टेम्पोरल लोब मिर्गी में कार्यात्मक कनेक्टिविटी एमआरआई का उपयोग कर डिफ़ॉल्ट मोड नेटवर्क के नेटवर्क विश्लेषण

Medicine

Your institution must subscribe to JoVE's Medicine section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

टेम्पोरल लोब मिर्गी में डिफ़ॉल्ट मोड नेटवर्क (DMN) (TLE) बीज आधारित कार्यात्मक कनेक्टिविटी एमआरआई (fcMRI) का उपयोग कर मस्तिष्क की आराम की स्थिति में विश्लेषण किया है.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel Jr., J., Stern, J. M. Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy. J. Vis. Exp. (90), e51442, doi:10.3791/51442 (2014).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

कार्यात्मक कनेक्टिविटी एमआरआई (fcMRI) समय के साथ बोल्ड संकेत उतार चढ़ाव के संबंध पर आधारित अलग मस्तिष्क क्षेत्रों की कनेक्टिविटी की जाँच करता है कि एक fMRI विधि है. टेम्पोरल लोब मिर्गी (TLE) वयस्क मिर्गी का सबसे आम प्रकार है और कई मस्तिष्क नेटवर्क शामिल है. डिफ़ॉल्ट मोड नेटवर्क (DMN), होश में आराम कर राज्य अनुभूति में शामिल है और बरामदगी चेतना की हानि का कारण जहां TLE में प्रभावित होने लगा है. मिर्गी में DMN बीज fcMRI आधारित का उपयोग कर जांच की गई थी. DMN की पूर्वकाल और कूल्हों केन्द्रों इस विश्लेषण में बीज के रूप में इस्तेमाल किया गया. परिणाम बेसल राज्य के दौरान पूर्वकाल और TLE में DMN के पीछे केन्द्रों के बीच एक कनेक्शन काट दिखा. इसके अलावा, के साथ छोड़ दिया TLE में अन्य मस्तिष्क क्षेत्रों की वृद्धि हुई DMN कनेक्टिविटी सही TLE में कनेक्टिविटी की कमी हुई पता चला है. विश्लेषण बीज आधारित fcMRI ऐसे TLE के रूप में मस्तिष्क विकारों में मस्तिष्क नेटवर्क की जांच के लिए इस्तेमाल किया जा सकता है दर्शाता है.

Introduction

कार्यात्मक कनेक्टिविटी एमआरआई (fcMRI) उनके रक्त oxygenation स्तर निर्भर संकेत (बोल्ड) समय श्रृंखला की समानता के आधार पर अलग मस्तिष्क क्षेत्रों के बीच संबंध quantifies कि fMRI डेटा के लिए एक अपेक्षाकृत हाल ही में विश्लेषणात्मक दृष्टिकोण है - इस "कार्यात्मक" कनेक्टिविटी कहा जाता है, और है क्षेत्रों (जैसे, सफेद पदार्थ फाइबर) के बीच शारीरिक कनेक्शन के अस्तित्व का वर्णन करता है कि शारीरिक संपर्क से अलग पहचाना. प्रतिभागी एक कार्य में लगे हुए या तथाकथित "आराम की स्थिति 'में है नहीं है जब इस दृष्टिकोण का एक विशेष आवेदन में, समय श्रृंखला एकत्र कर रहे हैं.

पहली बार 1995 1 में वर्णित है, fcMRI 2012 में तकनीक से संबंधित लगभग 1,000 प्रकाशनों में जिसके परिणामस्वरूप में बहुत रुचि रही है. FcMRI (, (1) निष्पादित करने की कोई विशिष्ट कार्य है कि वहाँ में कार्य आधारित fMRI अधिक आंतरिक लाभ है 2) विषय सहयोग हैआवश्यक नहीं, (3) डेटासेट कई अलग अलग नेटवर्क क्वेरी करने के लिए इस्तेमाल किया जा सकता है, शोर अनुपात करने के लिए (4) बेहतर संकेत शामिल होने के कारण मस्तिष्क Energetics में मतभेद है, और कार्य से संबंधित घालमेल 2 (5) तरक़ीब की संभावना मौजूद है. अपनी अवधारणा के एक सबूत के रूप में, fcMRI परिवर्तन मस्तिष्क में ईईजी 3 में परिवर्तन और स्थानीय क्षेत्र क्षमता 4 के साथ पत्र व्यवहार करने के लिए दिखाया गया है.

FcMRI विश्लेषण की तकनीकों आरओआई / बीज आधारित तकनीक, स्वतंत्र घटक विश्लेषण (आईसीए), ग्राफ सिद्धांत विश्लेषण, Granger करणीय विश्लेषण, स्थानीय तरीकों (कम आवृत्ति उतार चढ़ाव, क्षेत्रीय एकरूपता विश्लेषण के आयाम), और 5 अन्य शामिल हैं. सबसे लोकप्रिय तरीकों में बीज पर आधारित है और आईसीए तरीकों 6 हैं, हालांकि कोई भी तकनीक अभी तक, एक और अधिक स्पष्ट श्रेष्ठता का प्रदर्शन किया है. बीज आधारित fcMRI अध्ययन के तहत ख्यात नेटवर्क का एक preselected हिस्से से बोल्ड संकेत में अस्थायी उतार चढ़ाव इसे संबद्ध "बीज करार दिया1; या मस्तिष्क के अन्य सभी भागों में "हित के क्षेत्र (आरओआई)". बीज क्षेत्र को बोल्ड संकेत correlating दिखा मस्तिष्क के क्षेत्रों को शामिल नेटवर्क के कुछ हिस्सों को चिह्नित करने के लिए लगा रहे हैं. इसके विपरीत, आईसीए पूरे मस्तिष्क का 5 hemodynamic संकेत विशेषताओं का विश्लेषण करके स्थानिक-अस्थायी सहसंबद्ध मस्तिष्क क्षेत्रों (स्वतंत्र घटक, आईसीएस) निकालने के लिए एक मॉडल से मुक्त डेटा पर ही आधारित विश्लेषण का उपयोग करता है.

