Network Analyse av Standard Mode Network Bruke Funksjonell Connectivity MR i tinninglappen epilepsi

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

The Standard Mode Network (DMN) i tinninglappen epilepsi (TLE) er analysert i den hvilende tilstand av hjernen ved hjelp av frø-basert funksjonell tilkobling 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

Funksjonell tilkobling MRI (fcMRI) er en fMRI metode som undersøker tilkobling av ulike hjerneområder basert på korrelasjon av BOLD signal svingninger over tid. Temporal Lobe Epilepsy (TLE) er den vanligste typen av voksen epilepsi og involverer flere hjernenettverk. Standardmodusen nettverk (DMN) er involvert i bevisst, hviletilstand kognisjon og antas å bli påvirket i TLE der anfall føre til svekkelse av bevissthet. Den DMN i epilepsi ble undersøkt ved hjelp av frø basert fcMRI. Fremre og bakre huber av DMN ble brukt som frø i denne analysen. Resultatene viser en frakobling mellom det fremre og bakre knutepunkter i dmn i TLE under basal tilstand. I tillegg økte DMN tilkobling til andre områder av hjernen i venstre TLE sammen med redusert tilkobling i høyre TLE er avslørt. Analysen demonstrerer hvordan frø-baserte fcMRI kan brukes til å undersøke cerebrale nettverk i hjernesykdommer slik som TLE.

Introduction

Funksjonell Connectivity MRI (fcMRI) er en relativt ny analytisk tilnærming til fMRI data som kvantifiserer sammenhengen mellom ulike områder av hjernen basert på likheten av deres blod oksygenenivåavhengig (BOLD) signal tidsserie - dette kalles "funksjonell"-tilkobling, og er skjelnes fra anatomisk tilkobling som beskriver eksistensen av fysiske forbindelser mellom regioner (for eksempel hvit materie fiber). I en spesiell anvendelse av denne tilnærmingen, er tidsserien samlet når deltakeren ikke er engasjert i en oppgave eller er i den såkalte "hviletilstand".

Selv om første gang beskrevet i 1995 en, har det vært enorm interesse for fcMRI resulterer i ca 1000 publikasjoner knyttet til teknikken i 2012. FcMRI har iboende fordeler over oppgavebasert fMRI i (1) at det ikke er bestemt oppgave som skal utføres, ( 2) lagt samarbeid erikke nødvendig, (3) datasett kan brukes til å spørre flere forskjellige nettverk, er (4) bedre signal til støy-forhold stede sannsynlig på grunn av forskjeller i hjerne energetics involvert, og (5) omgåelse av oppgaverelaterte confounds to. Som et bevis på konseptet har fcMRI forandringer er vist å samsvarer med endringer i EEG 3 og lokale feltpotensialer 4 i hjernen.

Teknikker for fcMRI analyse inkluderer avkastning / frø-baserte teknikker, uavhengig komponent analyse (ICA), grafteori analyse, Granger kausalitet analyse, lokale metoder (amplitude av lavfrekvente svingninger, regional homogenitet analyse), og andre fem. Ingen enkelt teknikken har ennå påvist klar overlegenhet over en annen, selv om de mest populære metodene er seedet basert og ICA metoder seks. Seed-baserte fcMRI korrelerer timelige svingninger i BOLD signal fra en forhåndsvalgt del av den antatte nettverket under studien kalt "Seed1; eller "region av interesse (ROI)" til alle andre deler av hjernen. Områder i hjernen som viser BOLD signal korrelering til frøet området antas å avgrense deler av de involverte nettverket. I kontrast, bruker ICA en modell-fri data-drevet analyse for å trekke spatio-timelig korrelerte hjernen områder (uavhengige komponenter, kretser) ved å analysere de hemodynamiske signal karakteristikker av hele hjernen fem.

