Сеть Анализ стандартный режим сети с помощью функциональной связности МРТ в височной эпилепсии

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

Режим по умолчанию сети (DMN) в височной эпилепсии (TLE) анализируется в состоянии покоя мозга с помощью семян на основе функциональной связности МРТ (fcMRI).

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

Функциональная связность МРТ (fcMRI) является методом МРТ, которая исследует связь различных областей мозга, основанные на корреляции смелых флуктуаций сигнала с течением времени. Височная эпилепсия (TLE) является наиболее распространенным типом взрослых эпилепсии и включает в себя несколько сетей головного мозга. Сеть по умолчанию режим (DMN) участвует в сознательном, покоя познания и, как полагают, будут затронуты в TLE где объем изъятий вызвать нарушения сознания. DMN при эпилепсии исследовали при помощи семян, основанный fcMRI. Передние и задние ступицы НУМ были использованы в качестве семян в этом анализе. Результаты показывают разъединение между передними и задними ступицах НУМ в TLE во базальной государства. Кроме того, увеличилось подключения DMN в другие регионы мозга в левой TLE наряду со снижением подключения в правом TLE раскрывается. Анализ показывает, как семенные основе fcMRI может быть использован для исследования головного мозга сетей в мозговых нарушений, таких как ОДВТ.

Introduction

Функциональная подключения МРТ (fcMRI) является относительно новым аналитический подход к данным МРТ, что количественную взаимосвязь между различными частями мозга, основанный на сходстве их уровня оксигенации крови зависит (жирный) сигнал временных рядов - это называется "функциональный" подключение, и является отличается от анатомической связи, которая описывает существование физических связей между регионами (например, белого вещества волокон). В специальном применении этого подхода, временной ряд собирают, когда участник не занимается задачи или в так называемом «состоянии покоя».

Хотя впервые описан в 1995 году 1, в мире произошли грандиозные интерес к fcMRI в результате чего около 1000 публикаций, связанных с техникой в 2012 году. FcMRI имеет внутренние преимущества по сравнению основе задач МРТ в (1), что нет конкретной задачи должны быть выполнены, ( 2) при условии сотрудничествоне надо, (3) наборы данных можно использовать для запроса несколько различных сетей, (4) лучше отношение сигнал-шум присутствует, вероятно, связано с различиями в мозговых энергетики, участвующих и (5) обход, относящихся к заданию смешивает 2. В качестве доказательства своей концепции, fcMRI изменения, как было показано, чтобы соответствовать изменениям в ЭЭГ 3 и локальных потенциалов поля 4 в мозге.

Методы анализа fcMRI включают / методов ROI семян на основе, независимый анализ компонент (ICA), анализ теории графов, Грейнджер анализ причинно-следственных связей, местные методы (амплитуда низких флуктуации частоты, регионального анализа однородности), и другие 5. Ни один метод до сих пор не продемонстрировали явное превосходство над другим, хотя самые популярные методы семя основе и ICA методы 6. Семя основе fcMRI коррелирует временные колебания жирным шрифтом сигнала от предварительно выбранной части предполагаемого сети изучаемого называется «семя1; или "область интереса (ROI)" для всех других частях мозга. Области мозга, показывая BOLD корреляции сигнала в область семян, как полагают, разграничить части привлеченного сети. В противоположность этому, МКА использует модель без управляемой данными анализа для извлечения пространственно-временно коррелирует области мозга (независимые компоненты, ICS), анализируя гемодинамические характеристики сигнала всего мозга 5.