वर्तमान पांडुलिपि में, TLE में DMN से आराम कर राज्य बीज आधारित कनेक्टिविटी विश्लेषण के एक पहले से प्रकाशित अध्ययन में इस्तेमाल किया तरीकों की एक विवरण 7 में प्रस्तुत किया है. TLE वयस्क मिर्गी का सबसे आम रूप है. बरामदगी के अलावा, TLE स्मृति, व्यवहार, विचार, और संवेदी समारोह 8 सहित कई मस्तिष्क नेटवर्क की शिथिलता का कारण बनता है. DMN जागरूक, आराम राज्य अनुभूति subserving मस्तिष्क क्षेत्रों द्वारा गठित की है. DMN कम consc के साथ जुड़े बरामदगी में शामिल होने की सूचना दी गई हैiousness 9,10. इसके अतिरिक्त, हिप्पोकैम्पस TLE में शामिल कुंजी संरचना है और DMN का घटक होने के लिए कहा गया है. हालांकि, हिप्पोकैम्पस गठन के लिए प्रदेश कांग्रेस की कनेक्टिविटी ऐसे औसत दर्जे का prefrontal और अवर पार्श्विका cortices के रूप में अन्य DMN घटकों के साथ की तुलना में कमजोर है. इस हिप्पोकैम्पस DMN की एक सबनेटवर्क या एक बातचीत नेटवर्क 11,12 या तो पता चलता है कि. TLE और DMN के बीच ये समानताएं कार्यात्मक कनेक्टिविटी TLE में बदल दिया है DMN कि संभावना बढ़ा. इस विश्लेषण TLE में DMN की भागीदारी में जानकारी हासिल करने के लिए स्वस्थ नियंत्रण करने के लिए TLE के साथ विषयों की DMN तुलना. DMN के प्रमुख केन्द्रों में रखा बीज की कनेक्टिविटी - पूर्वकाल और कूल्हों हब क्षेत्रों के 12 विश्लेषण किया गया. बीज retrosplenium / precuneus (आरएसपी / PCUN) के साथ ही TLE वाले रोगियों में और में ventromedial prefrontal प्रांतस्था (vmPFC) से मिलकर पूर्वकाल हब से मिलकर पीछे हब में रखा गयास्वस्थ DMN के पीछे और पूर्वकाल subnetworks की पहचान करने के लिए नियंत्रित करता है.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. विषय

  1. 36 विषयों के अध्ययन जनसंख्या 3 समूहों में शामिल हैं: सही TLE (एन = 11), (= 12 एन) TLE छोड़ दिया, और स्वस्थ नियंत्रण (एन = 13). सभी विषयों से लिखित सूचित सहमति प्राप्त. अध्ययन कैलिफोर्निया विश्वविद्यालय, लॉस एंजिल्स (यूसीएलए) संस्थागत समीक्षा बोर्ड के दिशा निर्देशों के बाद.
  2. मिर्गी विषय समूहों वीडियो ईईजी निगरानी, ​​मस्तिष्क एमआरआई, पीईटी इमेजिंग, और neuropsychological परीक्षण द्वारा निर्धारित रूप में पूर्वकाल टेम्पोरल लोब लकीर के लिए उम्मीदवार हैं जो मरीजों होना चाहिए. मरीजों fMRI स्कैन के दौरान उनके सामान्य दवाओं जारी रखना चाहिए और एक जब्ती के बाद तुरंत स्कैन नहीं किया जाना चाहिए. सभी विषयों में सामान्य मस्तिष्क MRIs है और (रोगी समूहों में मिर्गी के अलावा अन्य) तंत्रिका संबंधी बीमारी से मुक्त कर रहे हैं या तंत्रिका संबंधी दवाओं का प्रयोग कर रहे हैं सुनिश्चित करें.

2. इमेजिंग

  1. इमेजिंग के लिए एक 3 टेस्ला एमआरआई प्रणाली का प्रयोग करें. एक गूंज तलीय imag का उपयोग कार्यात्मक छवियों के लिए अक्षीय स्लाइसें प्राप्तआईएनजी (ईपीआई) अनुक्रम और एक खराब ढाल का उपयोग कर शारीरिक छवियों के लिए (SPGR) अनुक्रम को याद किया.
  2. निम्नलिखित मानकों का उपयोग कर कार्यात्मक इमेजिंग प्रदर्शन: टी.आर. = 2,000 मिसे, ते = 30 मिसे, FOV = 210 मिमी, मैट्रिक्स = 64 x 64, टुकड़ा मोटाई 4 मिमी, 34 स्लाइस. टी.आर. = 20 मिसे, ते = 3 मिसे, FOV = 256 मिमी, मैट्रिक्स = 256 x 256, टुकड़ा मोटाई 1 मिमी, 160 स्लाइस: उच्च संकल्प संरचनात्मक इमेजिंग के लिए निम्नलिखित मानकों का प्रयोग करें.
  3. प्रत्येक इमेजिंग सत्र 20 मिनट पिछले चाहिए. आँखें बंद के साथ आराम करने के लिए प्रतिभागियों से पूछो. कोई विशेष श्रवण इनपुट की आवश्यकता है.

