें और व्युत्क्रम विकल्प का चयन करें । भागो बैच आइकन (हरा त्रिकोण) पर क्लिक करें, और फॉल्ट कदम खत्म होने तक इंतजार, के रूप में matlab टर्मिनल विंडो में संकेत दिया ।
  2. पहले preprocessing ग्राफिकल यूजर इंटरफेस विंडो खोलने के लिए MATLAB टर्मिनल में JOVE_GUI1 टाइप करें । विश्लेषण करने के लिए प्रत्येक fMRI सत्र के लिए निम्न चरणों का पालन करें ।
    1. fmri डेटा दर्जकरें, और चरण 4.1.1 ("आर" के साथ prefixed) में बनाई गई सभी डिग्रियों कार्यात्मक संस्करणों का चयन पर क्लिक. img/HDR फ़ाइलों के लिए, दोनों IMG और HDR वॉल्यूंस का चयन करें ।
    2. समर्पित संपादन योग्य पाठ विंडो में डेटा (सेकंड में) का TR दर्ज करें ।
    3. T1 डेटा दर्ज करें और चरण 4.1.3 ("c1", "c2" और "c3") के साथ prefixed में बनाए गए तीन संभाव्य ऊतक प्रकार संस्करणों का चयन पर क्लिक.
    4. प्रस्ताव फ़ाइल में प्रवेशपर क्लिक करें, और पाठ ब्याज के सत्र से गति मापदंडों युक्त फ़ाइल का चयन करें, चरण 4.1.1 में बनाया गया है और "आरपी" के साथ prefixed.
    5. preprocessing के वांछित प्रकार का चयन करें, कि है, कि क्या डेटा डिट्रेंडेड या नहीं होना चाहिए (क्रमशः पर या बंद समर्पित रेडियो बटन की स्थापना), और क्या covariates बाहर किया जाना चाहिए (समर्पित सूची से उपयुक्त विकल्प का चयन करके) ।
      नोट: प्रतीपगमन चरण DPARSF टूलबॉक्स29से उद्भव समारोह से प्रेरित है । सफेद बात और व्यक्तिगत विषयों से मस्तिष्कमेरु द्रव संकेतों voxels के लिए जो संबंधित टेंपलेट DPARSF संभाव्य ऊतक नक्शा ०.९९ से बड़ा संकेत दिखाया पर औसत हैं । हमारे विश्लेषण में, हम डेटा डिट्रेंडेड, और सफेद बात/मस्तिष्कमेरु द्रव समय पाठ्यक्रम के साथ ही लगातार, रैखिक और द्विघात प्रवृत्तियों बाहर regressed ।
    6. डेटा preprocess करने के लिए, preprocessपर क्लिक करें, और खिड़की में प्रदर्शित करने के लिए प्रदर्शन के लिए रुको । डेटा को विकल्पों को संशोधित करके फिर से पूर्वसंसाधित किया जा सकता है, और Preprocessed बटन पर फिर से क्लिक करें ।
      नोट: ग्रे मैटर प्लॉट पावर एट अल.30द्वारा सुझाए गए प्रतिनिधित्व से प्रेरित है ।
    7. निम्न चरणों के लिए आउटपुट को सहेजने के लिए, सहेजें ' बटन पर क्लिक करें । विंडो की सामग्री साफ़ करने के लिए, स्पष्ट बटन पर क्लिक करें ।

Supplementary Figure 1
अनुपूरक चित्रा 1: उदाहरण पहले preprocessing ग्राफिकल यूजर इंटरफेस विंडो से स्क्रीनशॉट । Voxel-ग्रे मैटर voxel के बुद्धिमान समय पाठ्यक्रम चयनित preprocessing विकल्प (ऊपर सही साजिश) के बाद, और covariates कि preprocessing में इस्तेमाल किया जा सकता है (ऊपर से नीचे तक: मस्तिष्कमेरु द्रव/व्हाइट मैटर औसत समय पाठ्यक्रम, स्थानांतरीय गति पैरामीटर, और घूर्णी गति पैरामीटर । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

  1. प्रकार JOVE_GUI2 दूसरा preprocessing ग्राफिकल यूजर इंटरफेस विंडो खोलने के लिए MATLAB टर्मिनल में । विश्लेषण करने के लिए प्रत्येक fMRI सत्र के लिए निम्न चरणों का पालन करें ।
    1. डेटा चुनेंपर क्लिक करें, और चरण 4.2.7 (नामित "isfc_vx. mat") में सहेजी गई डेटा फ़ाइल चुनें.
    2. चुनें प्रस्तावपर क्लिक करें, और पाठ के लिए ब्याज के सत्र से गति मापदंडों युक्त फ़ाइल का चयन करें 4.1.1 चरण में बनाया गया है और "आरपी" के साथ prefixed ।
    3. चुनें एटलसपर क्लिक करें, और NIFTI एटलस का प्रतिनिधित्व करने के लिए parcellation के लिए उपयोग फ़ाइल चुनें ।
    4. चुनें उलटा तानापर क्लिक करें, और NIFTI फ़ाइल mni से मूल अंतरिक्ष के लिए विरूपण क्षेत्र का प्रतिनिधित्व करने के लिए, चरण 4.1.3 में बनाया और "iy" के साथ prefixed चुनें ।
    5. fmri वॉल्यूम चुनेंपर क्लिक करें, और fmri डेटा वॉल्यूम्स में से किसी को चुनें.
      नोट: इस चरण कार्यात्मक डेटा के शीर्ष लेख जानकारी तक पहुंचने के लिए सक्षम बनाता है, इसलिए क्यों वास्तविक चुना मात्रा महत्वपूर्ण नहीं है ।
    6. समर्पित संपादन योग्य पाठ विंडो में डेटा (सेकंड में) का TR दर्ज करें ।
    7. स्क्रबिंग-संबंधित जानकारी दर्ज करें: स्क्रबिंग के प्रकार (यानी, करने से पहले और टैग वालों के बाद बाहर साफ़ करने के लिए कितने तख्ते) "स्क्रबिंग प्रकार" सूची में, और framewise विस्थापन थ्रेशोल्ड मूल्य (है बिजली की कसौटी31) जिसके ऊपर एक fmri मात्रा "झाड़ी थ्रेसहोल्ड" संपादन योग्य पाठ विंडो में (मिमी में) झाड़ी होना चाहिए ।
      नोट: घन पट्टी अंतर्वेशन झाड़ी डेटा बिंदुओं पर किया जाता है उंहें पड़ोसी नमूनों से अनुमानित मूल्यों के साथ प्रतिस्थापित । हमारे विश्लेषण में, हम टैग की गई मात्रा के बाद एक फ्रेम झाड़ी, और स्क्रबिंग के लिए एक ०.५ मिमी दहलीज का इस्तेमाल किया ।
    8. रपट के आकार दर्ज करें-विंडो डब्ल्यू ISFC चंद्रग्रहण के लिए उपयोग करने के लिए (5 कदम देखें), टीआरएस में ।
      नोट: जानकारी का यह टुकड़ा एक DPARSF उपकरण बॉक्स29से शुरू होने वाले समारोह के माध्यम से समय पाठ्यक्रमों की फ़िल्टरिंग सक्षम हो जाएगा, पर एफ =1/ हमारे विश्लेषण में, हम एक व्यापार बंद मूल्य के रूप में W = 10 TR इस्तेमाल किया गतिशील उतार चढ़ाव पर कब्जा है जबकि मजबूत अनुमानों के लिए पर्याप्त नमूनों संरक्षण ।
    9. प्लॉट बटन पर क्लिक करें (ऊपर प्लॉट) से पहले और (नीचे साजिश) स्क्रबिंग और फ़िल्टरिंग चरणों के बाद संकेत atlased समय पाठ्यक्रम प्रदर्शित करने के लिए । सत्यापित करें, दृश्य निरीक्षण द्वारा, कि चयनित preprocessing चरणों का पालन, उन आउटपुट संकेतों को शामिल नहीं मुख्य artifactual घटकों ।
    10. निंन चरणों के लिए आउटपुट को सहेजने के लिए, समर्पित संपादन योग्य पाठ विंडो में कोई सहेजें नाम दर्ज करें, और सहेजें ' बटन पर क्लिक । विंडो की सामग्री साफ़ करने के लिए, स्पष्ट बटन पर क्लिक करें ।

Supplementary Figure 2
अनुपूरक चित्रा 2: दूसरा preprocessing ग्राफिकल यूजर इंटरफेस विंडो से उदाहरण के स्क्रीनशॉट । क्षेत्रीय समय अटलांसिंग के बाद पाठ्यक्रम, पहले (ऊपर साजिश) और बाद (नीचे साजिश) स्क्रबिंग और चयनित मापदंडों के अनुसार फ़िल्टरिंग । प्रत्येक वक्र बेतरतीब ढंग से सभी उपलब्ध लोगों के बीच चयनित एक क्षेत्रीय समय पाठ्यक्रम को दर्शाया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