В текущем рукописи, описание методов, используемых в ранее опубликованной изучения покоя семян на основе анализа связности НУМ в TLE представлена ​​7. TLE является наиболее распространенной формой взрослого эпилепсии. В дополнение к припадков, TLE вызывает дисфункцию нескольких сетей мозга, включая память, поведение, мысли и сенсорной функции 8. DMN состоит мозга регионов, содействующие сознательное, отдыхая состояния познания. DMN, как сообщается, участвовать в припадков, связанных с пониженной conscсерьезностью, 9,10. Кроме того, гиппокамп является ключевой структурой участие в TLE и, как считалось, быть компонентом НУМ. Тем не менее, связность РСС к гиппокампа слабее с другими компонентами DMN, таких как медиальной префронтальной и нижней теменной коры. Это говорит о том, что гиппокамп является либо подсеть НУМ или взаимодействующих сети 11,12. Эти общие черты TLE и НУМ поднимают возможность что д.м.н. функциональная связность изменяется в TLE. Этот анализ сравнивает DMN предметов с TLE для здоровых, чтобы разобраться в причастности DMN в TLE. Подключение семян, расположенных в главных транспортных узлов DMN - передняя и задняя ступица регионах были проанализированы 12. Семена помещали в задней ступицы, состоящей из retrosplenium / предклинья (RSP / PCUN), а также передней ступицы, состоящей из вентромедиального префронтальной коры (VMPFC) у пациентов, имеющих TLE и вздоровый контролирует определить задней и передней подсетей из НУМ.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Субъекты

  1. Исследование население 36 субъектов включает в себя 3 группы: право TLE (п = 11), слева TLE (п = 12), и здоровых (п = 13). Получить письменное информированное согласие от всех субъектов. Исследование соответствии с руководящими принципами в Университете Калифорнии, Лос-Анджелес (UCLA) Экспертный совет организации.
  2. Рассматриваемые группы эпилепсия должны быть пациенты, которые являются кандидатами на передней височной резекции доли как определено видео-ЭЭГ мониторинга, МРТ головного мозга, ПЭТ и нейропсихологического тестирования. Пациенты должны продолжать свои обычные лекарства во время сканирования МРТ, а не должны быть отсканированы сразу же после ареста. Убедитесь, что все предметы имеют нормальные магнитно-резонансную томографию головного мозга и свободны от неврологического заболевания (кроме эпилепсии в группах пациентов) или используете неврологические препараты.

2. Изображений

  1. Используйте систему 3 Тесла МРТ для визуализации. Получить осевые ломтики для функциональных образов с использованием эхо плоскую мнимойIng (РПИ) последовательность и для анатомических изображений с помощью испорченный градиент напомнил (SPGR) последовательность.
  2. Выполните функциональной визуализации, используя следующие параметры: TR = 2000 мс, TE = 30 мс, угол обзора = 210 мм, матрица = 64 х 64, толщина среза 4 мм, 34 ломтиков. Используйте следующие параметры для структурных построений с высоким разрешением: TR = 20 мс, TE = 3 мс, угол обзора = 256 мм, матричные = 256 х 256, толщина среза 1 мм, 160 ломтики.
  3. Каждая сессия изображений должна длиться 20 минут. Попросите участников, чтобы расслабиться с закрытыми глазами. Никакого специального слухового ввода не требуется.