बोल्ड डाटा के 3. Preprocessing

  1. Preprocess FSL (fMRIB सॉफ्टवेयर पुस्तकालय) सॉफ्टवेयर संस्करण 4.1.6 (ऑक्सफोर्ड, ब्रिटेन, www.fmrib.ox.ac.uk / FSL) 13,14 का उपयोग fMRI डेटा. सिर आंदोलन विरूपण साक्ष्य 15 निकालने के लिए उपयोग FSL MCFLIRT: preprocessing कदम निम्नलिखित शामिल होना चाहिए. बोल्ड फ़ाइलों के लिए शर्त विकल्प एफ के साथ nonbrain ऊतक 16 को निकालने के लिए FSL शर्त का उपयोग करें. यह एक रन एफ में मदद करता हैअकेले मस्तिष्क के ऊतकों पर urther विश्लेषण कदम.
  2. करतब, पंजीकरण के साथ एक न्यूनतम प्रसंस्कृत विश्लेषण चला. "पहले स्तर के विश्लेषण" चुनें और "पूर्ण विश्लेषण" शीर्ष दो बटन से "पूर्व परिसंख्यान" करने के लिए बदल जाते हैं.
    1. पूर्व आँकड़े टैब के तहत, "बेट मस्तिष्क निष्कर्षण" अचयनित और "गति सुधार" के लिए "कोई नहीं" (ये पहले से ही ऊपर किया गया के रूप में) का चयन करें. फिर शरीर रचना (SPGR) छवियों, और एक मानक को (MNI) छवि के लिए कार्यात्मक (बोल्ड) छवियों रजिस्टर. इस विषय मस्तिष्क अंतरिक्ष में मानक अंतरिक्ष में चयनित बीज ताना विश्लेषण के दौरान बाद में उपयोग किया जाता है जो परिवर्तन matrices, की पीढ़ी में यह परिणाम है.
  3. ("Standard2example_func.mat" नाम) उत्पन्न परिवर्तन मैट्रिक्स का उपयोग और व्यक्तिगत बोल्ड अंतरिक्ष में सीएसएफ और सफेद पदार्थ ROIs बदलना.
    1. Fslmeants आदेश का उपयोग सीएसएफ और सफेद पदार्थ ROIs से समय श्रृंखला निकालें,एक मुखौटा के रूप में व्यक्तिगत विषय अंतरिक्ष में आरओआई का उपयोग कर. सॉफ्टवेयर 'आर' का उपयोग कर निकाला समय श्रृंखला मानक के अनुसार. ये समय श्रृंखला बाद में विश्लेषण से इसी artifactual संकेतों को दूर करने के लिए GLM में regressors के रूप में इस्तेमाल कर रहे हैं.
  4. अगले कदम के विषय गति संबंधी कलाकृतियों को हटाने की है. गति मापदंडों का प्रतिगमन के लिए, इसे चलाने से पहले FSL करतब भीतर निम्नलिखित निर्धारित किया है.
    1. डेटा टैब के भीतर, अपने डाटासेट के अनुरूप करने के लिए टी.आर. मूल्य निर्धारित करते हैं, सामग्री के रूप में इस प्रस्ताव को सही और मस्तिष्क निकाले फ़ाइल का उपयोग करें. एक 100 सेकंड फिल्टर का उपयोग छानने उच्च पास निर्धारित करें. उच्च मार्ग को छानने बहुत कम आवृत्ति की हैं जो कोई रुचि का संकेत है, निकाल देंगे. उच्च आवृत्ति संकेतों को दूर करने के लिए एक कम पास फिल्टर कदम 4.1 में बाद में लागू किया जाएगा.
    2. पूर्व आँकड़े टैब के भीतर, यह पहले से ही किया गया था के रूप में "गति सुधार" के तहत "कोई नहीं" का चयन करें. यह पहले से ही किया गया था के रूप में "बेट मस्तिष्क निकासी अचयनित". स्थानिक समरेखण प्रदर्शन करनाएक 5 मिमी पूर्ण चौड़ाई आधा अधिकतम (FWHM) का उपयोग कर.
    3. आँकड़े टैब के भीतर, 6 गति मापदंडों और उनके लौकिक डेरिवेटिव निकासी. कनवल्शनफ़िल्टर्स के लिए "कोई नहीं" का चयन करें और जाँच "अस्थायी फ़िल्टरिंग लागू करें." एक सामान्य रेखीय मॉडल (GLM) में इन निकासी करतब विश्लेषण मॉडल में निवेश तो हो सकता है, जो आंदोलन मापदंडों का पाठ फ़ाइलों को प्राप्त करने के लिए FSL MCFLIRT के उत्पादन में प्रयोग करें
    4. इसके अलावा GLM को निकाला और पिछले चरणों में सामान्यीकृत थे कि सीएसएफ और सफेद बात का संकेत है जोड़. , कनवल्शनफ़िल्टर्स के लिए "कोई नहीं" का चयन अस्थायी व्युत्पन्न जोड़ने के लिए, और "अस्थायी फ़िल्टरिंग लागू करें" अचयनित.