I dagens manuskriptet, er en beskrivelse av metoder som brukes i en tidligere publisert studie av hviletilstand frø-basert tilkobling analyse av DMN i TLE presenteres syv. TLE er den vanligste form for voksen epilepsi. I tillegg til beslag, fører TLE dysfunksjon av flere hjernenettverk, inkludert hukommelse, atferd, tanke, og sensorisk funksjon åtte. Den DMN er konstituert av cerebral regioner subserving bevisst, hviletilstand kognisjon. Den DMN har blitt rapportert å være involvert i anfall assosiert med redusert consciousness 9,10. I tillegg, er hippocampus nøkkelstruktur som er involvert i TLE og har vært antatt å være del av dmn. Imidlertid er tilkobling av PCC til hippocampus dannelsen svakere enn med andre DMN komponenter, for eksempel medial prefrontal og dårligere parietal cortex. Dette tyder på at hippocampus er enten et delnettverk av DMN eller et samspill nettverk 11,12. Disse fellestrekk mellom TLE og DMN øke muligheten for at Dmn funksjonell tilkobling er endret på TLE. Denne analysen sammenligner DMN av individer med TLE med friske kontroller for å få innsikt i involvering av DMN i TLE. Tilkobling av frø som er plassert i de viktigste huber av DMN - fremre og bakre hub regioner ble analysert 12. Frøene ble plassert i det bakre nav bestående av retrosplenium / precuneus (Rsp / PCUN) samt fremre knutepunkt bestående av ventromediale prefrontale cortex (vmPFC) hos pasienter med TLE-og insunn kontroller for å identifisere de bakre og fremre subnett av DMN.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

En. Emner

  1. Studien populasjon av 36 individer omfatter tre grupper: høyre TLE (n = 11), venstre TLE (n = 12) og friske kontroller (n = 13). Innhente skriftlig informert samtykke fra alle fag. Studien følger retningslinjene fra University of California, Los Angeles (UCLA) Institutional Review Board.
  2. De epilepsi faggruppene bør være pasienter som er kandidater for fremre tinninglappen reseksjon som bestemmes av video-EEG overvåking, hjernen MRI, PET billeddiagnostikk, og nevropsykologiske tester. Pasienter bør fortsette sine vanlige medisiner i løpet av fMRI skanning, og bør ikke bli skannet umiddelbart etter et anfall. Sørg for at alle fag har normal hjerne MRI og er fri fra nevrologisk sykdom (annet enn epilepsi i de pasientgrupper) eller bruker nevrologiske medisiner.

2. Imaging

  1. Bruk en 3 Tesla MR system for bildebehandling. Skaffe aksiale snitt for funksjonelle bilder ved hjelp av et ekko planar imaging (EPI) sekvens og for anatomiske bilder ved hjelp av en bortskjemt gradient tilbakekalt (SPGR) sekvens.
  2. Utfør funksjonell avbildning ved hjelp av følgende parametre: TR = 2000 ms, TE = 30 msek, FOV = 210 mm, matrix = 64 x 64, skive tykkelse 4 mm, 34 skiver. Bruk følgende parametere for høyoppløselige strukturell avbildning: TR = 20 ms, TE = 3 ms, FOV = 256 mm, matrix = 256 x 256, slice tykkelse 1 mm, 160 skiver.
  3. Hver bildebehandling økten skal vare 20 min. Be deltakerne å slappe av med øynene lukket. Ingen spesiell auditiv angis.