3. Предварительная обработка СМЕЛЕЙШИЕ данных

  1. Предварительная обработка данных МРТ с использованием FSL (fMRIB Программное обеспечение Библиотека) версии программного обеспечения 4.1.6 (Оксфорд, Великобритания, www.fmrib.ox.ac.uk / FSL) 13,14. Предварительной обработки шаги должны включать следующее: Использование FSL MCFLIRT удалить движения головы артефакт 15. Используйте FSL ставку удалить nonbrain ткани 16 с BET опцией-F для смелых файлов. Это помогает один проход пшаги анализа urther на одной только ткани мозга.
  2. В подвиг, запустить минимально обработанный анализ с регистрации. Выберите "анализ первого уровня" и измените "Full анализ" на "Pre-статистика» из двух верхних кнопок.
    1. Под Предварительно статистики вкладку, снимите "добычу ВЕТ мозгов" и выберите "Нет" для "Motion коррекции" (как они были уже сделано выше). Регистрация функциональные (жирный шрифт) изображения на анатомических (SPGR) изображений, а затем к стандартной (MNI) изображения. Это приводит к генерации матриц преобразования, которые используются позже при анализе, чтобы деформировать семена, выбранные в стандартном пространстве в космос мозга субъекта.
  3. Используйте созданный матрицу преобразования (названный "standard2example_func.mat") и трансформировать CSF и белые трансформирования дело в индивидуальной СМЕЛЕЙШИЕ пространстве.
    1. Извлечение временной ряд из CSF и белые трансформирования материи с помощью команды fslmeants,с помощью ROI в отдельным предметам пространства в качестве маски. Нормализовать извлеченный временных рядов с помощью программного обеспечения "R". Эти временные ряды используются в качестве регрессорами в GLM позже удалить соответствующие сигналы артефактом из анализа.
  4. Следующим шагом является удаление движения артефактов, связанных предметных. Для регрессии параметров движения, установить следующие в FSL FEAT перед его запуском.
    1. На вкладке данных, использовать движение с коррекцией и мозга экстрагировали файл в качестве входных данных, установите значение TR чтобы соответствовать вашему набора данных. Установите верхних частот фильтрации с использованием сек фильтр 100. Фильтрации верхних частот снимет сигналы не представляют интереса, которые очень низкой частоты. Фильтр нижних частот, чтобы удалить высокочастотные сигналы будут применены позже на этапе 4.1.
    2. На вкладке Предварительно статистики, выберите "Нет" под "Motion коррекции», как это уже было сделано. Снимите "добычу ВЕТ мозгов», как это уже было сделано. Выполните пространственное сглаживаниес помощью 5 мм полную ширину полувысоте (FWHM).
    3. На вкладке статистики, регресс параметры 6 движения и их временные производные. Выберите "Нет" для свертки и установите флажок "Применить временную фильтрацию." Использовать выход FSL MCFLIRT получить текстовые файлы параметров движения, которые могут быть затем ввести в модель анализа ПОДВИГ регрессировать их в общей линейной модели (GLM)
    4. Кроме того, добавить CSF и сигналы белого вещества, которые были извлечены и нормированный на предыдущих шагах к GLM. Выберите "Нет" для свертки, добавить временную производную, и снимите флажок "Применить временную фильтрацию".

4. Статистические методы

  1. Остатки от предварительной обработки, описанная выше, используется для корреляции на основе семян. Эти остатки должны быть сначала пропускают через фильтр нижних частот 0,1 Гц, то унижал путем вычитания среднего значения, разделив на стандартное отклонение, а затем уменьшено путем добавления100. Семена должны быть определены с диаметром 6 мм в стандартном пространстве MNI с использованием программного обеспечения MRICron.
  2. Задней и передней семена должны соответствовать следующим координатам: (1) Rsp / PCUN область (х = 2, у = -60, Z = 36) и (2) вентромедиального префронтальная кора (VMPFC; х = 3, у = 60, Z = -1). Эти места семена были определены в пределах здоровых и преобразуются к предмету пространстве на следующей стадии 17-19.
    1. Семена должны быть впоследствии преобразованы в индивидуальной функциональном пространстве мозга каждого испытуемого от стандартного MNI пространстве. Для этого используйте матрицу преобразования сгенерированный выше (названный "standard2example_func.mat"), чтобы превратить семена от стандартного (MNI) места для индивидуального функционального (жирный шрифт) пространства.
    2. Используйте fslmeants команду для извлечения временной ряд из ранее унижал и масштабировать остаток, используя семена индивидуального субъекта пространства в качестве маски. Нормализовать извлеченный временных рядов с помощью мягкойПосуда "R".
  3. Частичные корреляции между семенных вокселей и всех других вокселями мозга следует рассчитывать отдельно для каждого субъекта для каждого запуска. Для этого, в FSL FEAT GUI, выберите "анализ первого уровня", а затем "Статистика + Пост-статистика". В вкладке Данные ранее унижал и масштабируется остаточная должны использоваться в качестве вклада в FEAT.
  4. Установите фильтр высоких частот среза до 10000, а остаточная уже высоко принято на 100 сек. На вкладке Статистика, отменить "Использовать FILM prewhitening", и использовать извлеченный ранее и нормализованное семян временных рядов в GLM. На вкладке Сообщение-статистики, установить нужный порог Z-стат до значения 2,0.
  5. Перед запуском групповой анализ, сочетающий работает в рамках субъектов, Фишера Z преобразования должны быть выполнены на COPE (контрастности оценок параметров) файла, созданного из ранее запуска корреляционного анализа (шаг 4.3). Регистрация Копировать пт данныхом "рег" каталог анализа FEAT сделано на шаге 3.1 в корреляции пробега шаге 4.3.
  6. Запустите анализ более высокого уровня путем объединения работает в пределах каждого субъекта. Для этого, в FSL FEAT GUI, выберите "анализ более высокого уровня", а затем "Статистика + Пост-статистика". На вкладке "Данные", выбрать "Входы подвиг каталоги нижнего уровня" и введите работает субъекта с шага 4.4. На вкладке "Статистика", выберите "Смешанные эффекты: Простые МНК". Настройка модели как среднее влияние; введите значение 1 для каждого из счете субъекта.
  7. Чтобы объединить данные по пробегов между субъектами, обычный наименьших квадратов (МНК) простой анализ смешанные эффекты должны быть использованы. Для этого, в FSL FEAT GUI, выберите "анализ более высокого уровня", и "Статистика + Пост-статистика". На вкладке Данные выберите "Входы подвиг каталоги нижнего уровня" и введите испытуемых Серии команд, начиная с шага 4.5.
  8. На вкладке Статистика, выберите "Смешанные эффекты: Простые МНК" 'Настройка модели как 3 группы; введите значение 1 для группы каждый субъект принадлежит, 0 в противном случае. Групповой анализ должно быть сделано на каждого воксела используя односторонний ANOVA с тремя уровнями, которые соответствовали трем группам (справа TLE, оставили TLE, и здоровых людей).
  9. Для порога на статистические изображения Z использовать кластер формирования порог Z> 2,0 и исправлены кластер значительный порог р = 0,05 20. Для получения правильных Z-значения на корреляционной карте, обратный Фишера Z преобразования должны быть выполнены по результатам.
  10. Следующие конкретные контрасты следует сравнивать (1) правильные TLE> управления; (2) оставили TLE> управления; (3) право TLE> левый TLE; (4) влево TLE> правильный TLE; (5) управления> правый TLE; (6) управления> левый TLE; (7) TLE (в сочетании справа и слева)> контроль; и (7) контроль> TLE (в сочетании справа и слева).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

На рисунке 1 показана DMN выявлено с подключением от задней семени (RSP / PCUN, красно-желтые цвета) и передней семян (VMPFC, сине-зеленые цвета) и сравнивает сетей, обнаруженные в различных предметных групп (1А-С) и между собой, а именно здоровых по сравнению с всех пациентов с ВЭ (фиг. 1D и 1E), и затем здоровых по сравнению отдельно для левого ОДВТ (фигуры 1F и 1G) и правой ОДВТ (фиг. 1Н и 1I). Прямое сравнение между левой и правой TLE также показано (рисунки 1J и 1K).

TLE

TLE включает предметы, имеющие вправо или влево TLE. По сравнению с контрольной группой, это в сочетании группа сократила подключение от задней к передней DMN регионе (рис. 1D, Красный цвета), а также снижение подключение от DMN области передней к компонентам задних (рис. 1D, синего цветов). Субъекты с TLE также показали повышенную подключение лобно-теменной с переднего и заднего НУМ (рис. 1E, синий / красный цвета).

Слева TLE

Субъекты с левой TLE сократили связность задней НУМ с передних DMN регионов и гиппокампа, parahippocampus, мозга, и медиальной затылочной коры (рис. 1F, красные цвета). Использование переднюю семя, снижение соединения с задних компонентов (гиппокамп, парагиппокампальной извилины, веретенообразной извилине, язычной извилины, поясной извилины) была также замечена (рис. 1F, синий цвета). Субъекты с левой TLE было установлено, что расширенное пери-Крышечный сети, подключенной к задней и передней семян (рис. 1G, красный и синий цвета) получения оценочногоAred для здоровых людей.

Право TLE

Как и в случае пациентов с левой TLE, те, с правой TLE сократили связность задней DMN семян с компонентами передней DMN (рис. 1H, красный цвета). Передняя семян сократили подключение к задних областях (двусторонняя гиппокампа, путамен, хвостатых) и сам передней DMN. (Рисунок 1H, синего цвета). Районы с повышенным связности задней и передней семян в правой TLE включены левую боковую височную кору, предклинье, поясного и дополнительное двигательной области. (Рис. 1I).