4. सांख्यिकीय तरीके

  1. ऊपर वर्णित preprocessing से बच बीज आधारित संबंध के लिए इस्तेमाल किया जाना चाहिए. ये बच पहले 0.1 हर्ट्ज की एक कम पास फिल्टर के माध्यम से पारित किया जाना चाहिए, तो मानक विचलन से विभाजित, मतलब घटाकर, और फिर जोड़कर बढ़ाया द्वारा अपमानित100. बीज MRICron सॉफ्टवेयर का उपयोग कर मानक MNI अंतरिक्ष में 6 मिमी की एक व्यास के साथ परिभाषित किया जाना चाहिए.
  2. पीछे और पूर्वकाल बीज निम्न निर्देशांक के अनुरूप होना चाहिए: (1) आरएसपी / PCUN क्षेत्र (एक्स = 2, वाई -60, जेड = 36 =) और (2) ventromedial prefrontal प्रांतस्था (vmPFC; एक्स = 3, वाई = 60, जेड = -1). ये बीज स्थानों स्वस्थ नियंत्रण के भीतर परिभाषित किया गया है और अगले कदम के लिए 17-19 में विषय अंतरिक्ष के लिए बदल रहे हैं.
    1. बीज बाद में मानक MNI अंतरिक्ष से प्रत्येक विषय के व्यक्तिगत कार्यात्मक मस्तिष्क अंतरिक्ष के लिए परिवर्तित किया जाना चाहिए. इसके लिए व्यक्ति कार्यात्मक (बोल्ड) अंतरिक्ष के लिए मानक (MNI) अंतरिक्ष से बीज को बदलने के लिए ("standard2example_func.mat" नाम) ऊपर उत्पन्न परिवर्तन मैट्रिक्स का उपयोग करें.
    2. Fslmeants पहले से अपमानित और एक मुखौटा के रूप में व्यक्तिगत विषय अंतरिक्ष में बीज का उपयोग कर, अवशिष्ट पहुंचा से समय श्रृंखला को निकालने के लिए आदेश का उपयोग करें. मुलायम का उपयोग कर निकाला समय श्रृंखला सामान्यकरेंबर्तन "आर".
  3. बीज voxels और अन्य सभी मस्तिष्क voxels के बीच आंशिक सहसंबंध प्रत्येक रन के लिए प्रत्येक विषय के लिए अलग से गणना की जानी चाहिए. इस के लिए, FSL करतब जीयूआई के भीतर, "पहले स्तर के विश्लेषण" का चयन करें, और फिर "स्टेटस पोस्ट परिसंख्यान". डेटा टैब के भीतर, पहले से अपमानित और बढ़ाया अवशिष्ट करतब में निवेश के रूप में इस्तेमाल किया जाना चाहिए.
  4. अवशिष्ट पहले से ही उच्च 100 सेकंड में पारित हो जाता है, के रूप में 10,000 उच्च मार्ग फिल्टर कटऑफ निर्धारित करें. आँकड़े टैब के भीतर, "फिल्म prewhitening का प्रयोग करें" रद्द करें, और GLM में पहले से निकाला और सामान्यीकृत बीज समय श्रृंखला का उपयोग करें. बाद के आँकड़े टैब में 2.0 की एक मूल्य के लिए वांछित जेड स्टेट सीमा निर्धारित किया है.
  5. पूर्व विषयों के भीतर रन के संयोजन समूह विश्लेषण चलाने के लिए, एक फिशर जेड को बदलने पहले से चलाने के सहसंबंध विश्लेषण (4.3 चरण) से उत्पन्न (पैरामीटर अनुमान के विपरीत) सामना फाइल पर किया जाना चाहिए. कॉपी पंजीकरण डेटा frओम करतब विश्लेषण के "reg" निर्देशिका 4.3 चरण के सहसंबंध रन में 3.1 कदम में किया.
  6. प्रत्येक विषय के भीतर रन के संयोजन के द्वारा एक उच्च स्तर के विश्लेषण चला. इस के लिए, FSL करतब जीयूआई के भीतर, "उच्च स्तर विश्लेषण" का चयन करें, और फिर "स्टेटस पोस्ट परिसंख्यान". "डाटा" टैब के भीतर, चयन "आदानों निचले स्तर के करतब निर्देशिकाओं रहे हैं" और कदम 4.4 से विषय रन दर्ज करें. "आँकड़े" टैब के भीतर, ": सरल OLS मिश्रित प्रभाव" चुनें. मॉडल के रूप में मतलब प्रभाव स्थापित; विषय की दौड़ से प्रत्येक के लिए 1 का मान दर्ज करें.
  7. विषयों, एक साधारण कम से कम वर्गों (OLS) के बीच रन पर डेटा संयोजित करने के लिए सरल मिश्रित प्रभाव विश्लेषण किया जाना चाहिए. इस के लिए, FSL करतब जीयूआई के भीतर, "उच्च स्तर विश्लेषण" चुनें, और "स्टेटस पोस्ट परिसंख्यान". डेटा टैब के भीतर, चयन "आदानों निचले स्तर के करतब निर्देशिकाओं रहे हैं" और 4.5 कदम से विषयों 'संयुक्त रन दर्ज करें.
  8. आँकड़े टैब के भीतर, "मिश्रित प्रभाव: सरल OLS" चुनें '3 समूहों के रूप में एक मॉडल की स्थापना; प्रत्येक विषय के अंतर्गत आता समूह, अन्यथा 0 के लिए 1 का मान दर्ज करें. समूह विश्लेषण तीन समूहों (सही TLE, छोड़ा TLE, और स्वस्थ नियंत्रण) के लिए corresponded जो तीन स्तरों के साथ एक तरह से एनोवा का उपयोग कर प्रत्येक voxel पर किया जाना चाहिए.
  9. सीमा को जेड आंकड़ा छवियों जेड> 2.0 की दहलीज बनाने क्लस्टर का उपयोग करें और पी के क्लस्टर महत्वपूर्ण दहलीज = 0.05 20 सुधारा. सहसंबंध के नक्शे पर सही Z-मूल्यों को प्राप्त करने के लिए, एक रिवर्स फिशर जेड को बदलने परिणामों पर किया जाना चाहिए.
  10. निम्नलिखित विशिष्ट विरोधाभासों (1) सही TLE> नियंत्रण तुलना की जानी चाहिए; (2) TLE> नियंत्रण छोड़ दिया; (3) सही TLE> TLE छोड़ दिया; (4) TLE> सही TLE छोड़ दिया; (5) नियंत्रण> सही TLE; TLE छोड़ा (6) नियंत्रण>; (7) TLE (संयुक्त दाएं और बाएं)> नियंत्रण; और (7) नियंत्रण> TLE (बाएं संयुक्त सही और).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