Tre. Forhåndsbehandling av BOLD data

  1. Preprocess den fMRI-data ved hjelp FSL (fMRIB Software Library) programvareversjon 4.1.6 (Oxford, UK, www.fmrib.ox.ac.uk / FSL) 13,14. Forbehandling skritt bør inneholde følgende: Bruk FSL MCFLIRT å fjerne hodebevegelser artefakt 15. Bruk FSL BET å fjerne nonbrain vev 16 med BET alternativet-F for BOLD filer. Dette hjelper en run further analyse trinn på hjernevev alene.
  2. I FEAT, kjøre et minimalt prosessanalyse med registrering. Velg "First-nivå analyse" og endre "Full analyse" til "pre-statistikk" fra de to øverste knappene.
    1. Under fanen Pre-statistikken, fjerner du merket "BET hjernen utvinning" og velg "Ingen" på "Motion korreksjon" (som disse var allerede gjort ovenfor). Sett de funksjonelle (BOLD) bilder til den anatomiske (SPGR) bilder, og deretter til en standard (MNI) image. Dette resulterer i genereringen av transformasjonsmatriser, som benyttes senere under analyse for å deformere frøene er valgt i standard mellomrom inn i subjektets hjerneområde.
  3. Bruk den genererte transformasjonsmatrisa (kalt "standard2example_func.mat") og forvandle CSF og hvit substans Rois i individuelle BOLD plass.
    1. Pakk tidsserien fra CSF og hvit substans Rois bruker fslmeants kommando,bruker avkastningen i enkelte fag plass som en maske. Normalisere hentet tidsserier ved hjelp av programvaren "R". Disse tidsserien blir brukt som regressors i GLM senere for å fjerne de tilsvarende kunstig signalene fra analysen.
  4. Det neste trinnet er fjerning av bevegelser i motivet relaterte gjenstander. For regresjon av bevegelsesparametre, satt følgende innenfor FSL FEAT før du kjører den.
    1. Innenfor kategorien data, bruker motion-korrigert og hjerne-utpakkede filen som innganger, sette TR verdi i henhold til din datasettet. Sett høy-pass filtrering ved hjelp av en 100 sek filter. Den høye pass filtrering vil fjerne signaler av ingen interesse, som er av meget lav frekvens. Et lavpass-filter for å fjerne høyfrekvente signaler vil bli anvendt senere i trinnet 4.1.
    2. Innenfor kategorien Pre-statistikken, velger du "Ingen" under "Motion korreksjon" som det allerede var gjort. Fjern haken ved "BET hjernen utvinning" som det allerede var gjort. Utfør romlig glattingved hjelp av en 5 mm full bredde halvt maksimum (FWHM).
    3. Innenfor kategorien statistikker, regress de seks bevegelsesparametre og deres timelige derivater. Velg "Ingen" for konvolusjon og sjekk "Apply timelig filtrering." Bruk produksjonen av FSL MCFLIRT å få tekstfiler av bevegelse parametere, som kan være så innspill til FEAT analysemodell til regress disse i en generell lineær modell (GLM)
    4. Også legge CSF og hvit substans signalene som ble hentet ut og normalisert i forrige trinnene til GLM. Velg "Ingen" convolution, legge time derivat, og fjern "Apply timelig filtrering".

4. Statistiske metoder

  1. Residualene fra forbehandling er beskrevet ovenfor skal brukes for frø-baserte korrelasjonen. Disse restene må først føres gjennom et lavpass-filter på 0,1 Hz, deretter demeaned ved å subtrahere den gjennomsnittlige, dividere med standard avvik, og så skalert ved tilsetning100 Frø. Skal defineres med en diameter på 6 mm i standard MNI plass ved hjelp MRICron programvare.
  2. Den bakre og fremre frø bør tilsvare følgende koordinater: (1) Rsp / PCUN region (x = 2, y = -60, z = 36) og (2) ventromedial prefrontal cortex (vmPFC; x = 3, y = 60, z = -1). Disse frø steder er definert i friske kontroller, og blir omformet til faget plass i det neste trinn 17-19.
    1. Frøene skal senere bli forvandlet til hvert fag individuelle funksjonell hjerne plass fra standard MNI plass. Til dette bruker transformasjonsmatrisa generert ovenfor (kalt "standard2example_func.mat") for å forvandle frøet fra standard (MNI) plass til den enkelte funksjonelle (BOLD) plass.
    2. Bruk fslmeants kommando for å pakke den tidsserier fra tidligere nedverdiget og skalert rest, ved hjelp av frø i det enkelte faget plass som en maske. Normalisere hentet tidsserier ved hjelp av den mykeware "R".
  3. Partielle korrelasjoner mellom frø voxel og alle andre hjernen voxels skal beregnes separat for hvert fag for hvert løp. For dette, innenfor FSL FEAT GUI, velg "First-nivå analyse", og deretter "statistikk + Post-statistikk". Innenfor kategorien Data, bør den tidligere nedverdiget og skalert rest brukes som innspill til FEAT.
  4. Sett Høypassfilteret cutoff 10.000, som rest er allerede høyt passert ved 100 sek. Innenfor kategorien Stats, velge bort "Bruk FILM prewhitening", og bruke den tidligere hentet og normalisert frø tidsserier i GLM. Innenfor kategorien Post-statistikken, stille inn ønsket Z-stat terskelen til en verdi på 2,0.
  5. Før du kjører gruppe analyse kombinere løper innenfor fagene, bør en Fishers Z forvandle utføres på COPE (Kontrast av Parameter Estimater) fil generert fra tidligere kjørt korrelasjonsanalyse (trinn 4,3). Kopier registreringsdata frOM den "reg" katalogen på FEAT analyse gjort i trinn 3.1 i korrelasjonen kjøring av trinn 4.3.
  6. Kjør et høyere nivå analyse ved å kombinere løper innenfor hvert fag. For dette, innenfor FSL FEAT GUI, velg "Overordnet analyse", og deretter "statistikk + Post-statistikk". Innenfor "Data"-fanen, velg "Innganger er lavere nivå FEAT kataloger" og skriv inn fagets går fra trinn 4.4. Innenfor "Stats"-fanen, velg "Mixed effekter: Enkle OLS". Sett opp modellen som gjennomsnittlig effekt; fyll verdien 1 for hver av fagets løp.
  7. Å kombinere data over løper mellom fag, en vanlig Least Squares (OLS) enkel blandede effekter analyse bør brukes. For dette, innenfor FSL FEAT GUI, velg "Overordnet analyse", og "statistikk + Post-statistikk". Innenfor kategorien Data, velg "Innganger er lavere nivå FEAT kataloger" og skriv fagenes kombinert løper fra trinn 4.5.
  8. Innenfor kategorien Stats, velg "Mixed effekter: Enkle OLS" 'Sett opp en modell som tre grupper; angi verdien 1 for gruppen hvert fag tilhører, 0 ellers. Gruppe analyse bør gjøres på hver voxel ved hjelp av en enveis ANOVA med tre nivåer som tilsvarte de tre gruppene (høyre TLE, forlot TLE, og friske kontroller).
  9. Til terskel Z statistiske bilder bruker klynge forming terskelen til Z> 2,0 og korrigert klynge betydelig terskel for p = 0,05 20. For å oppnå korrekte z-verdier på kartet til korrelasjon, bør en omvendt Fishers Z transform utføres på resultatene.
  10. Følgende spesifikke kontraster bør sammenlignes (1) riktige TLE> kontroller; (2) forlot TLE> kontroller; (3) skudd med høyre TLE> venstre TLE; (4) forlot TLE> høyre TLE; (5) kontroll> høyre TLE; (6) kontroll> venstre TLE; (7) TLE (kombinert høyre og venstre)> kontroll; og (7) kontroll> TLE (kombinert høyre og venstre).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figur 1 viser DMN avslørt med tilkobling fra en posterior frø (Rsp / PCUN, rød-gule farger) og en fremre frø (vmPFC, blå-grønne farger) og sammenligner de nettverkene som finnes i de ulike faggruppene (figur 1A-C) og mellom hverandre, nemlig friske kontroller sammenlignet med alle pasienter med TLE (figurene 1D og 1E), og deretter friske kontroller sammenlignet separat til venstre TLE (figurene 1F og 1G) og høyre TLE (figurene 1 H-og 1I). Direkte sammenligning mellom venstre og høyre TLE er også vist (Tall 1J og 1K).

