Temporal Lob Epilepsi Fonksiyonel Bağlantı MRI kullanarak Varsayılan Mod Ağı Ağ Analizi

Aşağıdaki deneyin genel amacı istatistiksel haritalar elde etmektir. Sağlıklı kontroller ve epilepsili hastalar arasında dinlenme durumu FMRI taramalarının farkının karşılaştırılması. Bu, temporal lob epilepsisi olan kişilerde ve sağlıklı kontrol deneklerinde FMRI verilerinin elde edilmesiyle elde edilir.

İkinci adım olarak, verileri istatistiksel olarak analiz edilmeye hazırlayan FMRI önceden işlenir. Daha sonra, iki grup arasında istatistiksel olarak geçerli karşılaştırmalar elde etmek için önceden işlenmiş FMRI verileri analiz edilir. Epilepsi hastaları arasında sağlıklı kontrol deneklerinin beyin ağlarına kıyasla beyin ağlarında farklılıklar gösteren sonuçlar elde edilmiştir.

Bu iki grup arasındaki beyin ağı haritalarındaki istatistiksel farklılıklara dayanarak, fokal nöbetlerle ortaya çıkan epilepsilerin bile yaygın ağ bozukluklarının ortaya çıkan özellikleri olduğu giderek daha belirgin hale gelmiştir. Bu tekniğin fikri, nöbetler sırasında DEF Favo ağının önemini kabul ettikten ve temporal lob epilepsisindeki nöbetler arasında varsayılan LO ağının anormal olup olmadığını merak ettikten sonra ortaya çıktı. Bu protokol için çalışma popülasyonu üç grup içermelidir, değil mi?

Temporal lob epilepsi hastaları, sol temporal lob epilepsi hastaları ve sağlıklı kontroller. Toplamda yaklaşık 35 denek önerilir. Epilepsi denek grupları, video, EEG monitorizasyonu, PET görüntüleme ve nöropsikolojik testler ile belirlenen anterior temporal lob rezeksiyonu adayları gibi temporal lob epilepsisi tanısı alan hastalar olmalıdır

MRG için görüntüleme ve taramadan önce tüm deneklerden IRB onayı ve yazılı bilgilendirilmiş onay alın. Emniyet. Hastalar FMRI taraması sırasında normal ilaçlarına devam etmeli ve bir nöbetten hemen sonra taranmamalıdır. Bu protokolde açıklanan tüm görüntülemeler için üç Tesla MRI sistemi kullanılmalıdır.

Eko düzlemsel görüntüleme dizisi kullanarak fonksiyonel görüntüler için eksenel dilimler elde edin ve anatomik görüntüler için bozulmuş gradyan geri çağrılan dizi kullanın. Katılımcılardan rahatlamalarını ve gözleri kapalı olarak hareketsiz kalmalarını isteyin ve burada görüldüğü gibi parametreleri kullanarak fonksiyonel görüntüleme yapın. Ayrıca S PGR T tek ağırlıklı yüksek çözünürlüklü yapısal görüntüleme için aşağıdaki parametreleri kullanın.

Her görüntüleme seansı yaklaşık 20 dakika sürmelidir. Önce FSL yazılımını kullanarak FMRI verilerini önceden işleyerek başlayın. Kafa hareketi artefaktını kaldırmak için FSL MFL'yi kullanın.

Ardından, kalın dosyalar için tire F seçeneğiyle beyin olmayan dokuyu çıkarmak için FSL beyin çıkarma aracını veya BET'i kullanın. Bu, yalnızca beyin dokusu üzerinde daha fazla analiz adımına izin verir. Ayakta, kayıt ile minimum düzeyde işlenmiş bir analiz çalıştırın.

Birinci seviye analizi seçin ve üstteki iki düğmeden tam analizi ön istatistiklere değiştirin. Ardından, pres istatistikleri sekmesi altında, bahis beyin ekstraksiyonunun işaretini kaldırın ve bunlar zaten gerçekleştirildiği için hareket düzeltmesi için hiçbirini seçin. Daha sonra fonksiyonel görüntüleri anatomik görüntülere ve ardından standart bir MNI görüntüsüne kaydedin.