चित्रा 1 DMN एक पीछे बीज (आरएसपी / PCUN, लाल, पीला रंग) और एक पूर्वकाल बीज (vmPFC, नीले, हरे रंग) से कनेक्टिविटी के साथ पता चला पता चलता है और अलग विषय समूहों में पाया नेटवर्क तुलना (आंकड़े 1 ए सी) और एक दूसरे के बीच, अर्थात् स्वस्थ नियंत्रण तो सभी TLE (आंकड़े -1 डी और 1E) के साथ रोगियों, और स्वस्थ नियंत्रण छोड़ दिया TLE (आंकड़े 1F और 1G) और सही TLE (आंकड़े 1H और 1 मैं) के लिए अलग से तुलना की तुलना में. बाएँ और दाएँ TLE के बीच सीधी तुलना भी (आंकड़े 1J और 1K) में दिखाया गया है.

TLE

TLE सही या TLE छोड़ दिया या तो होने विषयों में शामिल हैं. नियंत्रण के साथ तुलना में, इस संयुक्त समूह पूर्वकाल DMN क्षेत्र (चित्रा -1 को पीछे से कनेक्टिविटी कम था, लाल रंग) पीछे घटकों (चित्रा -1, नीले रंग) के लिए पूर्वकाल DMN क्षेत्र से एक के रूप में भी कम कनेक्टिविटी. TLE के साथ विषय भी पूर्वकाल और कूल्हों DMN (चित्रा 1E, नीले / लाल रंग) के साथ वृद्धि हुई fronto-पार्श्विका कनेक्टिविटी दिखाया.

वाम TLE

बाईं TLE के साथ विषय पूर्वकाल DMN क्षेत्रों और हिप्पोकैम्पस, parahippocampus, brainstem साथ पीछे DMN की कनेक्टिविटी कम है, और पश्चकपाल प्रांतस्था (चित्रा 1F, लाल रंग) औसत दर्जे का था. एक पूर्वकाल बीज, पीछे घटकों (हिप्पोकैम्पस, पैराहिप्पोकैम्पल गाइरस, तकली जैसा गाइरस, बहुभाषी गाइरस, सिंगुलेट गाइरस) के साथ कम कनेक्टिविटी का उपयोग भी (चित्रा 1F, नीले रंग) में देखा गया था. बाईं TLE के साथ विषय पीछे और पूर्वकाल बीज (चित्रा 1G, लाल और नीले रंग) कंप्यूटर अनुप्रयोग से जुड़े एक विस्तारित पेरी opercular नेटवर्क है पाया गयास्वस्थ नियंत्रण की ared.

राइट TLE

बाईं TLE के साथ विषयों के मामले में, सही TLE के साथ उन पूर्वकाल DMN घटकों (चित्रा 1H, लाल रंग) के साथ पीछे DMN बीज की कनेक्टिविटी कम था. पूर्वकाल बीज पीछे क्षेत्रों (द्विपक्षीय हिप्पोकैम्पस, पुटामेन, पूंछवाला) और पूर्वकाल DMN खुद को कनेक्टिविटी कम था. (चित्रा 1H, नीले रंग). सही TLE में पीछे और पूर्वकाल बीज की वृद्धि की कनेक्टिविटी के साथ क्षेत्रों को छोड़ दिया पार्श्व अस्थायी प्रांतस्था, precuneus, कमरबंध, और अनुपूरक मोटर प्रांतस्था शामिल थे. (चित्रा 1 मैं).

दाएँ से बाएँ TLE बनाम

बाईं TLE के साथ सही TLE की प्रत्यक्ष तुलना में वृद्धि हुई बाईं TLE (चित्रा 1J, लाल रंग) में बाईं supramarginal गाइरस को पीछे DMN बीज की कनेक्टिविटी के साथ ही ललाट के लिए पूर्वकाल DMN बीज का पता चलाक्षेत्रों (चित्रा 1J, नीले रंग) सही TLE की तुलना में. सही TLE में पीछे बीज की वृद्धि की कनेक्टिविटी के क्षेत्रों में द्विपक्षीय चेतक और brainstem की बाईं हिप्पोकैम्पस, तकली जैसा और क्षेत्रों को शामिल किया. सही TLE में पूर्वकाल बीज की वृद्धि की कनेक्टिविटी के क्षेत्रों precuneus द्विपक्षीय thalamic क्षेत्रों, और brainstem क्षेत्रों शामिल थे. (चित्रा 1K).