TLE

TLE inkluderer fag som har enten høyre eller venstre TLE. Sammenlignet med kontroller, hadde dette kombinert gruppen redusert tilkobling fra bakre til fremre DMN regionen (figur 1D, Røde farger) en samt redusert tilkobling fra fremre DMN regionen til de bakre komponentene (Figur 1D, blå farger). Individer med TLE viste også økt fronto-parietal tilkobling med fremre og bakre DMN (figur 1E, blå / røde farger).

Venstre TLE

Individer med venstre TLE hadde redusert tilkobling av bakre DMN med fremre DMN regioner og hippocampus, parahippocampus, hjernestammen, og mediale occipital cortex (figur 1F, røde farger). Ved hjelp av en anterior frø, redusert tilkobling med posteriore komponenter (hippocampus, parahippocampal gyrus, fusiform gyrus, språklige gyrus, cingulate gyrus) ble også sett (figur 1F, blå farger). Individer med venstre TLE ble funnet å ha en utvidet peri-opercular nettverk koblet til de bakre og fremre frø (figur 1G, røde og blå farger) compared med friske kontroller.

Høyre TLE

Som i tilfellet med pasienter med venstre TLE, hadde de med riktig TLE redusert tilkobling av bakre DMN frø med de fremre DMN komponentene (Figur 1H, røde farger). Den fremre frøet hadde redusert tilkobling til posteriore regioner (bilateral hippocampus, putamen, caudatus) og anterior DMN selv. (Figur 1H, blå farger). Områder med økt tilkobling av bakre og fremre frø i høyre TLE inkludert venstre lateral temporal cortex, precuneus, tverrfure, og supplerende motor cortex. (Figur 1I).