Bu, daha sonra analiz sırasında standart uzayda seçilen tohumu deneğin beyin alanına çarpıtmak için kullanılan dönüşüm matrislerinin üretilmesiyle sonuçlanır. Ardından, funk dot mat'ı örneklemek ve CSF ve beyaz madde ROI'lerini tek tek kalın alana dönüştürmek için standart adlı oluşturulan dönüştürme matrisini kullanın. Ardından FSL mean TS komutunu kullanarak, CSF ve beyaz madde ROI'lerinden zaman serisini çıkarın.

Bireysel konu uzayında ROI'yi bir maske olarak kullanmak, R yazılımını kullanarak çıkarılan zaman serisini normalleştirin.Bu zaman serileri daha sonra analizden karşılık gelen yapay sinyalleri çıkarmak için genel doğrusal modelde regresörler olarak kullanılacaktır. Bir sonraki adım, konu hareketiyle ilgili artefaktların kaldırılmasıdır. Hareket parametrelerinin regresyonu için.

Çalıştırmadan önce FSL feet içinde aşağıdakileri ayarlayın, önce veri sekmesinde, hareket düzeltilmiş ve beyin ayıklanmış dosyayı girdi olarak kullanın ve TR değerini veri kümenize karşılık gelecek şekilde ayarlayın. İlgilenmeyen çok düşük frekanslı sinyalleri kaldıracak olan 102. bir filtre kullanarak yüksek geçiren filtrelemeyi ayarlayın. Yüksek frekanslı sinyalleri kaldırmak için bir alçak geçiren filtre, daha sonra basın istatistikleri sekmesinde uygulanacaktır.

Hareket düzeltme altında hiçbirini seçin ve işaretini kaldırın, ancak beyin ekstraksiyonu. Bu adımlar gerçekleştirildikten sonra, maksimum beş milimetre tam genişlikte yarım yama kullanarak uzamsal yumuşatma gerçekleştirin. Ardından istatistikler sekmesinde, altı hareket parametresini ve bunların zamansal türevlerini geriletin.

Evrişim için hiçbiri'ni seçin ve Zamansal filtreleme uygula'yı işaretleyin. Hareket parametrelerinin metin dosyalarını almak için F selmic flirt çıktısını kullanın, bu dosyalar daha sonra bunları genel bir doğrusal modelde geriletmek için ayak analizine girilebilir. Ayrıca, önceki adımlarda ayıklanan ve normalleştirilen BOS ve beyaz madde sinyallerini GLM'ye ekleyin.

Evrişim için hiçbiri'ni seçin. Zamansal türev ekleyin ve zamansal filtreleme uygula seçeneğinin işaretini kaldırın. Yukarıda açıklanan ön işlemeden arta kalanlar, tohum bazlı korelasyon için kullanılmalıdır.

Bu kalıntılar önce 0.1 hertz'lik düşük bir PESS filtreden geçirilmeli, daha sonra ortalama çıkarılarak değersizleştirilmeli, standart sapmaya bölünmeli ve daha sonra 100 tohum eklenerek ölçeklendirilmeli ve altı milimetre çapında bir tohum tanımlanmalıdır. Standart MNI alanında. MRI taç yazılımını kullanarak, arka ve ön tohumlar burada görüldüğü gibi koordinatlara karşılık gelmelidir.

Bu tohum konumlarının sağlıklı denetimler içinde tanımlandığını unutmayın. Tohumlar daha sonra standart MNI alanından her deneğin bireysel işlevsel beyin alanına dönüştürülmelidir. Bunun için, tohumu standart m ve i uzayından bireysel fonksiyonel uzaya dönüştürmek için daha önce oluşturulan dönüşüm matrisini kullanın.

Ardından, daha önce küçük düşürülmüş ve ölçeklendirilmiş kalıntıdan zaman serisini ayıklamak için FSL mean Ts komutunu kullanın. Bireysel konu alanındaki tohumu bir maske olarak kullanmak. Yazılımı kullanarak çıkarılan zaman serisini normalleştirin R tohum vokselleri ile tüm beyin vokselleri arasındaki kısmi korelasyonlar, her çalışma için her denek için ayrı ayrı hesaplanmalıdır.

Bunun için, FSL feet arayüzünde, önce seviye analizini ve ardından veri sekmesinde istatistikleri ve gönderi istatistiklerini seçin. Daha önce küçümsenmiş ve ölçeklendirilmiş kalıntı girdi olarak kullanılmalıdır. Kalan değer zaten yüksek olduğu için yüksek geçiren filtre sınırını 10.000 olarak ayarlayın ve istatistikler sekmesinde 100 saniyede geçti.