चित्रा 1
चित्रा 1. TLE में DMN की तुलना स्वस्थ नियंत्रण की तुलना में. एक पीछे बीज (पोस्टीरियर DMN, आरएसपी / PCUN, लाल, पीला रंग) और एक पूर्वकाल बीज (vmPFC, नीले, हरे रंग) का उपयोग DMN कनेक्टिविटी अलग में दिखाया गया है विषय समूह (एसी), TLE स्वस्थ नियंत्रण (डे) की तुलना में स्वस्थ नियंत्रण (FG) की तुलना में TLE छोड़ा, सही TLE छोड़ा TLE (जे) की तुलना में स्वस्थ नियंत्रण (एचआई), और सही TLE की तुलना में. सी नियंत्रण; एल वाम TLE; R-सही TLE. इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

मिर्गी एक नेटवर्क रोग माना जाता है, और इसमें शामिल नेटवर्क की असामान्यताएं दौरे के दौरान और interictal राज्य के 21 में मौजूद हैं. टास्क आधारित fMRI TLE 8 में भाषा और स्मृति नेटवर्क की असामान्यताओं का विश्लेषण करने के लिए इस्तेमाल किया गया है. FcMRI यह आराम की स्थिति में मुख्य रूप से सक्रिय एक नेटवर्क है के रूप में DMN 12 का अध्ययन करने में निहित फायदे हैं. DMN undisturbed छोड़ दिया जाता है और सहज विचारों में लगे हुए हैं जो जाग व्यक्तियों में सक्रिय होना पाया गया है कि मस्तिष्क क्षेत्रों का एक नेटवर्क है. इन क्षेत्रों vmPFC, आरएसपी / PCUN, पीछे सिंगुलेट प्रांतस्था, अवर पार्श्विका क्षेत्रों, पार्श्व लौकिक क्षेत्रों, और हिप्पोकाम्पी 12,17 शामिल करने के लिए दिखाया गया है. DMN होश में राज्य के लिए एक सब्सट्रेट माना जाता है. यह चेतना, स्मृति, और इस तरह के अभाव बरामदगी, अल्जाइमर रोग, और आत्मकेंद्रित / एक प्रकार का पागलपन, respecti के रूप में सामाजिक अनुभूति प्रभावित करने की स्थिति में परिवर्तित करने की सूचना दी गई हैvely 22-26.

टेम्पोरल लोब जटिलता DMN से जुड़ा है. DMN के माध्यमिक भागीदारी अनुभूति और चेतना 12,27 पर TLE के प्रभाव मध्यस्थता कर सकते हैं. DMN के इस तरह के एक उच्च माध्यमिक की भागीदारी भी प्रकार का पागलपन 25 और अल्जाइमर रोग 22,26 रूप टेम्पोरल लोब / लिम्बिक सिस्टम को प्रभावित अन्य शर्तों के नैदानिक ​​प्रभाव के लिए प्रेरणा का हो सकता है. पूर्व अध्ययनों interictal epileptiform निर्वहन के दौरान, और interictal राज्य 9,28-33 में, दौरे के दौरान DMN TLE में भागीदारी और मिर्गी के अन्य रूपों से पता चला है. इन अध्ययनों interictal electrographic और TLE के आघात संबंधी अथवा आघातजन्य या आघातजनित व्यवहार विशेषताओं में DMN का एक संभावित महत्वपूर्ण भूमिका का संकेत मिलता है. वर्तमान प्रयोग में, बीज आधारित fcMRI DMN पर TLE के प्रभाव का मूल्यांकन करने के लिए बेसल राज्य में TLE में DMN का विश्लेषण करने के लिए इस्तेमाल किया गया था. DMN का हब और स्पोक मॉडल अपने प्रमुख उप पीछे हैं कि posits(आरएसपी / PCUN) और पूर्वकाल (vmPFC) घटकों. इधर, इन दो मुख्य क्षेत्रों की कनेक्टिविटी विशेषताओं व्यक्तिगत TLE उनके इंटरकनेक्टिविटी और उनके संबद्ध subnetworks कैसे प्रभावित करता है मूल्यांकन करने के लिए जांच कर रहे हैं.

मौजूदा बीज के आधार पर विश्लेषण DMN की पूर्वकाल और कूल्हों केन्द्रों के बीच एक वियोग का पता चलता है. पीछे DMN और TLE 34 के साथ रोगियों में हिप्पोकैम्पस के बीच कार्यात्मक और सफेद बात कनेक्टिविटी में एक साथ कमी दिखा एक अध्ययन में प्रदर्शन किया गया है के रूप में इस तरह के कार्यात्मक कनेक्टिविटी कमी होने की संभावना शामिल संरचनाओं के बीच शारीरिक सफेद बात कनेक्टिविटी में कमी से संबंधित है. इसके अलावा, यह आम तौर पर अन्य मस्तिष्क क्षेत्रों के लिए DMN की पूर्वकाल और कूल्हों केन्द्रों में से छोड़ा TLE में कनेक्टिविटी की वृद्धि हुई दर्शाता है और आम तौर पर सही TLE में कनेक्टिविटी की कमी हुई. यह सही TLE में एक कम कनेक्टिविटी दिखा पूर्व अध्ययन और प्रतिपूरक वृद्धि के साथ संगत हैTLE 30,35 छोड़ा में कनेक्टिविटी की. छोड़ दिया TLE कार्यात्मक सक्रियण 36,37 के पुनर्वितरण शामिल है, जबकि आम तौर पर, सही TLE, द्विपक्षीय संरचनाओं को शामिल करने के लिए जाता है. यह सही TLE (आंकड़े 1G, 1 मैं, और 1J) की तुलना में छोड़ दिया TLE पेरी opercular क्षेत्रों को अधिक से अधिक कनेक्टिविटी है जहां पूर्वकाल बीज में विशेष रूप से महत्वपूर्ण है. यह नियंत्रण (आंकड़े 1F और 1K) की तुलना में छोड़ दिया TLE में पीछे बीज की कम कनेक्टिविटी के साथ संयुक्त बाईं TLE में वृद्धि हुई पूर्वकाल कनेक्टिविटी पीछे बीज का वियोग या पीछे और पूर्वकाल के बीच कनेक्शन से परिणाम सकता है कि पता चलता है बीज. हिप्पोकैम्पस पीछे DMN 34 के माध्यम से पूर्वकाल DMN से जुड़ा है.