Право против левых TLE

Прямое сравнение правой TLE с левой TLE показали повышенную связность задней DMN семян к левой супрамаргинального извилины в левом TLE (рис. 1J, красные цвета), а также переднюю DMN семя фронтальнойобласти (рис. 1J, голубые цвета) по сравнению с правой TLE. Области повышенной связности задней семян в правой TLE включали левый гиппокамп, веретенообразное и регионы двустороннего таламуса и ствола мозга. Области повышенной связности передней семян в правой TLE включены предклинье, двусторонние таламическое регионы и ствола мозга регионы. (Рис. 1K).

Рисунок 1
Рисунок 1. Сравнение DMN в TLE сравнению с контрольной группой. Подключения DMN используя заднюю семя (задняя DMN, Rsp / PCUN, красно-желтые цвета) и переднюю семя (VMPFC, сине-зеленые цвета) показана на разные Заголовок группы (AC), TLE сравнению с контрольной группой (DE), слева TLE сравнению с контрольной группой (FG), Прямо TLE сравнению с контрольной группой (HI) и правой TLE по сравнению с левой TLE (JK). С-управления; L-левый TLE; R-право TLE. Пожалуйста, нажмите здесь, чтобы посмотреть увеличенную версию этой фигуры.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Эпилепсия, как полагают, сеть болезни и аномалии вовлеченных сетей присутствуют во время приступов и в межприступном состоянии 21. На основе задач МРТ был использован для анализа аномалий языка и сетей памяти в TLE 8. FcMRI имеет свои достоинства в изучении DMN 12, как это сеть в основном активен в состоянии покоя. DMN представляет собой сеть из отделов головного мозга, который был найден, чтобы быть активным в активных людей, которые остались нетронутыми и занимаются спонтанных мыслей. Эти регионы были показаны включить VMPFC, Rsp / PCUN, задней части поясной извилины, худшие регионы теменной, боковые височные области и гиппокампа 12,17. DMN, как думают, является субстратом для сознательном состоянии. Было сообщено, должен быть изменен в условиях, влияющих на сознание, память и социальное познание например отсутствие судорог, болезни Альцгеймера и аутизмом / шизофрения, respectiVely 22-26.

Височная неразрывно связан с НУМ. Вторичный участие НУМ может опосредовать эффекты TLE на познания и сознания 12,27. Такая вторичная участие НУМ также может быть причинным для клинических эффектов других условий, влияющих на височной / лимбической системы, таких как шизофрения 25 и болезни Альцгеймера 22,26. Предыдущие исследования показали, участие DMN в TLE и другие формы эпилепсии во время приступов, во время интериктальных эпилептиформных, и в межприступном состоянии 9,28-33. Эти исследования указывают на потенциально важную роль DMN в межприступном Электрографические и иктальных поведенческих характеристик ОДВТ. В текущем эксперименте был использован семена на основе fcMRI анализировать DMN в ОДВТ в основном состо нии, чтобы оценить эффект ОДВТ на DMN. Концентратор и спицами модель НУМ утверждает, что ее основные подсистемы задняя(RSP / PCUN) и передней (VMPFC) компоненты. Здесь, характеристики подключения этих двух основных регионах индивидуально рассмотрены с целью оценить, как TLE влияет на их взаимосвязанность и связанные с ними подсетей.

Текущий анализ семян на основе показывает разъединение между передней и задней ступицах НУМ. Такие функциональные уменьшение соединения, вероятно, связано с сокращением анатомической белого вещества связи между участвующими структур как это было продемонстрировано в исследовании, показывающий одновременное снижение функционального и белого вещества соединения между задней DMN и гиппокампа у пациентов с ВЭ 34. Кроме того, он демонстрирует в целом увеличился подключение в левой TLE из передней и задней ступицах НУМ в другие регионы мозга и вообще снизилась подключения в правом TLE. Это согласуется с результатами предшествующих исследований, показывающих пониженную подключения в правом TLE и компенсационных увеличиваетсясвязности в левой TLE 30,35. Как правило, право TLE стремится привлечь двусторонние структуры, в то время как слева TLE включает перераспределение функциональной активации 36,37. Это особенно заметно в передней семени, где оставили TLE имеет большую возможность подключения к пери-Крышечный областях, по сравнению с правой TLE (Цифры 1G, 1I и 1J). Это, в сочетании с более низкой связности задней семян в левой TLE по сравнению с контрольной группой (показатели 1F и 1K), говорит о том, что увеличение подключения передней в левой TLE может быть результатом отключения задней семян или связей между задней и передней семена. Гиппокамп подключен к передней DMN через заднюю DMN 34.

Метод, используемый в данном исследовании, могут быть модифицированы путем изменения расположения семян и генерации сети мозга, соответствующие других областях головного мозга. АльПрограммное обеспечение для анализа использования альтернативной может быть использован, чтобы сделать подобный анализ (например, РП, AFNI). Корреляционного анализа семян, основанные ограничены в том, что они требуют гипотезу о структуре предполагаемого сети под следствием за предварительного определения местоположения семени в. Если базовый гипотеза ошибочна, результаты не были бы импорта.

Отдыхая состояния fcMRI 2 может обеспечить измерение функциональной связности на основе спонтанных модуляций (т.е. т спросить не связаны) жирным шрифтом сигналов. Два часто используемых методов для этой цели являются семян (область интереса) на основе корреляции и МКА 6. Семя основе корреляционного анализа требует гипотезу о структуре предполагаемого сети под следствием за предварительного определения местоположения семени в. После выбора места семян и извлечения Смелый сигнал вокселов составляющих семя, а воксел-на-вокселя анализ всего мозгавыполняется для выявления других регионов мозга с аналогичными смелые модели сигнала, и это проливает свет коррелированную сети. Другой метод анализа семян является путем сопоставления сигнал между двумя или несколькими, регионах, представляющих интерес. Использование такого способа соединения было обнаружено быть уменьшена между поврежденной гиппокампе и задней DMN в ОДВТ 38. С другой стороны, МКА это данные приводом без ранее существовавших гипотезы и очерчивает пространственно-временном различных сетей в состоянии покоя мозг. Изучение DMN в ОДВТ также выполняется с помощью ICA и определяется снижение связность передней DMN у пациентов с правой и левой TLE сравнению с контролем. Тем не менее, наша ROI (семя) на основе анализ показал присутствие DMN сети передней в TLE, который был фактически более обширным в левой TLE по сравнению с контрольной группой. Это расхождение может быть связано с предлагаемой отключения передней от задней НУМ, где разделены передней данорк менее заметен при оценке сети определены в первую очередь со стороны задней DMN соединений. В соответствии с предыдущем исследовании, мы могли бы повторить мезиальным временную участие в TLE 39.

В настоящее время анализ показывает, как семенные основе fcMRI может быть использован для исследования головного мозга сетей в мозговых нарушений, таких как ОДВТ. Идентификация таких групповых различий помогает понять функциональные отклонения в болезненных состояний, открывая возможность будущих приложений, реализующих анализов, которые могут быть интерпретированы в одной теме уровне 2.

Одним из ограничений данного анализа заключается в невозможности определить активный / спит состояние субъекта. Сон был связан со снижением подключения DMN лобной коры с глубокого сна 40 или с общим наркозом 41. Дальнейшие исследования является оправданным, чтобы выяснить, является ли эти выводы могут быть воспроизведены, контролируя для состояния сна.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Доктор Энгель финансируется NIH грантов P01 NS02808, R01 NS33310 и U01 NS42372, имеет патенты WO 2009/123734A1 и WO 2009/123735A1, получает роялти от MedLink, Wolters Kluwer, Blackwell, и Elsevier, и получил гонорар от Medtronics , Wolters Kluwer, и лучшие врачи. Доктор Стерн работал в качестве платного консультанта для UCB и Lundbeck. Доктор Стерн является редактором MedLink неврологии, и получил гонорар от Wolters Kluwer и от McGraw-Hill. Остальные авторы не имеют раскрытий или конфликта интересов, чтобы объявить.

Acknowledgments

Финансирование для этого исследования была предоставлена ​​эпилепсии фонда Америки, Медицинского колледжа Бэйлора вычислительных и интегративной Центра биомедицинских исследований (CIBR) Seed Grant Награды (Ж); NIH-NINDS K23 Грант NS044936 (JMS); ., и Лефф Фонд семьи (JMS) Сбор данных помогали: Элизабет Пирс (UCLA).

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