5. स्लाइडिंग-विंडो ISFC चंद्रग्रहण

  1. पहले ISFC-संबंधित ग्राफिकल यूज़र इंटरफ़ेस विंडो खोलने के लिए MATLAB टर्मिनल में JOVE_GUI3 लिखें । प्रत्येक प्रकार के अधिग्रहीत fMRI सत्र सेगमेंट (प्रोत्साहन-संबंधित सेगमेंट, आराम-राज्य के प्रोत्साहन-संबंधित सत्रों के सेगमेंट और विशुद्ध रूप से आराम-राज्य सेगमेंट) के लिए अलग से निम्न चरण निष्पादित करें.
    1. लोड डेटापर क्लिक करें, और सभी उपयुक्त डेटा ४.३ चरण के माध्यम से बनाई गई फ़ाइलों का चयन करें ।
    2. चयन करें कि क्या चयनित सत्र खंडों को चरण यादृच्छिकीकरण से गुजरना चाहिए ।
      नोट: चरण randomization उत्तेजना से संबंधित संकेतों से नल डेटा के उत्पादन के लिए एक वैकल्पिक विकल्प के रूप में इस्तेमाल किया जा सकता है, कोई आराम राज्य रिकॉर्डिंग उपलब्ध हैं.
    3. समर्पित संपादन योग्य पाठ विंडो में डेटा (सेकंड में) का TR दर्ज करें ।
    4. स्लाइडिंग-विंडो पैरामीटर समर्पित संपादन योग्य पाठ windows में विश्लेषण के लिए उपयोग करने के लिए दर्ज करें: विंडो आकार (टीआरएस में) जिस पर कनेक्टिविटी माप की गणना की जानी चाहिए, और कदम आकार (टीआरएस में) जिसके द्वारा उत्तरोत्तर खिड़कियां स्थानांतरित किया जाना चाहिए ।
      नोट: हमारे विश्लेषण में, हम 10 TR और 1 TR के एक कदम आकार की एक खिड़की के आकार का इस्तेमाल किया ।
    5. संशोधित "सत्र प्रकार" तालिका जो लोड सत्र खंडों के समान प्रायोगिक शर्त पर प्राप्त किए गए थे निर्दिष्ट करने के लिए । सेगमेंट के विभिन्न प्रकारों को टैग करने के लिए 1 के बाद से पूर्णांक संख्याओं को बढ़ाने का उपयोग करें (उदा., यदि उद्दीपन किसी दिए गए रिकॉर्डिंग में पहले या दूसरी बार के लिए प्रदर्शित किया गया था). यदि केवल एक प्रकार के सत्र सेगमेंट का अधिग्रहण किया गया तो तालिका को अछूता छोड़ दें.
      नोट: वर्तमान कार्य में कोई सत्र किसी संयुक्त चलचित्र/आराम-स्थिति रिकॉर्डिंग (रन1 और चित्रा 1aमें रन2 कहा जाता है) या विशुद्ध रूप से विश्राम-अवस्था रिकॉर्डिंग (रन3) का संदर्भ दे सकता है । एक सत्र खंड एक सत्र रिकॉर्डिंग के एक उप भाग को संदर्भित करता है, या तो जब फिल्म देखा था, या जब विषयों आराम पर झूठ बोला । उपरोक्त जानकारी बाद में वर्णित ISFC चंद्रग्रहण में प्रयोग किया जाता है (कदम 5.1.8 देखें) के लिए अलग सत्र खंड प्रकार के conसंस्थापकों प्रभाव सीमित ।
    6. समर्पित संपादन योग्य पाठ विंडो में bootstrapping से संबंधित पैरामीटर दर्ज करें: bootstrapping सिलवटों की संख्या पर जो ISFC computations करने के लिए, और विषयों की संख्या ISFC computations के प्रत्येक फ़ोल्ड के लिए संदर्भ समूह का गठन करना चाहिए ।
      नोट: हमारे विश्लेषण में, हम २५० bootstrapping सिलवटों, और संदर्भ समूह में 6 विषयों का इस्तेमाल किया ।
    7. विनिर्देशों दर्ज करें जिसके बारे में समय पाठ्यक्रमों के उप भाग के समय पैरामीटर अनुभाग में, समर्पित संपादन योग्य पाठ खिड़कियों में विश्लेषण किया जाना चाहिए । एक प्रारंभ सूचकांक और एक अंत सूचकांक (टीआरएस में) प्रदान किया जाना चाहिए । पूरे रिकॉर्डिंग अवधि का विश्लेषण करने के लिए, प्रारंभ अनुक्रमणिका के रूप में 1 और अंत अनुक्रमणिका के रूप में नमूनों की संख्या का उपयोग करें ।
    8. ISFC चंद्रग्रहण करने के लिए प्लॉट बटन पर क्लिक करें । प्रदर्शित करता है धीरे से समय के साथ अद्यतन कर रहे हैं, बीता bootstrapping सिलवटों की राशि के साथ । एक क्षेत्र युग्म (i, j) और स्लाइडिंग विंडो इंडेक्स τ के लिए, ISFC की गणना, लंबाई W की एक स्लाइडिंग विंडो के भीतर, सत्र खंड s और संदर्भ समूह से सभी सत्र खंडों के बीच क्रॉस-correlations के औसत के रूप में की जाती है; इस संदर्भ समूह को Ψ द्वारा, Nψद्वारा विषयों की संख्या, और xi[s](t) समय t पर सत्र खंड के लिए क्षेत्र i के समय के पाठ्यक्रम को निरूपित करता है; एक ISFC अनुमान तो द्वारा दिया जाता है:
      Equation 2
      ISFC माप bootstrapping सिलवटों की निर्दिष्ट मात्रा पर परिकलित की जाती हैं, और प्रत्येक फ़ोल्ड पर एक संदर्भ समूह के रूप में उपयोग सत्र खंडों की चयनित संख्या के साथ (चरण 5.1.6 देखें) । यदि कई सत्र सेगमेंट उपप्रकार शामिल किए गए हैं, तो उपप्रकार नमूनों का मिश्रण हमेशा संदर्भ समूह को composes. प्रत्येक सत्र सेगमेंट के लिए अंतिम आउटपुट औसत ISFC सभी परतों में होता है, जिसमें इसे संदर्भ माप के रूप में शामिल नहीं किया गया था.
      नोट: संदर्भ समूह सत्र खंडों का वह सेट है जिसमें सत्र खंड s के कार्यात्मक समय पाठ्यक्रमों की तुलना bootstrapping प्रक्रिया के प्रत्येक मोड़ पर की जाती है । डेटा बिंदुओं को अधिक मज़बूत करने के लिए परिणामों के लिए, ISFC एकाधिक बार किसी भिन्न संदर्भ समूह (अर्थात, सत्र खंडों का एक भिन्न सबसेट) पर परिकलित की जाती है. महत्वपूर्ण बात यह है कि अर्जन समय t स्लाइडिंग विंडो इंडेक्स τ से मेल नहीं खाता, जैसा कि बाद में W डेटा बिंदुओं के सेट पर परिकलित किया जाता है, और क्रमिक अनुमानों के लिए विंडो चरण आकार पर निर्भर करता है । bootstrapping प्रक्रिया एक पूर्व अध्ययन से बर्ज एट अल३३से प्रेरित था ।
    9. निंन चरणों के लिए आउटपुट को सहेजने के लिए, समर्पित संपादन योग्य पाठ विंडो में कोई सहेजें नाम दर्ज करें, और सहेजें ' बटन पर क्लिक । विंडो की सामग्री साफ़ करने के लिए, स्पष्ट बटन पर क्लिक करें ।

Supplementary Figure 3
अनुपूरक चित्रा 3: उदाहरण के स्क्रीनशॉट से पहले ISFC से संबंधित ग्राफिकल यूजर इंटरफेस विंडो । (शीर्ष प्लॉट) की योजनाबद्ध प्रतिनिधित्व कितनी बार प्रत्येक सत्र माना जाता है इसकी ISFC माप परिकलित (यानी, संदर्भ समूह के भीतर चयनित नहीं है) । (निचला प्लॉट) एक सांकेतिक विषय पर, ISFC समय ५० उदाहरण कनेक्शन के लिए गणना पाठ्यक्रमों, समय भर में सबसे बड़ा अभिव्यक्त निरपेक्ष ISFC मूल्यों का प्रदर्शन करने वालों के रूप में चयनित । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

  1. प्रकार JOVE_GUI4 दूसरा ISFC-संबंधित ग्राफ़िकल यूज़र इंटरफ़ेस विंडो खोलने के लिए MATLAB टर्मिनल में ।
    1. लोड isfc डेटा पर क्लिक करें और प्रोत्साहन से संबंधित isfc आउटपुट फ़ाइल (s) चरण ५.१ में बनाई गई का चयन ।
    2. नल डेटा लोड पर क्लिक करें और का चयन करें, उपयोग किए गए नल डेटा उत्पादन योजना पर निर्भर करते हुए, या तो आराम-राज्य isfc, या चरण यादृच्छिक उत्तेजना से संबंधित isfc आउटपुट फ़ाइल (s) चरण ५.१ में बनाया गया है ।
    3. Codebook लोड पर क्लिक करें और ४.३ चरण में बनाई गई codebook फ़ाइल का चयन ।
    4. समर्पित संपादन योग्य पाठ विंडो में डेटा (सेकंड में) का TR दर्ज करें ।
    5. चरण ५.१ (खिड़की के आकार और कदम आकार, टीआरएस में) के चंद्रग्रहण में प्रयुक्त फिसलने खिड़की पैरामीटर समर्पित संपादन योग्य पाठ खिड़कियों में दर्ज करें ।
    6. Enter (प्रतिशत में) α-मान जिस पर ISFC समय पाठ्यक्रम समर्पित संपादन योग्य पाठ विंडो में महत्वपूर्ण परिवर्तनों को हाइलाइट करने के लिए थ्रेशलडेड होना चाहिए ।
      नोट: यहाँ और अन्यत्र, २.५% के α-मान का उल्लेख करते समय, इसका अर्थ है कि महत्व तब प्राप्त होता है जब कोई मान २.५th शतमक से कम हो, या नल डेटा के ९७.५वें शतमक से बड़ा हो. हमारे विश्लेषण में, हम ५,७६२ आराम-राज्य डेटा हमारे निपटान के लिए अंक थे, और 10-4के एक α मूल्य का चयन किया । इसका मतलब यह है कि हम डेटा नमूनों की ०.०१% चाहता था के लिए बड़े या चयनित थ्रेसहोल्ड अतीत जो एक ISFC भ्रमण महत्वपूर्ण समझा जाएगा के बराबर है । तुलना प्रयोजनों के लिए, α स्तर Bonferroni सुधार द्वारा की मांग की जाएगी 0.05/44551 = १.१२ x 10-6, और सबसे कड़े संभव α-स्तर की हमारी राशि के साथ सक्षम डेटा (n नमूने) होगा Equation 3 ।
    7. ISFC थ्रेसवे प्रक्रिया, जिसमें सभी उपलब्ध नल ISFC माप एग्रीगेट किए गए हैं, एक नल वितरण का निर्माण करने के लिए, जो उत्तेजना से संबंधित ISFC माप रहे हैं के बाद, एक दिए गए कनेक्शन के लिए, करने के लिए प्लॉट बटन पर क्लिक करें चयनित α-मान के अनुसार थ्रेसोलडेड । समय बिंदु जिस पर एक उत्तेजना से संबंधित ISFC मान सांख्यिकीय रूप से काफी नल वितरण से अधिक है टैग के रूप में-1/+ 1 के लिए महत्वपूर्ण ISFC घटाता है और बढ़ जाती है, क्रमशः ।
      नोट: थ्रेसल प्रक्रिया आराम से प्रेरणा खींचता है-Betzel एट अल.23के राज्य गतिशील एफसी काम करते हैं ।
    8. विभिंन समय बिंदुओं पर ISFC स्थानिक पैटर्न कल्पना करने के लिए, ISFC भ्रमण प्लॉट के नीचे स्लाइडर खींचें ।

Supplementary Figure 4
अनुपूरक चित्रा 4: दूसरा ISFC से संबंधित ग्राफिकल यूज़र इंटरफेस विंडो उदाहरण स्क्रीनशॉट । (शीर्ष बाएं प्लॉट) एक सांकेतिक विषय पर, ISFC समय तीन उदाहरण कनेक्शन के लिए परिकलित पाठ्यक्रमों, महत्वपूर्ण ISFC यात्रा की सबसे बड़ी राशि का प्रदर्शन करने वाले लोगों के रूप में चयनित और उनके संबद्ध परिकलित महत्व थ्रेसहोल्ड के साथ प्रदर्शित (क्षैतिज रेखाएं) । (निचला बायां प्लॉट) एक ही कनेक्शन के लिए, संबंधित भ्रमण समय पाठ्यक्रम विषयों में औसत, दो-पूंछ ९५% विश्वास अंतराल त्रुटि माप के रूप में प्रदर्शित के साथ । (सही प्लॉट) स्थानिक ISFC पैटर्न (औसत विषयों के बीच ISFC यात्रा) ISFC और भ्रमण भूखंडों पर एक ऊर्ध्वाधर काली लाइन द्वारा इंगित एक चयनित समय बिंदु के लिए । सकारात्मक ISFC यात्रा पीले रंग में दिखाया गया है, और गुलाबी में नकारात्मक लोगों । नोड्स का आकार और रंग कोड उनकी डिग्री के समानुपाती होते हैं । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Representative Results

यहां, हम माना जाता n = 15 आमतौर पर विकासशील (टीडी) विषयों जिनके लिए हम लिखित, सूचित सहमति प्राप्त की । सभी दाएं हाथ के नर थे (२३.४२ ± ७.८ साल पुराने) । चुना प्रतिमान सूर्य जोखिम के खतरों के बारे में युवाओं के लिए एक ऑडियो दृश्य वैज्ञानिक वृत्तचित्र था । यह दृश्य, श्रवण और सामाजिक stimuli की एक बड़ी सरणी शामिल है, और https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-studyपर देखा जा सकता है ।

हमने प्रति विषय दो सत्रों का अधिग्रहण किया (रन1 और रन2) जिसमें मूल्यांकित चलचित्र 5 से ३५३ s (५.८ मिनट की अवधि) में प्रदर्शित की गई थी । एक विश्राम-राज्य खंड भी ३८६ से ६७८ s (४.९ मिनट की अवधि) के बाद । इसके अलावा, एक केवल आराम राज्य सत्र (3भागो) प्रत्येक विषय के लिए अधिग्रहीत किया गया था (एक को छोड़कर जो claustroफोबिया से पीड़ित), ३१० एस के लिए स्थाई (५.२ मिनट) । उदाहरण चलचित्र दृश्यों और प्राप्त किए गए डेटा के समय को चित्र 1aमें सारांशित किया जाता है । महत्वपूर्ण बात, अधिग्रहण प्रोटोकॉल के अर्थ में इष्टतम नहीं था कि आराम-राज्य रिकॉर्डिंग सिर्फ फिल्म के प्रदर्शन के बाद प्राप्त आंशिक रूप से spillover प्रभाव27द्वारा भ्रष्ट हो सकता है; हम वर्तमान निष्कर्षों में इस डेटा का उपयोग करने के लिए सांख्यिकीय सीमा के लिए नमूनों की एक संतोषजनक राशि है, लेकिन यह जब भी संभव से बचना चाहिए ।

हम सभी सत्रों के लिए जो फ्रेम के 10% से अधिक, ०.५ मिमी की दहलीज पर scrubbed थे बाहर रखा गया है, और Craddock एट अल३४ (दो स्तरीय लौकिक सहसंबंध एल्गोरिथ्म) से क्षेत्रीय समय पाठ्यक्रम उत्पंन करने के लिए parcellation माना जाता है, २९९ की कुल के लिए अलग मस्तिष्क क्षेत्रों ।

ISFC पर अलग से परिकलित किया गया था (1) RUN1 और रन 2, (2) के आराम-राज्य subparts भाग1 और रन2, और (3) आराम-राज्य रन3 रिकॉर्डिंग के subparts फिल्म देख । हम मुख्य प्रस्तुत परिणामों के लिए एक विंडो लंबाई W = 10 TR का इस्तेमाल किया, और उंहें W = 5 TR के एक कम मूल्य के लिए तुलना करें । चरण आकार हमेशा 1 TR के बराबर बनी रही । Bootstrapping २५० सिलवटों पर प्रदर्शन किया था, प्रत्येक संदर्भ समूह में 6 सत्र खंडों सहित ।

चित्र 1b में जनरेट किया गया isfc समय पाठ्यक्रमों को w = 10 Tr और w = 5 TR तीन भिन्न प्रतिनिधि कनेक्शंस के लिए प्रदर्शित करता है: कनेक्शन 1 में एक बायां अवर भित् तीय क्षेत्र शामिल किया जा रहा है वस्तुओं की उंमीद से संबंधित (mni निर्देशांक: 41, 9, 32)३५ , और एक सही ललाट प्रच्छद क्षेत्र प्रतिक्रिया निषेध (-34,-52, 45)३६से जुड़ा हुआ है । यह उत्तरार्द्ध क्षेत्र भी एक संवेदी समंवय (54, 6, 34)३७में फंसाया क्षेत्र के साथ क्रमशः 2 और 3 कनेक्शन में फंसाया गया था, और एक शब्दों के अर्थ के प्रसंस्करण के लिए बंधे (6, 62, 9)३८।

विंडो लंबाई के पार एक तुलना में पता चलता है कि डब्ल्यू = 5 TR सेटिंग में, विषयों में लौकिक विचरण कुल मिलाकर दोनों फिल्म में बड़ा है देखने और आराम-राज्य खंड मामलों के रूप में W = 10 TR, फिसलने में एक ज्ञात घटना-खिड़की विश्लेषण३९। कनेक्शन 1 के लिए, विंडो की लंबाई पर ध्यान दिए बिना, चलचित्र देख रिकॉर्डिंग का एक स्थानीयकृत उप-भाग (लगभग ५५ s पर) एक मजबूत, सिंक्रनाइज़ किए गए ISFC विषयों में वृद्धि दिखाता है, जो मुख्यतः आराम-राज्य के मामले में लिए गए मानों की श्रेणी से अधिक है । इस प्रकार, हम एक महत्वपूर्ण ISFC क्षणिक के रूप में इस लौकिक उपभाग पर कब्जा करने की उंमीद हमारी दहलीज प्रणाली के साथ ।

कनेक्शन 2 के लिए, हम इसी तरह के लौकिक गतिशीलता का पालन, लेकिन W = 5 TR के लिए, वृद्धि कम आसान हो जाता है के रूप में आराम-राज्य समय पाठ्यक्रमों की तुलना में, बड़ा फिसलने खिड़की पद्धति से संबंधित शोर के कारण । कनेक्शन 3 के लिए के रूप में, यह एक मामला है जिसमें फिल्म के लिए कोई स्पष्ट प्रतिक्रिया है, और इस तरह, फिल्म से उतार चढ़ाव देख और आराम-राज्य समय पाठ्यक्रम समान है दर्शाता है । इस विश्लेषणात्मक स्तर पर अपेक्षित परिणाम कनेक्शन है कि स्पष्ट उत्तेजना-प्रेरित पुनर्विन्यास दिखाने के बीच एक मिश्रण है, और कनेक्शन है कि जवाब नहीं है ।

Figure 1
चित्रा 1: अधिग्रहण समय और उदाहरण ISFC समय पाठ्यक्रम । (क) फिल्म विषयों द्वारा देखा सामाजिक स्थितियों की एक विस्तृत सरणी शामिल (उदाहरण छवियां 1 और 4), रंगीन पैनलों के साथ वैज्ञानिक स्पष्टीकरण (उदाहरण छवियां 2 और 5), और परिदृश्य सीनरी (उदाहरण छवि 3) । विषय के अनुसार तीन सत्रों का अधिग्रहण किया गया था: दो (1 भागो और भागो2) फिल्म उत्तेजना शामिल (से 5 ३५३ एस, हरे रंग में प्रकाश डाला) एक आराम-राज्य अवधि के बाद (३८६ से ६७८ एस, पीले रंग में दिखाया गया है), जबकि एक (3रन) पूरी तरह से एक आराम राज्य रिकॉर्डिंग में शामिल (३१० एस अवधि, नारंगी में प्रदर्शित) । (ख) तीन सांकेतिक कनेक्शनों (C1, C2 और C3, के लिए क्रमशः गहरे हरे/लाल, हल्के हरे/नारंगी और फ़िरोज़ा/पीले निशान), फिल्म देखने (ठंडे रंग) या आराम-राज्य (गर्म रंग) के दौरान समय के साथ isfc के विकास । के लिए W = 10 TR (बाएं पैनल), फिल्म देख ISFC परिवर्तन और अधिक मोटे तौर पर बाहर खड़े के रूप में W = 5 TR (सही पैनल) की तुलना में । प्रत्येक ट्रेस एक सत्र के ISFC समय पाठ्यक्रम को प्रतिबिंबित करता है । यह आंकड़ा आंशिक रूप से बोल्टन एट अल.25से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

चित्रा 2A isfc समय पाठ्यक्रम के सांख्यिकीय दहलीज निंनलिखित परिणाम प्रदर्शित करता है, ऊपर के रूप में एक ही तीन कनेक्शन के लिए । 1 का एक समय पाठ्यक्रम मूल्य का मतलब है कि सभी विषयों एक ही समय बिंदु पर एक ही ISFC वृद्धि की गई; 0 के एक मूल्य का मतलब है कि कोई विषय एक महत्वपूर्ण isfc परिवर्तन गुजरी; -1 का मान सभी विषयों में एक सिंक्रोनस ISFC कमी का प्रतिनिधित्व करता है । पहले की तरह, हम W = 5 TR और W = 10 TR के विपरीत हैं, और हम दो α-मान मामलों को भी हाइलाइट करते हैं: α = ०.०१%, और α = 5% ।

ऊपर टिप्पणियों के साथ फिटिंग, एक कम खिड़की की लंबाई निकाले महत्वपूर्ण ISFC परिवर्तन की राशि कम कर देता है । कनेक्शन 1 के लिए, दोनों W = 5 TR और W = 10 TR, हालांकि, एक मजबूत ISFC वृद्धि दिखा के रूप में एक ही विशेष क्षण (t = ५५ s) निकालें । खाते में मोटे तौर पर 5 एस की एक hemodynamic देरी ले रही है, यह फिल्म का एक उपभाग जब रंग लाइनों एक गुड़िया की ओर बढ़ा रहे थे से मेल खाती है, और अचानक यह (46-49 s) के सामने बंद कर दिया, वस्तु में शामिल क्षेत्रों की भूमिका के साथ फिटिंग प्रत्याशा और प्रतिक्रिया निषेध३५,३६।

जब α ०.०१% से 5% से बढ़ रही है, एक का पता लगाया ISFC यात्रियों की एक बहुत कम विशिष्टता का पालन कर सकते हैं, कई झूठी सकारात्मक सहित संभावना है और उंमीद के मुताबिक बहुत कम लौकिक synchrony दिखा ।

डेटा पर सेट किया जा सकता है कि एक और परिप्रेक्ष्य के रूप में, चित्रा 2B टी = ५५ एस पर महत्वपूर्ण isfc परिवर्तन के पूरे मस्तिष्क स्थानिक नक्शे से पता चलता है. यह देखा जा सकता है कि फिल्म के दृश्य के लिए प्रतिक्रिया यहां वर्णित उदाहरण कनेक्शन से परे तक फैली हुई है ।

Figure 2
चित्रा 2: लौकिक और ISFC पैटर्न के स्थानिक स्नैपशॉट । (क) isfc क्षणिक समय पाठ्यक्रम, तीन सांकेतिक कनेक्शन (C1, C2 और C3, क्रमशः गहरे हरे, हल्के हरे और फ़िरोज़ा निशान) के लिए विषयों में औसत से अधिक है । फिल्म दृश्य है कि ISFC परिवर्तन दिया प्रकाश ग्रे में प्रकाश डाला है, और उदाहरण के चित्र द्वारा चित्रित । के लिए W = 10 TR (भूखंडों के बाएं स्तंभ), ISFC परिवर्तन अधिक दृढ़ता से W = 5 TR (भूखंडों का दायां स्तंभ) के लिए की तुलना में पता लगाया है । α = ०.०१% (भूखंडों की शीर्ष पंक्ति) के लिए, स्थानीयकृत चलचित्र cues की विशिष्टता α = 5% (भूखंडों की निचली पंक्ति) से बड़ी है । प्रत्येक ट्रेस ISFC क्षणिक समय एक सत्र के पाठ्यक्रम को प्रतिबिंबित करता है, और दो-पुच्छ ९५% विश्वास अंतराल त्रुटि माप के रूप में प्रदर्शित किए जाते हैं । (ख) के लिए डब्ल्यू = 10 TR और α = ०.०१%, वहां टी = ५५ एस पर isfc यात्रियों की एक साफ, प्रतिबंधित स्थानिक पैटर्न (C1 के लिए पीक isfc क्षणिक मूल्य) है; के लिए W = 5 TR और α = 5%, इस समय एक महत्वपूर्ण ISFC परिवर्तन के दौर से गुजर कनेक्शन बहुत अधिक कई हैं । ध्यान दें कि हम वर्णित अस्थाई (यानी, ५५ एस के एक मूल्य में लगभग 5 एस के एक hemodynamic देरी मान यहां ५० s पर फिल्म उत्तेजना से संबंधित है) । यह आंकड़ा आंशिक रूप से बोल्टन एट अल.25से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Discussion

स्वस्थ विषयों की एक डेटासेट पर, हम कैसे तुल्यकालिक क्रॉस-विषय बढ़ जाती है और एफसी में कम हो जाती है, ISFC यात्रियों, अस्थाई स्थानीयकृत फिल्म cues, जानकारी है कि एक स्थिर विवरण से परे चला जाता है प्रदान मैच होगा का प्रदर्शन किया । हालांकि पार से विषय सहसंबंध उपायों के उपयोग के लिए उत्तेजना पर विश्लेषण केंद्रित कार्यात्मक पुनर्विन्यास प्रेरित सक्षम बनाता है, एक भी पता होना चाहिए कि यह प्रभाव है कि अध्ययन जनसंख्या भर में साझा कर रहे हैं करने के लिए निष्कर्षों को सीमित करता है: इसलिए, निम्न स्तर संवेदी प्रक्रमण को अग्रवर्ती प्रक्रमण४०की तुलना में अधिक प्रतिनिधित्व होने की आशा है । इस सीमा को बायपास करने के लिए, नए तरीके भी है कि सबसे दृढ़ता से विषयों के पार अलग क्षेत्रों को निकालने की क्षमता है४१विकसित किया जा रहा है ।

शुरू की कार्यप्रणाली से एक और सीमा रपट खिड़की पहलू से उठता है, ISFC क्षणिक समय पाठ्यक्रमों के लौकिक संकल्प के रूप में फ्रेम-वार दृष्टिकोण15की तुलना में कम है । जैसा कि हमने दिखाया, एक व्यापार बंद ठीक से गतिशील ISFC reकॉंफ़िगरेशंस को हल करने के लिए एक पर्याप्त रूप से कम खिड़की की लंबाई के बीच की जरूरत है, और मजबूत अनुमान प्राप्त करने के लिए एक बड़ा पर्याप्त आकार । हमारे ढांचे में दो महत्वपूर्ण कदम यह सुनिश्चित करना है कि निकाले ISFC यात्रियों कनेक्टिविटी में वास्तव में होने वाले परिवर्तन को प्रतिबिंबित: सबसे पहले, उच्च पास खिड़की की लंबाई३२के व्युत्क्रम के साथ क्षेत्रीय समय पाठ्यक्रमों की फ़िल्टरिंग; दूसरा, एक प्रासंगिक नल वितरण के उत्पादन के लिए आराम राज्य ISFC डेटा का उपयोग, उत्तेजना से संबंधित डेटा की तुलना में समान अधिग्रहण मापदंडों के साथ । बेशक, बाद में भी एक लंबी वैश्विक अधिग्रहण समय की आवश्यकता है, ताकि आराम राज्य डेटा उत्तेजना के शीर्ष पर इकट्ठा किया जा सकता है संबंधित सत्र । अतिरिक्त आराम-राज्य रिकॉर्डिंग से बचने के लिए एक वैकल्पिक दृष्टिकोण के रूप में, हम भी संभावना प्रदान करने के लिए चरण यादृच्छिक डेटा सीधे उत्तेजना से संबंधित समय पाठ्यक्रम, एक अक्सर गतिशील कार्यात्मक कनेक्टिविटी विश्लेषण में इस्तेमाल किया दृष्टिकोण से उत्पन्न करने के लिए की पेशकश 23 , 24. सत्रों के एक सबसेट पर आगे मूल्यांकन से पता चला कि हालांकि आराम-राज्य नल विधि अधिक रूढ़िवादी है, और इस प्रकार कम झूठी सकारात्मक करने के लिए प्रवण, isfc भ्रमण का पता लगाने के वैश्विक पैटर्न दोनों योजनाओं के पार समान थे (देखें अनुपूरक आंकड़ा 5) ।

Supplementary Figure 5
अनुपूरक चित्रा 5: नल डेटा उत्पादन विधियों में ISFC भ्रमण का पता लगाना । आराम करने के लिए-राज्य (बाएँ स्तंभ, नीले भूखंडों) या चरण randomization (दाएँ स्तंभ, लाल भूखंडों) नल डेटा उत्पादन विधियों, ISFC यात्रा का प्रतिशत कनेक्शन भर में निकाली गई. नीचे भूखंड पहले तीन माना मस्तिष्क क्षेत्रों से निर्गत कनेक्शन पर एक इनसेट हैं । त्रुटि विषयों में मानक विचलन का प्रतिनिधित्व करता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

आराम-राज्य अधिग्रहण की अवधि वास्तव में विश्लेषण के एक महत्वपूर्ण पैरामीटर से संबंधित है: α-मूल्य । ऊपर उदाहरण के रूप में, एक भी उदार पसंद का पता लगाया isfc यात्रियों में झूठी सकारात्मक की एक बड़ी राशि के लिए नेतृत्व करेंगे । उपलब्ध आराम-राज्य डेटा की मात्रा अधिक है, अधिक कठोर प्राप्त झूठी सकारात्मक दर, क्योंकि थ्रेसकी और अधिक चरम मानों पर नल वितरण से आधारित हो सकते हैं । एक संकेत के रूप में, के लिए एन = २९९ एटलस क्षेत्रों के रूप में यहां और ५,७६२ आराम राज्य डेटा बिंदुओं की हमारी संख्या दी, हम सबसे अच्छा एक α-मान ०.०१% के करीब प्राप्त कर सकता है (गणितीय विवरण के लिए कदम 5.2.6 देखें) ।

किसी भी fmri विश्लेषण से संबंधित एक और महत्वपूर्ण बिंदु विश्लेषण डेटा30,४२से संभव गति से संबंधित कलाकृतियों के कठोर हटाने में निहित है । विशेष रूप से, यदि एक चाहता है रोगग्रस्त आबादी के लिए शुरू पाइप लाइन में लागू स्कैनर में चिह्नित गति का प्रदर्शन, हम अनुशंसा करते है कि प्रदर्शन सांख्यिकीय विश्लेषण में covariates के रूप में गति चर सहित के शीर्ष पर, अतिरिक्त preprocessing कदम, ऐसे तरंगिका निरूपित४३ या ICA-सुगंध४४के रूप में, चलाया जाना है । समूह तुलना, उदाहरण के लिए एक स्वस्थ और एक रोगग्रस्त समूह के बीच ISFC यात्रियों की तुलना करने के लिए, आसानी से दोनों हित के समूहों पर समानांतर में वर्णित दृष्टिकोण चलाकर किया जा सकता है (Bolton एट अल.25 एक उदाहरण के लिए देखने के लिए एक जनसंख्या का निदान autism स्पेक्ट्रम विकारों के साथ) । हालांकि, समूहों के बीच एक अंतर तो दो अलग सेटिंग्स में पैदा कर सकते हैं: (1) एक समूह में एक अनुपस्थित ISFC परिवर्तन, या (2) उस समूह में एक और अधिक विषम विकास । उन दो कारकों को भंग करने के लिए, पाइप लाइन एक बार रोगग्रस्त समूह के लिए और अधिक चलाया जाना चाहिए, स्वस्थ विषय bootstrapping कदम पर संदर्भ समूह के रूप में सेट का उपयोग कर । पूर्व मामले अभी भी एक अनुपस्थित प्रतिक्रिया में परिणाम होगा, जबकि बाद नहीं होगा ।

क्या हम यहां वर्णित के शीर्ष पर, शुरू की कार्यप्रणाली भी भविष्य के अवसर का वादा किया है: एक विश्लेषणात्मक पक्ष से, isfc क्षणिक नक्शे मस्तिष्क रेखांकन से जो मैट्रिक्स मस्तिष्क कनेक्टिविटी बढ़ाता४५व्युत्पंन किया जा सकता है के रूप में देखा जा सकता है, या गतिशील आईएसएफसी राज्यों को क्लस्टरिंग दृष्टिकोण के माध्यम से निकाला जा सकता है और उनकी स्थानिक और लौकिक विशेषताओं के संदर्भ में मूल्यांकन17,४६। इसके अलावा, एक भी पीयरसन के सहसंबंध गुणांक से अधिक परिष्कृत कनेक्टिविटी मापन उपकरणों के उपयोग की परिकल्पना कर सकता है, जो एफसी४७,४८के subtler पक्षों को प्रकट करते हैं ।

प्रयोगात्मक पक्ष से, हमारे पाइप लाइन के प्रतिमान का एक और अधिक विस्तारित सेट करने के लिए आवेदन एक आशाजनक परिप्रेक्ष्य है: उदाहरण के लिए, के बजाय एक फिल्म के रूप में यहां का अध्ययन किया, एक संगीत४९ या एक कथा13के एक टुकड़े का उपयोग करने की परिकल्पना कर सकता है, एक समय बंद उत्तेजना के रूप में ५० । वैकल्पिक रूप से, यह भी अनुरूप हो सकता है, hyperscanning५१के माध्यम से, प्रकृतिवादी सामाजिक संचार५२,५३जांच करने के लिए ।

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस काम के भाग में निंनलिखित में से प्रत्येक के द्वारा समर्थित किया गया था: स्विस राष्ट्रीय विज्ञान फाउंडेशन (अनुदान संख्या 205321_163376 DVDV करने के लिए), Bertarelli फाउंडेशन (टीबी और DVDV के लिए), जैव चिकित्सा इमेजिंग (CIBM) के लिए केंद्र, और अनुसंधान के लिए राष्ट्रीय एजेंसी ( टेम्पोफ्रंट अनुदान संख्या ०४७०१ से ALG) । लेखक के रूप में इस काम के वीडियो सामग्री के लिए उनके योगदान के लिए रॉबर्टो Martuzzi और Giulia Preti शुक्रिया अदा करना चाहते हैं, क्रमशः, एमआरआई ऑपरेटर और स्कैन स्वयंसेवक ।

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

तंत्रिका विज्ञान मुद्दा १४५ कार्यात्मक चुंबकीय अनुनाद इमेजिंग कार्य आधारित विश्लेषण गतिशील कार्यात्मक कनेक्टिविटी अंतर विषय कार्यात्मक सहसंबंध स्लाइडिंग खिड़की विश्लेषण थ्रेशलेजिंग फिल्म देख प्रतिमान
गतिशील अंतर विषय कार्यात्मक कनेक्टिविटी पल-पल मस्तिष्क नेटवर्क सतत या संचार मानदंड से प्रेरित विंयास से पता चलता है
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