इस अध्ययन में इस्तेमाल तकनीक बीज स्थान बदल रहा है और अन्य मस्तिष्क क्षेत्रों के लिए इसी नेटवर्क मस्तिष्क उत्पन्न करके संशोधित किया जा सकता है. अलternative विश्लेषण सॉफ्टवेयर भी इसी तरह का विश्लेषण करने के लिए इस्तेमाल किया जा सकता है (उदाहरण के लिए, एसपीएम, AFNI). बीज आधारित सहसंबंध विश्लेषण वे बीज के स्थान के एक पूर्व निर्धारण के लिए जांच के तहत ख्यात नेटवर्क की संरचना के बारे में एक परिकल्पना है कि आवश्यकता में सीमित कर रहे हैं. अंतर्निहित परिकल्पना त्रुटिपूर्ण है, तो परिणाम आयात का नहीं होगा.

आराम राज्य fcMRI 2 बोल्ड संकेतों में सहज modulations पर आधारित कार्यात्मक कनेक्टिविटी का एक उपाय (यानी टी असंबंधित पूछना) प्रदान कर सकते हैं. इस उद्देश्य के लिए दो अधिक इस्तेमाल किया तरीकों बीज (ब्याज के क्षेत्र) आधारित सहसंबंध और आईसीए 6 हैं. बीज आधारित सहसंबंध विश्लेषण बीज के स्थान के एक पूर्व निर्धारण के लिए जांच के तहत ख्यात नेटवर्क की संरचना के बारे में एक परिकल्पना की आवश्यकता है. बीज स्थान का चयन और बीज, पूरे मस्तिष्क के एक voxel द्वारा voxel विश्लेषण का गठन voxels के बोल्ड संकेत निकालने के बादइसी तरह की बोल्ड संकेत पैटर्न के साथ अन्य मस्तिष्क क्षेत्रों की पहचान करने के लिए किया है, और यह एक सहसंबद्ध नेटवर्क elucidates है. बीज विश्लेषण का एक अन्य तरीका दो, या हित के कई क्षेत्रों के बीच संकेत correlating से है. इस तरह के एक विधि का प्रयोग, कनेक्टिविटी lesional हिप्पोकैम्पस और TLE 38 में पीछे DMN के बीच कम हो पाया था. दूसरी ओर, आईसीए एक पूर्व मौजूदा परिकल्पना के बिना संचालित डेटा है और आराम कर राज्य मस्तिष्क के भीतर स्थानिक-अस्थायी अलग नेटवर्क रूपरेखा बनाती है. TLE में DMN के एक अध्ययन में यह भी आईसीए का उपयोग किया जाता है और सही के साथ रोगियों में पूर्वकाल DMN से कम कनेक्टिविटी निर्धारित और नियंत्रण की तुलना में TLE छोड़ दिया गया है. हालांकि, हमारे रॉय (बीज) के आधार पर विश्लेषण बाईं TLE में वास्तव में विषयों के नियंत्रण की तुलना में अधिक व्यापक था जो TLE में एक पूर्वकाल DMN नेटवर्क की उपस्थिति देखी गई. इस विसंगति जहां एक अलग पूर्वकाल netw पीछे DMN से पूर्वकाल के प्रस्तावित वियोग से संबंधित हो सकता हैपीछे DMN कनेक्शन द्वारा मुख्य रूप से पहचान एक नेटवर्क का मूल्यांकन करते समय ork कम दिखाई देता है. एक पूर्व अध्ययन के साथ समझौते में, हम TLE 39 में बीच का अस्थायी भागीदारी को दोहराने सकता है.

वर्तमान विश्लेषण बीज आधारित fcMRI ऐसे TLE के रूप में मस्तिष्क विकारों में मस्तिष्क नेटवर्क की जांच के लिए इस्तेमाल किया जा सकता है कि कैसे पता चलता है. इस तरह के समूह मतभेद की पहचान एकल विषय स्तर 2 में व्याख्या की जा सकती है कि विश्लेषण लागू कि भविष्य आवेदनों की संभावना खोलने रोग राज्यों में कार्यात्मक असामान्यताओं को समझने में मदद करता है.

इस विश्लेषण का एक सीमा विषय के सो / जाग स्थिति का निर्धारण करने में असमर्थता है. नींद गहरी नींद 40 के साथ या सामान्य संज्ञाहरण 41 के साथ ललाट प्रांतस्था के कम DMN कनेक्टिविटी के साथ संबद्ध किया गया है. आगे की जांच के लिए इन निष्कर्षों नींद राज्य के लिए नियंत्रित करने से reproduced किया जा सकता है या नहीं पता लगाने के लिए warranted है.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

डॉ. Engel एनआईएच अनुदान P01 NS02808, R01 NS33310, और U01 NS42372 द्वारा वित्त पोषित है, पेटेंट WO 2009/123734A1 है, और 2009/123735A1, MedLink, Wolters क्लुवर, ब्लैकवेल, और Elsevier से रॉयल्टी प्राप्त करता है, wo और Medtronics से मानदेय प्राप्त हुआ है , Wolters क्लुवर, और सर्वश्रेष्ठ डॉक्टरों. डॉ. स्टर्न यूसीबी और लंडबेक के लिए एक भुगतान सलाहकार के रूप में कार्य किया है. डॉ. स्टर्न MedLink न्यूरोलॉजी के एक संपादक है, और Wolters क्लुवर से और मैकग्रॉ हिल से रॉयल्टी प्राप्त हुआ है. शेष लेखकों घोषित करने के लिए कोई खुलासे या हित के संघर्ष है.