Film ön beyazlatma seçeneğinin seçimini kaldırın ve daha önce ekstrakte edilmiş ve normalleştirilmiş tohum zaman serisini kullanın. İstatistikler sonrası sekmesindeki GLM'de, grup analizini çalıştırmadan önce istenen Z istatistik eşiğini 2,0 değerine ayarlayın. Denekler içindeki çalışmaları birleştirerek, parametre tahminlerinin karşıtlığı üzerinde bir Fisher Z dönüşümü gerçekleştirilmelidir.

Korelasyon analizinden oluşturulan dosya, ayak analizinin kayıt dizininden kayıt verilerini korelasyon çalışmasına kopyalayın. Her konudaki çalışmaları birleştirerek daha üst düzey bir analiz yapın. Önce daha üst düzey analizi ve ardından istatistikleri ve gönderi istatistiklerini seçin.

Daha sonra veri sekmesinde, girişler daha düşük seviyeli ayak dizinleridir ve istatistikler sekmesine konunun koşularını girin. Karışık efektler seçin. Basit OLS: ortalama efekt olarak bir model ayarlayın ve deneklerin her çalıştırılması için bir değer girin.

Denekler arasındaki veri taşmasını birleştirmek için sıradan, en küçük kareler, basit bir karışık efekt analizi kullanılmalıdır, bunun için veri sekmesinde daha yüksek seviyeli analiz ve istatistikler artı gönderi istatistiklerini seçin. Girişleri daha düşük seviyeli ayak dizinleri olarak seçin ve istatistikler sekmesinde konunun birleşik Koşularını girin, karışık efektler seçin. Basit OLS: Üç grup olarak bir model ayarlayın, grup için bir değer girin.

Her konu sıfıra aittir. Aksi takdirde, her bir voksel üzerinde, eşiğe karşılık gelen üç gruba karşılık gelen üç seviyeli tek yönlü bir innova kullanılarak grup analizi yapılmalıdır. Z istatistiği görüntüleri, korelasyon haritasında doğru Z değerlerini elde etmek için 2.0'dan büyük bir Z küme oluşturma eşiği ve P'nin düzeltilmiş küme anlamlı eşiği 0.05'e eşit kullanır.

Sonuçlar üzerinde bir ters fisher Z dönüşümü gerçekleştirilmelidir. Son olarak, burada ekranda görüldüğü gibi aşağıdaki belirli kontrastları kullanın. Bu şekil, kırmızı sarı renklerde retro splenium ve precuneus dahil olmak üzere bir posterior tohumdan bağlantı ile ortaya çıkan varsayılan mod ağını ve mavi yeşil renklerde vent medial prefrontal korteks dahil olmak üzere ön tohumu göstermektedir.

İlk sıra kontrol denekleri için, ikinci sıra sol temporal lob epilepsisi için ve alt sıra sağ temporal lob epilepsisi için ağı ortaya koymaktadır. Aşağıdaki şekiller bu ağları bu üç grup arasında karşılaştırmaktadır. Burada, sağlıklı kontrollere kıyasla kombine sağ ve sol temporal lob epilepsisi için bir anterior ve bir posterior tohum ile ortaya çıkan varsayılan mod ağlarını görüyoruz.

Bu şekil, sağlıklı kontrollere kıyasla yalnızca sol temporal lob epilepsisi için aynı tohum noktaları ile ortaya çıkan varsayılan mod ağlarını göstermektedir. Bu şekilde sağ temporal lob epilepsisi için sadece sağlıklı kontrollere göre ortaya konan ağlar gösterilmişken, son olarak burada sol temporal lob epilepsisi için sağ temporal lob epilepsisine göre bir anterior ve bir posterior tohum ile ortaya konan varsayılan mod ağları görüyoruz. Tüm beyni içeren fonksiyonel bağlantı çalışmaları, epilepsinin temel mekanizmalarını anlamak için gereklidir.

Bu deneyde, varsayılan mod ağına bağlantıyı değerlendirmek için çekirdek tabanlı bir teknik kullandık. Temporal lob epilepsisini incelerken diğer tekniklerin sonuçlarında nasıl karşılaştırıldığını görmek ilginç olacaktır.