Høyre vs Venstre TLE

Direkte sammenligning av retten TLE med venstre TLE avslørte økt tilkobling av bakre DMN frø til venstre supramarginal gyrus i venstre TLE (figur 1J, røde farger) samt fremre DMN frø til pannensområder (figur 1J, blå farger) enn akkurat TLE. Områder av økt tilkobling av bakre frø i høyre TLE inkludert venstre hippocampus, fusiforme og regioner av bilateral thalamus og hjernestammen. Områder av økt tilkobling av fremre frø i riktig TLE inkludert precuneus, bilaterale thalamic regioner, og hjernestammen regioner. (Figur 1K).

Figur 1
Den DMN tilkobling ved hjelp av en posterior frø (posterior DMN, Rsp / PCUN, rød-gule farger) og en fremre frø (vmPFC, blå-grønne farger) er vist i forskjellige Figur 1. Sammenligning av DMN i TLE sammenlignet med friske kontroller. faggrupper (AC), TLE sammenlignet med friske kontroller (DE), forlot TLE sammenlignet med friske kontroller (FG), Rett TLE sammenlignet med friske kontroller (HI), og rett TLE forhold til venstre TLE (JK). C-Control; L-Venstre TLE; R-Høyre TLE. Vennligst klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Epilepsy er antatt å være et nettverk sykdom, og forandringer i det involverte nett er til stede under anfall og i interiktal tilstand 21.. Oppgavebasert fMRI har blitt brukt til å analysere unormalt av språk og hukommelse nettverk i TLE åtte. FcMRI har naturgitte fordeler i å studere DMN 12 som det er et nettverk hovedsakelig aktiv i hviletilstand. Den DMN er et nettverk av hjernen som har blitt funnet å være aktiv i våken individer som er igjen uforstyrret og er engasjert i spontane tanker. Disse områdene har vist seg å inneholde vmPFC, Rsp / PCUN, posterior cingulate cortex, mindreverdige parietal regioner, laterale temporale regioner, og hippocampi 12,17. Den dmn er antatt å være et substrat for bevisst tilstand. Det har blitt rapportert å være endret i forhold som påvirker bevisstheten, minne og sosial kognisjon som absenser, Alzheimers sykdom, og autisme / schizofreni, henholdsvis 22-26.

Tinninglappen er intrikat koblet til DMN. Sekundær involvering av DMN kan formidle effekten av TLE på kognisjon og bevissthet 12,27. En slik sekundær involvering av DMN kan også være utløsende for den kliniske effekten av andre forhold som påvirker tinninglappen / limbiske system som schizofreni 25 og Alzheimers sykdom 22,26. Tidligere studier har vist DMN engasjement i TLE og andre former for epilepsi under anfall, under interiktal epileptiske utslipp, og i den interiktal tilstand 9,28-33. Disse studiene indikerer en potensielt viktig rolle DMN i interiktal electrographic og ictal atferdsmessige egenskaper av TLE. I det aktuelle forsøk ble frø-baserte fcMRI brukt til å analysere dmn i TLE i basal tilstand for å evaluere effekten av TLE på dmn. Navet og snakket modell av DMN tar for gitt at de store delsystemer er posterior(Rsp / PCUN) og anterior (vmPFC) komponenter. Her er de tilkoblings egenskapene til disse to hovedregioner individuelt undersøkt for å vurdere hvordan TLE påvirker deres tilkoblinger og tilhørende subnett.

Den nåværende frø-basert analyse avdekker en frakobling mellom fremre og bakre huber av DMN. En slik funksjonell tilkobling reduksjon er sannsynligvis relatert til en reduksjon i den anatomiske hvit substans tilkobling mellom de involverte strukturer som har blitt vist i en studie som viser samtidig reduksjon i funksjonell og hvit substans tilkobling mellom bakre DMN og hippocampus hos pasienter med TLE 34. Videre demonstrerer det generelt økt tilkobling i venstre TLE av fremre og bakre huber av DMN til andre områder av hjernen og generelt redusert tilkobling i høyre TLE. Dette er konsistent med tidligere studier som viser en redusert tilkobling i høyre TLE og kompenserende økningerav tilkoblingsmuligheter i venstre TLE 30,35. Vanligvis pleier rett TLE å involvere bilaterale strukturer, mens venstre TLE innebærer omfordeling av funksjonell aktivering 36,37. Dette er spesielt fremtredende i fremre frø der igjen TLE har en større tilkobling til de peri-opercular områder, sammenlignet med høyre TLE (Tall 1G, 1I, og 1J). Dette, kombinert med lavere tilkobling av bakre frø i venstre TLE sammenlignet med kontroller (Tall 1F og 1K), tyder på at den økte anterior-tilkobling i venstre TLE kan resultere fra en frakobling av bakre frø eller sammenhengene mellom bakre og fremre frø. Hippocampus er forbundet med fremre dmn via posterior dmn 34..

Den teknikk som brukes i denne undersøkelsen kan modifiseres ved å endre frø plassering og generering av hjernenettverk som tilsvarer andre hjerneområder. Alternativ analyse programvare kan brukes til å gjøre tilsvarende analyse (f.eks, SPM, AFNI). Seed basert korrelasjonsanalyser er begrenset ved at de krever en hypotese med hensyn til strukturen av den antatte nettverk under undersøkelse når det gjelder tidligere bestemmelse av frøet befinner seg. Hvis den underliggende hypotesen er feil, vil resultatene ikke være av import.

Hvile-state fcMRI 2 kan gi et mål på funksjonell tilkobling basert på spontane modulasjoner (dvs. t be urelaterte) i BOLD signaler. To vanlige metoder for dette formålet er seedet (region av interesse) basert korrelasjoner og ICA seks. Seed basert korrelasjonsanalyse krever en hypotese med hensyn til strukturen av den antatte nettverk under undersøkelse for en forutgående bestemmelse av frøet befinner seg. Etter å ha valgt frøet plassering og ekstrahering av BOLD signal av vokslene som utgjør frø, en voxel-for-voxel analyse av hele hjernener utført for å identifisere andre hjerneregioner med liknende BOLD signalmønster, og dette belyser en korrelert nettverk. En annen metode for frø-analyse er ved korrelering av signalet mellom to, eller flere, regioner av interesse. Ved hjelp av en slik metode, ble tilkoblings funnet å bli redusert mellom de angrepne hippocampus og bakre dmn i TLE 38.. På den annen side er ICA data drevet uten en pre-eksisterende hypotese og markerer rom-tidsavsøkte forskjellige nettverk i hviletilstand hjernen. En studie av DMN i TLE har også blitt utført ved hjelp av ICA og bestemt redusert tilkobling av fremre DMN hos pasienter med høyre og venstre TLE sammenlignet med kontroller. Imidlertid våre ROI (seed)-basert analyse viste tilstedeværelse av en fremre dmn nettverk i TLE, som var faktisk mer omfattende i venstre TLE sammenlignet med kontrollpersoner. Dette avviket kan være relatert til den foreslåtte frakobling av fremre fra bakre DMN, hvor et skilt anterior nettvORK er mindre synlig når du vurderer et nettverk identifiseres primært av de bakre DMN tilkoblinger. Etter avtale med en tidligere studie, kan vi gjenskape mesial time engasjement i TLE 39.

Den nåværende analysen viser hvordan frø-baserte fcMRI kan brukes til å undersøke cerebrale nettverk i hjernesykdommer slik som TLE. Identifisering av slike gruppeforskjeller bidrar forstå funksjonelle avvik i sykdomstilstander åpning muligheten for fremtidige applikasjoner som implementerer analyser som kan tolkes på enkelt emne nivå to.

En begrensning av denne analysen er manglende evne til å bestemme våken / sover tilstand av faget. Søvn har vært assosiert med redusert DMN tilkobling av frontal cortex med dyp søvn 40 eller med generell anestesi 41. Videre undersøkelser er garantert å undersøke om disse funnene kan reproduseres ved å kontrollere for hvilemodus.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Dr. Engel er finansiert av NIH Grants P01 NS02808, R01 NS33310 og U01 NS42372, har patenter WO 2009/123734A1, og WO 2009/123735A1, mottar royalties fra MedLink, Wolters Kluwer, Blackwell, og Elsevier, og har fått Godtgjørelse fra Medtronics , Wolters Kluwer, og beste legene. Dr. Stern har fungert som en betalt konsulent for UCB og Lundbeck. Dr. Stern er redaktør av MedLink Neurology, og har mottatt royalties fra Wolters Kluwer og fra McGraw-Hill. De øvrige forfatterne har ingen avsløringer eller interessekonflikter å fortolle.

Acknowledgments

Finansiering for denne forskningen ble gitt av The Epilepsy Foundation of America, Baylor College of Medicine Computational og Integrative Biomedical Research Center (CIBR) Seed Grant Awards (ZH), NIH-ninds K23 Grant NS044936 (JMS); og The Leff Family Foundation (JMS) Datainnsamling ble assistert 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