Acknowledgments

एनआईएच NINDS K23 अनुदान NS044936 (JMS), इस शोध के लिए अनुदान अमेरिका के मिरगी फाउंडेशन, चिकित्सा कम्प्यूटेशनल और एकीकृत जैव चिकित्सा अनुसंधान केंद्र (CIBR) बीज अनुदान पुरस्कार (ZH) के Baylor कॉलेज द्वारा प्रदान की गई थी; . एलिजाबेथ पीयर्स (यूसीएलए): और Leff परिवार फाउंडेशन (JMS) डाटा अधिग्रहण द्वारा सहायता प्रदान की थी.

Materials

Name Company Catalog Number Comments
MRI machine
Linux workstation with image analysis software installed

DOWNLOAD MATERIALS LIST

References

  1. Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 34, 537-541 (1995).
  2. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 1-13 (2010).
  3. Laufs, H., et al. Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest. Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).
  4. Shmuel, A., Leopold, D. A. Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest. Hum. Brain Mapp. 29, 751-761 (2008).
  5. Margulies, D. S., et al. Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity. Magn. Mater. Phys. Biol. 23, 289-307 (2010).
  6. Biswal, B. B., et al. Toward discovery science of human brain function. Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).
  7. Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. Effect of lateralized temporal lobe epilepsy on the default mode network. Epilepsy Behav. 25, 350-357 (2012).
  8. Pillai, J. J., Williams, H. T., Faro, S. Functional imaging in temporal lobe epilepsy. Semin. Ultrasound. CT MR. 28, 437-450 (2007).
  9. Blumenfeld, H., et al. Positive and negative network correlations in temporal lobe epilepsy. Cereb. Cortex. 14, 892-902 (2004).
  10. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).
  11. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  12. Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. The brain's default network. Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).
  13. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimage. 14, 1370-1386 (2001).
  14. Forman, S. D., et al. Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold. Magn. Reson. Med. 33, 636-647 (1995).
  15. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimage. 17, 825-841 (2002).
  16. Smith, S. M. Fast robust automated brain extraction. Hum. Brain Mapp. 17, 143-155 (2002).
  17. Raichle, M. E., et al. A default mode of brain function. Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).
  18. Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Functional connectivity of default mode network components: correlation. Hum. Brain Mapp. 30, 625-637 (2009).
  19. Singh, K. D., Fawcett, I. P. Transient and linearly graded deactivation of the human default-mode network by a visual detection task. Neuroimage. 41, 100-112 (2008).
  20. Worsley, K. J., Evans, A., Marrett, S., Neelin, P. A three-dimensional statistical analysis for CBF activation studies in human brain. J. Cereb. Blood Flow Metab. 12, 900-918 (1992).
  21. Spencer, S. S. Neural networks in human epilepsy: evidence of and implications for treatment. Epilepsia. 43, 219-227 (2002).
  22. Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI. Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).
  23. Kennedy, D. P., Redcay, E., Courchesne, E. Failing to deactivate: resting functional abnormalities in autism. Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).
  24. Garrity, A. G., et al. Aberrant "default mode" functional connectivity in schizophrenia. Am. J. Psychiatry. 164, 450-457 (2007).
  25. Mannell, M. V., et al. Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls. Hum. Brain Mapp. 31, 424-437 (2010).
  26. Jones, D., et al. Age-related changes in the default mode network are more advanced in Alzheimer disease. Neurology. 77, 1524-1531 (2011).
  27. Kobayashi, Y., Amaral, D. G. Macaque monkey retrosplenial cortex II. Cortical afferents. J. Comp. Neurol. 466, 48-79 (2003).
  28. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).
  29. Laufs, H., et al. Temporal lobe interictal epileptic discharges affect cerebral activity in “default mode” brain regions. Hum. Brain Mapp. 28, 1023-1032 (2007).
  30. Morgan, V. L., Gore, J. C., Abou-Khalil, B. Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI. Epilepsy Res. 88, 168-178 (2010).
  31. Gotman, J., et al. Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain. Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).
  32. Hamandi, K., et al. EEG-fMRI of idiopathic and secondarily generalized epilepsies. Neuroimage. 31, 1700-1710 (2006).
  33. Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. Patterns of altered functional connectivity in mesial temporal lobe epilepsy. Epilepsia. 53, 1013-1023 (2012).
  34. Liao, W., et al. Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI. Hum. Brain Mapp. 32, 883-895 (2011).
  35. Pereira, F. R., et al. Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI. BMC Neurosci. 11, 1-13 (2010).
  36. Dupont, S., et al. Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy. J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).
  37. Vlooswijk, M. C., et al. Functional MRI in chronic epilepsy: associations with cognitive impairment. Lancet Neurol. 9, 1018-1027 (2010).
  38. McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy. Epilepsia. 54, (2013).
  39. Zhang, Z., et al. Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy. Brain Res. 1323, 152-160 (2010).
  40. Horovitz, S. G., et al. Decoupling of the brain's default mode network during deep sleep. Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).
  41. Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. Altered local coherence in the default mode network due to sevoflurane anesthesia. Brain Res. 1318, 110-121 (2010).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics