Analys av standardläge nätverk med Funktionell Connectivity MRI i Oral Lobe Epilepsi Network

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

Standardläget Network (DMN) i temporallobdemens Epilepsi (TLE) analyseras i vilande tillstånd i hjärnan med hjälp av frö-baserad funktionell uppkoppling MRI (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

Funktionell anslutning MRI (fcMRI) är en fMRI metod som undersöker anslutning av olika hjärnområden som bygger på sambandet mellan BOLD signalförändringar över tid. Temporal Lobe epilepsi (TLE) är den vanligaste typen av vuxna epilepsi och involverar flera hjärnnätverk. Standardläge nätverk (DMN) är inblandad i medvetet, vilotillstånd kognition och tros påverkas i TLE där beslag orsakar nedsatt medvetande. Den DMN i epilepsi undersöktes med hjälp av frö baserad fcMRI. De främre och bakre nav i DMN användes som frön i denna analys. Resultaten visar en frånkoppling mellan den främre och bakre nav i DMN i TLE under basala tillstånd. Dessutom ökade DMN anslutning till andra delar av hjärnan i vänster TLE tillsammans med minskad anslutning i rätt TLE avslöjas. Analysen visar hur frö-baserade fcMRI kan användas för att undersöka hjärn nätverk i hjärnan såsom TLE.

Introduction

Funktionell Connectivity MRI (fcMRI) är ett relativt nytt analytiskt förhållningssätt till fMRI data som kvantifierar förhållandet mellan olika områden i hjärnan som bygger på likheten mellan deras blodets syresättning nivåberoende (BOLD) signal tidsserier - detta kallas "funktionella" anslutning, och är särskiljas från anatomisk anslutning som beskriver förekomsten av fysiska förbindelser mellan regioner (t.ex. vita substansen fibrer). I en speciell tillämpning av denna metod är tidsserierna samlas in när deltagaren inte är upptagen med en åtgärd, eller är i den så kallade "vilande tillstånd".

Även om första beskrivs i 1995 1, har det skett enorma intresset fcMRI vilket resulterar i ca 1000 publikationer relaterade till den teknik under 2012. FcMRI har inneboende fördelar över uppgiftsbaserad fMRI i (1) att det inte finns någon specifik uppgift som skall utföras, ( 2) ämnessamarbete ärinte nödvändigt, (3) datauppsättningar kan användas för att söka i ett flertal olika nät, är (4) bättre signalbrusförhållande föreliggande sannolikt på grund av skillnader i cerebrala energetik är delaktig, och (5) kringgående av uppgiftsrelaterade blandar ihop två. Som ett bevis på dess koncept, har fcMRI förändringar visat sig överensstämma med förändringar i EEG 3 och lokala fältpotentialer 4 i hjärnan.

Tekniker för fcMRI analys inkluderar ROI / frö-baserade tekniker, oberoende komponentanalys (ICA), grafteori analys, Granger kausalitet analys, lokala metoder (amplitud av lågfrekventa svängningar, regional homogenitet analys) och andra 5. Ingen enskild teknik har ännu visat tydlig överlägsenhet över en annan, även om de mest populära metoderna är frö-baserade och ICA metoder 6. Frö-baserade fcMRI korrelerar tidsmässiga svängningar i BOLD signal från en förvald del av den förmodade nätverket studerade kallas "SEED1; eller "regionen av intresse (ROI)" till alla andra delar av hjärnan. Områden i hjärnan som visar BOLD signal korrelerande till utsädes område tros att avgränsa delar av den involverade nätverk. Däremot använder ICA en modell fritt datadriven analys för att extrahera spatio-temporalt korrelerade hjärnområden (oberoende komponenter, IC) genom att analysera de hemodynamiska signalegenskaper hela hjärnan 5.

I det aktuella manuskriptet, är en beskrivning av metoder som används i en tidigare publicerad studie av vilotillstånd frö-baserad anslutning analys av DMN i TLE presenterade 7. TLE är den vanligaste formen av vuxen epilepsi. Förutom kramper, TLE orsakar dysfunktion av multipla hjärn nätverk inklusive minne, beteende, tanke, och sensorisk funktion 8. Den DMN utgörs av cerebrala regioner subserving medvetet, vila-state kognition. Den DMN har rapporterats vara inblandade i anfall i samband med minskad beväiousness 9,10. Dessutom är hippocampus nyckeln struktur involverad i TLE och har tänkt på att vara del av DMN. Emellertid är uppkopplingen av PCC till hippocampusformationen svagare än med andra DMN komponenter, såsom medial prefrontal och underlägsna parietal cortex. Detta tyder på att hippocampus är antingen ett subnätverk för DMN eller ett samverkande nätverk 11,12. Dessa likheter mellan TLE och DMN höja möjligheten att DMN funktionell uppkoppling förändras i TLE. Denna analys jämför DMN av patienter med TLE till friska kontroller för att få insikt i medverkan av DMN i TLE. Uppkopplingen av frön som placerats i de viktigaste naven i den DMN - de främre och bakre nav regioner analyserades 12. Frön placerades i den bakre nav bestående av retrosplenium / precuneus (RSP / PCUN) såväl som den främre nav bestående av ventromedial prefrontala cortex (vmPFC) hos patienter som har TLE och ifriska kontroller för att identifiera de bakre och främre undernätverk i DMN.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Ämnen

  1. Studien befolkning på 36 försökspersoner omfattar 3 grupper: höger TLE (n = 11), lämnade TLE (n = 12), och friska kontroller (n = 13). Skaffa skriftligt informerat samtycke från alla ämnen. Studien följer riktlinjerna från University of California, Los Angeles (UCLA) Institutional Review Board.
  2. De epilepsiämnesgrupper bör patienter som är kandidater för främre tinningloben resektion bestämt med video-EEG-övervakning, hjärna MRI, PET imaging och neuropsykologisk testning. Patienterna bör fortsätta sina vanliga mediciner under fMRI skanning och ska inte skannas direkt efter ett anfall. Se till att alla individer har normala hjärnan MRI och är fria från neurologisk sjukdom (annan än epilepsi i de patientgrupper) eller använder neurologiska mediciner.

2. Imaging

  1. Använd en 3 Tesla MR-system för avbildning. Skaffa axiella skivor för funktionella bilder med hjälp av ett eko plan imagning (EPI) sekvens och för anatomiska bilder med hjälp av en bortskämd gradient påminde (SPGR) sekvens.
  2. Utför funktionell avbildning med följande parametrar: TR = 2000 ms, TE = 30 ms, FOV = 210 mm, matris = 64 x 64, skiva tjocklek 4 mm, 34 skivor. Använd följande parametrar för hög upplösning strukturell avbildning: TR = 20 ms, TE = 3 ms, FOV = 256 mm, matris = 256 x 256, skiva tjocklek 1 mm, 160 skivor.
  3. Varje avbildning session bör pågå 20 minuter. Be deltagarna att koppla av med slutna ögon. Inga speciella hörselingång krävs.

3. Förbehandling av BOLD Data

  1. Förbehandla den fMRI data med hjälp av FSL (fMRIB Software Library) programversion 4.1.6 (Oxford, Storbritannien, www.fmrib.ox.ac.uk / FSL) 13,14. Förbehandlingssteg bör innehålla följande: Använd FSL MCFLIRT att ta bort huvudrörelser artefakt 15. Använd FSL BET för att ta bort nonbrain vävnad 16 med BET alternativet-F för BOLD filer. Detta bidrar till en körning fTTERLIGARE analyssteg på hjärnvävnaden ensam.
  2. I FEAT, köra ett minimalt bearbetade analys med registreringen. Välj "Första-nivå analys" och ändra "Fullständig analys" till "Pre-statistik" från de två översta knapparna.
    1. Under Pre-statistik fliken, avmarkera "SATSA hjärnan utvinning" och välj "None" för "Motion korrektion" (eftersom de redan var gjort ovan). Registrera de funktionella (BOLD) bilder till anatomiska (SPGR) bilder, och sedan till en standard (MNI) bild. Detta resulterar i generering av transformationsmatriserna, som används senare under analys för att förvränga de frön som väljs i standard utrymme i patientens hjärna utrymme.
  3. Använd den genererade transformationsmatrisen (som heter "standard2example_func.mat") och omvandla CSF och vita substansen ROI i enskilda BOLD rymden.
    1. Extrahera tidsserier från GSR och vita substansen ROI med kommandot fslmeants,med hjälp av ROI i enskilda ämnesutrymme som en mask. Normalisera den extraherade tidsserier med hjälp av programmet "R". Dessa tidsserier används som regressorerna i GLM senare för att ta bort motsvarande artefaktuella signaler från analysen.
  4. Nästa steg är att avlägsna föremål rörelserelaterade artefakter. För regression av rörelseparametrar, ange följande i FSL FEAT Innan du öppnar den.
    1. Inom fliken data använder rörelse-korrigerade och hjärna-extraherade filen som indata, ange TR värdet motsvara datamängden. Ställ högpass filtrering med hjälp av en 100 sek filter. Den högpassfiltrering kommer att avlägsna signaler av något intresse, som är av mycket låg frekvens. Ett lågpassfilter för att avlägsna högfrekventa signaler kommer att användas senare i steg 4,1.
    2. Inom fliken Pre-statistik, välj "None" under "Motion korrigering" eftersom det redan var gjort. Avmarkera "SATSA hjärnan utvinning" som det redan var gjort. Utför rumslig utjämningmed hjälp av en 5 mm full bredd halva maximala (FWHM).
    3. Inom fliken statistik, tillbakarörelseparametrarna 6 och deras tidsmässiga derivat. Välj "None" för faltning och kolla "Tillämpa temporal filtrering." Använd produktionen av FSL MCFLIRT att få textfiler av rörelseparametrar, vilket kan vara sedan matas in i FEAT analysmodellen att regrediera dessa i en allmän linjär modell (GLM)
    4. Lägg även till GSR och vita substansen signaler som extraherades och normalise i tidigare steg till GLM. Välj "None" för faltning, lägga till tidsderivatan, och avmarkera "Använd temporal filtrering".

4. Statistiska metoder

  1. Residualerna från förbehandling som beskrivs ovan bör användas för frö-baserade korrelation. Dessa rester bör först passera genom ett låg-passfilter av 0,1 Hz, därefter demeaned genom att subtrahera medelvärdet, dividera med standardavvikelse och skalas sedan genom att tillsätta100. Frön bör definieras med en diameter på 6 mm i standard MNI rymden med hjälp MRICron programvara.
  2. Den bakre och den främre frön bör motsvara följande koordinater: (1) Rsp / PCUN region (x = 2, y = -60, z = 36) och (2) ventromedial prefrontala cortex (vmPFC, x = 3, y = 60, z = -1). Dessa utsädes platser har definierats i friska kontroller och transformeras till ämnet utrymme i nästa steg 17 till 19.
    1. Fröna bör därefter omvandlas till varje persons individuella funktionella hjärnutrymme från standard MNI utrymmet. För detta använder transformationsmatrisen genererade ovan (som heter "standard2example_func.mat") för att omvandla fröet från standard (MNI) utrymme för individen funktionella (BOLD) utrymme.
    2. Använd de fslmeants kommandot för att extrahera tidsserier från tidigare förnedrade och skalas rest, med hjälp av frö i enskilda ämnesutrymme som en mask. Normalisera den extraherade tidsserier med hjälp av mjukaware "R".
  3. Partiella korrelationer mellan utsäde voxlar och alla andra hjärn voxlar bör beräknas separat för varje ämne för varje körning. För detta, inom den FSL FEAT GUI, välj "First-nivå analys", och sedan "Statistik + Post-statistik". Inom fliken Data, bör det tidigare förnedrade och skalas rest användas som input i FEAT.
  4. Ställ Högpassfilter cutoff till 10.000, som rest redan höga gått på 100 sek. Inom fliken Statistik, avmarkera "Använd FILM prewhitening", och använda en tidigare extraherade och normaliserade frö tidsserier i GLM. Inom fliken Post-statistik, ställ in önskad Z-stat tröskeln till ett värde på 2,0.
  5. Innan du kör gruppanalys kombinerar körningar inom ämnen, bör en Fishers Z förvandla utföras på COPE (Kontrast av parameterskattningarna) fil som genereras från den tidigare kör korrelationsanalys (steg 4,3). Kopiera registreringsuppgifter frOM den "reg" katalog FEAT analys göras i steg 3.1 i korrelations körningen av steg 4.3.
  6. Kör en högre nivå analys genom att kombinera körningar inom varje ämne. För detta, inom den FSL FEAT GUI, välj "Överordnad analys", och sedan "Statistik + Post-statistik". I "Data" fliken, välj "Ingångar är lägre nivå FEAT kataloger" och skriv in motivets löper från steg 4.4. Inom fliken "Statistik", välj "Blandade effekter: Enkla OLS". Ställ in modell som medeleffekt; ange värdet 1 för varje ämne körning.
  7. För att kombinera data över körningar mellan ämnen, An Ordinary Least Squares (OLS) enkla blandade effekter analys bör användas. För detta, inom den FSL FEAT GUI, välj "Överordnad analys" och "Statistik + Post-statistik". Inom fliken Data, välj "Ingångar är lägre nivå FEAT kataloger" och ange försökspersonernas sammanlagda löper från steg 4,5.
  8. Inom fliken Statistik, välj "Blandade effekter: Enkla OLS" "Sätt upp en modell som 3 grupper; ange värdet 1 för gruppen varje ämne tillhör, 0 annars. Koncernen analys bör göras på varje voxel med hjälp av en envägs ANOVA med tre nivåer som motsvarade de tre grupperna (höger TLE, vänster TLE och friska kontroller).
  9. Att tröskeln Z statistik bilderna använder klusterbildande tröskeln till Z> 2,0 och korrigeras kluster betydande tröskel för p = 0,05 20. För att få korrekta z-värden på korrelations kartan, bör en omvänd Fishers Z förvandla utföras på resultaten.
  10. Följande särskilda kontraster bör jämföras (1) höger TLE> kontroller; (2) lämnade TLE> kontroller; (3) höger TLE> vänster TLE; (4) vänster TLE> höger TLE; (5) kontroll> höger TLE; (6) kontroll> vänster TLE; (7) TLE (kombinerad höger och vänster)> kontroll; och (7) styrning> TLE (kombinerad höger och vänster).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figur 1 visar DMN avslöjade med anslutning via en bakre frö (RSP / PCUN, röd-gula färger) och en främre frö (vmPFC, blå-gröna färger) och jämför de nätverk som finns i de olika ämnesgrupperna (figur 1 A-C) och mellan varandra, det vill säga friska kontroller jämfört med alla patienter med TLE (figur 1D och 1E), och sedan friska kontroller jämfört separat till vänster TLE (figur 1F och 1G) och höger TLE (figur 1H och 1I). Direkt jämförelse mellan vänster och höger TLE visas också (figur 1J och 1K).

TLE

TLE innehåller ämnen som har antingen höger eller vänster TLE. Jämfört med kontroller, hade denna grupp minskade anslutning från den bakre till den främre DMN-regionen (figur 1D, Röda färger) en samt minskad anslutning via främre DMN regionen för att de bakre delar (figur 1D, blåa färger). Ämnen med TLE visade också ökad fronto-parietal anslutning med främre och bakre DMN (figur 1E, blå / röda färger).

Vänster TLE

Ämnen med vänster TLE hade minskat anslutning av bakre DMN med de främre DMN regionerna och hippocampus, parahippocampus, hjärnstammen, och medial occipital cortex (Figur 1F, röda färger). Med hjälp av en främre frö, minskad anslutning med bakre komponenter (hippocampus, parahippocampal gyrus, spolformade gyrus, lingual gyrus, cingulum gyrus) sågs också (Figur 1F, blå färger). Ämnen med vänster TLE visade sig ha en utökad peri-opercular nätverk som är anslutet till bakre och främre frön (figur 1G, röda och blå färger) compared med friska kontroller.

Höger TLE

Som i fallet med patienter med vänster TLE, de med rätt TLE hade minskat anslutning av bakre DMN utsädet med främre DMN komponenter (figur 1H, röda färger). Den främre frö hade minskat anslutning till bakre regioner (bilateral hippocampus, putamen, caudatus) och främre DMN själv. (Figur 1H, blå färger). Områden med ökad anslutning av de bakre och främre frön i höger TLE ingår vänstra sidotemporal cortex, precuneus, cingulum, och kompletterande motor cortex. (Figur 1I).

Höger vs Vänster TLE

Direkt jämförelse av höger TLE med vänster TLE visade ökad anslutning av bakre DMN frö till vänster supramarginal gyrus i vänster TLE (figur 1J, röda färger) samt främre DMN frö frontområden (figur 1J, blåa färger) jämfört med höger TLE. Områden med ökad anslutning av bakre utsäde i höger TLE ingår vänstra hippocampus, spolformade och regioner av bilaterala thalamus och hjärnstammen. Områden med ökad anslutning av främre utsäde i höger TLE ingår precuneus, bilaterala talamiska regioner, och hjärnstamsregioner. (Figur 1K).

Figur 1
Figur 1. Jämförelse av DMN i TLE jämfört med friska kontroller. Den DMN-anslutning med hjälp av en bakre frö (bakre DMN, RSP / PCUN, röd-gula färger) och en främre frö (vmPFC, blå-gröna färger) visas i olika ämnesgrupper (AC), TLE jämfört med friska kontroller (DE), lämnade TLE jämfört med friska kontroller (FG), Höger TLE jämfört med friska kontroller (HI) och höger TLE jämfört med vänster TLE (JK). C-Control; L-vänster TLE; R-höger TLE. Klicka här för att se en större version av denna siffra.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Epilepsi är tänkt att vara ett nätverk sjukdom, och avvikelser i de inblandade nätverken är närvarande under anfall och i Interiktal tillstånd 21. Uppgiftsbaserade fMRI har använts för att analysera avvikelser i språk-och minnesnätverk i TLE 8. FcMRI har inneboende fördelar i att studera DMN 12 eftersom det är ett nätverk främst verksamt i vilotillstånd. Den DMN är ett nätverk av områden i hjärnan som har visat sig vara aktiva i vakna individer som är kvar ostört och är engagerade i spontana tankar. Dessa regioner har visat sig inkludera vmPFC, RSP / PCUN, bakre cingulate cortex, underlägsna parietal regioner, laterala temporala regioner, och hippocampi 12,17. Den DMN tros vara ett substrat för medvetet tillstånd. Det har rapporterats att förändras under förhållanden som påverkar medvetandet, minne och social kognition såsom absensepilepsi, Alzheimers sjukdom och autism / schizofreni, respektivt 22-26.

Den temporala loben är intimt kopplad till DMN. Sekundär medverkan av DMN kan medla effekterna av TLE på kognition och medvetande 12,27. En sådan sekundär inblandning av DMN kan också vara orsakande för de kliniska effekterna av andra förhållanden som påverkar temporalloben / limbiska systemet, såsom schizofreni 25 och Alzheimers sjukdom 22,26. Tidigare studier har under anfall visat DMN engagemang i TLE och andra former av epilepsi, under Interiktal epileptiforma utsläpp, och i Interiktal tillstånd 9,28-33. Dessa studier indikerar en potentiellt viktig roll för DMN i Interiktal elektro och ictal beteendemässiga egenskaper TLE. I den aktuella experiment frö-baserade fcMRI används för att analysera DMN i TLE i basala tillstånd för att utvärdera effekten av TLE på DMN. Modellen av DMN nav och eker antar att dess viktigaste delsystem är den bakre(RSP / PCUN) och främre (vmPFC) komponenter. Här är de anslutnings egenskaperna hos dessa två områden undersökas för att utvärdera hur TLE påverkar deras sammankoppling med tillhörande subnät.

Den nuvarande frö baserad analys avslöjar en frånkoppling mellan de främre och bakre nav i DMN. En sådan funktionsnedsättning anslutning är sannolikt relaterade till en minskning av den anatomiska vita substansen anslutning mellan de inblandade strukturer som har visats i en studie som visar samtidig minskning av funktionell och vit substans anslutning mellan bakre DMN och hippocampus hos patienter med TLE 34. Dessutom visar det allmänt ökad anslutning i vänster TLE av de främre och bakre nav i DMN till andra delar av hjärnan och allmänt minskad anslutning i rätt TLE. Detta överensstämmer med tidigare studier som visar en minskad anslutning i höger TLE och kompenserande höjningarför anslutning i vänster TLE 30,35. Generellt höger TLE tenderar att involvera bilaterala strukturer, medan vänster TLE innebär omfördelning av funktionell aktivering 36,37. Detta är särskilt framträdande i den främre frö där vänster TLE har en större anslutning till de peri-opercular områden, jämfört med höger TLE (figur 1G, 1I, och 1J). Detta, i kombination med den lägre anslutning av bakre utsäde i vänster TLE jämfört med kontroller (figur 1F och 1K), tyder på att den ökade främre anslutning i vänster TLE skulle kunna leda till en avstängning av den bakre utsäde eller anslutningarna mellan den bakre och främre frön. Hippocampus är ansluten till den främre DMN via den posteriora DMN 34.

Tekniken som används i denna studie, kan modifieras genom förändring av utsäde läge och generera hjärnans nätverk som motsvarar andra hjärnområden. Alnativ analysprogram kan användas för att göra liknande analys (t.ex., SPM, AFNI). Seed baserade korrelationsanalyser är begränsade i att de kräver en hypotes om strukturen på den förmodade nätet under utredning för en tidigare bestämning av utsädet läge. Om den underliggande hypotesen är felaktig, skulle resultaten inte vara av importen.

Vila-state fcMRI 2 kan ge ett mått på funktionell uppkoppling baserad på spontana modulationer (dvs. t be orelaterade) i BOLD signaler. Två vanligaste metoderna för detta ändamål är utsäde (regionen av intresse) baserade korrelationer och ICA 6. Seed baserad korrelationsanalys kräver en hypotes om strukturen på den förmodade nätet under utredning för en tidigare bestämning av utsädet läge. Efter att ha valt frö lokalisering och extrahering av den FET signal av voxlar som utgör fröet, en voxel-för-Voxel analys av hela hjärnanutförs för att identifiera andra hjärnregioner med liknande BOLD signalmönster, och detta belyser en korrelerad nätverk. En annan metod för frö-analys är genom att korrelera signalen mellan två, eller flera, regioner av intresse. Med hjälp av en sådan metod, var connectivity befanns reduceras mellan lesionell hippocampus och den bakre DMN i TLE 38. Å andra sidan, är ICA data driven utan en tidigare hypotes och skisserar spatio-tidsmässigt skilda nätverk inom det vilotillstånd hjärnan. En studie av DMN i TLE har också utförts med hjälp av ICA och bestämd minskad anslutning av främre DMN hos patienter med höger och vänster TLE jämfört med kontroller. Dock visade vår ROI (frö) baserad analys närvaron av en DMN nätverk anterior i TLE, vilket faktiskt var mer omfattande i vänster TLE jämfört med kontrollpersoner. Denna diskrepans kan vara relaterad till den föreslagna koppling av främre från bakre DMN, där en separerad främre nätverksnamnork är mindre synliga när man utvärderar ett nätverk identifieras främst av anslutningarna bakre DMN. I överenskommelse med en tidigare studie, kan vi replikera mesial tids engagemang i TLE 39.

Den aktuella analysen visar hur frö-baserade fcMRI kan användas för att undersöka hjärn nätverk i hjärnan såsom TLE. Identifiering av sådana gruppskillnader bidrar till att förstå de funktionella avvikelser i sjukdomstillstånd som öppnar möjligheten till framtida tillämpningar som genomför analyser som kan tolkas på fristående nivå 2.

En begränsning av denna analys är oförmågan att bestämma vaken / sovande tillstånd i ämnet. Sömn har associerats med minskad DMN anslutning av frontala cortex med djup sömn 40 eller med narkos 41. Ytterligare undersökningar är motiverat att undersöka om dessa fynd kan reproduceras genom att kontrollera för viloläge.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Dr Engel finansieras av NIH bidrag P01 NS02808, R01 NS33310 och U01 NS42372, har patent WO 2009/123734A1, och WO 2009/123735A1, erhåller royalties från MedLink, Wolters Kluwer, Blackwell, och Elsevier, och har fått arvoden från Medtronics , Wolters Kluwer, och bästa läkarna. Dr Stern har fungerat som en betald konsult för UCB och Lundbeck. Dr Stern är en redaktör för MedLink Neurology, och har fått royalties från Wolters Kluwer och från McGraw-Hill. De återstående Författarna har inga avslöjanden eller intressekonflikter för att deklarera.

Acknowledgments

Finansieringen för denna forskning gs av The Epilepsy Foundation of America, Baylor College of Medicine Computational och Integrative Biomedical Research Center (CIBR) Seed Grant Awards (ZH), NIH-NINDS K23 Grant NS044936 (JMS); . och The Leff Family Foundation (JMS) Datainsamling fick hjälp av: Elizabeth Pierce (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