(1) 40 Musikern und 40 nicht-Musiker zu rekrutieren.

1. Musiker sollten mindestens 10 Jahre musikalische Ausbildung haben. Training mit einem Musikinstrument ist akzeptabel. Musiker sollten auch aktiv üben ihr Instrument für mindestens eine Stunde pro Tag.
2. Kontrollpersonen sollten wenig formale Ausbildung in ein Musikinstrument zu spielen haben.
3. Alle Teilnehmer sollten Rechtshänder sein.
4. Alle Teilnehmer sollten keine Geschichte der neurologischen, psychiatrischen oder kardiale Störungen haben.
5. Alle Teilnehmer sollten kein Metall in ihrem Körper haben, die sie entfernen können, um sicherzustellen, dass sie MRI-sicher sind.

2. Pre-Scan-Verfahren

1. Prescan Schreibarbeit.
2. Wenn die Teilnehmer ihre fMRI-Scans kommen, haben sie Erstbefüllung ein Metallsieb Formular zu stellen sicher, dass sie keine Kontraindikationen zur MRT, eine Zufallsbefunde Form Zustimmung für ihre Scan von einem Radiologen und eine Einverständniserklärung über die Risiken und Vorteile der Studie betrachtet werden.
3. Bereiten Sie die Teilnehmer in den Scanner zu gehen, indem Sie ihren Körper, einschließlich Gürtel, Brieftaschen, Handys, Haarspangen, Münzen und Schmuck aus Metall entfernen.

3. Legen Sie den Teilnehmer in den Scanner.

1. Geben Sie die Teilnehmer Ohrstöpsel schützen ihre Ohren vor dem Lärm der Scanner und Ohr Handys zu tragen, so dass sie den Experimentator während des Scans hören, und Sie liegen auf dem Bett mit ihrem Kopf in der Spule.
2. Geben Sie die Teilnehmer den Notfall Squeeze-Ball und weisen sie es im Notfall während des Scans zu quetschen.
3. Einsatz-Schaumstoff-Pads, die Teilnehmer zu sichern den Kopf in der Spule zu vermeiden übermäßige Bewegung während des Scans, und erinnern die Teilnehmer, dass es sehr wichtig, während des Scans als auch die kleinsten Bewegungsunschärfe möglichst ruhig bleiben die Bilder.

(4) die Datenerhebung

1. Sammeln Sie einen hochauflösende anatomische Scan des gesamten Gehirns. Diese Überprüfung sollte eine T1-gewichteten Sequenz wie eine Magnetisierung vorbereitet schnelle Gradient Echo (MP-RAGE) mit 1 mm isotrope Voxel.

(5) Datenanalyse

1. Entfernen Sie den Schädel aus jeder anatomischen Gehirn-Scan mit automatisierten Software. Überprüfen Sie den Schädel stripping für Qualität.
2. Erstellen Sie eine studienspezifischen grauen Substanz Vorlage mit einen iterativen Prozess der linearen und nicht linearen Registrierung (Abbildung 1).
   1. Verwenden Sie automatisierte Software, um jedes Thema Gehirn in weißen Substanz, graue Substanz und CSF basierend auf der Intensität an jedem Voxel zu unterteilen.
   2. Führen Sie eine lineare affine Transformation mit 12 Freiheitsgraden, jedes Thema Gehirn zu einem standard Atlas Raum, wie z. B. der MNI152-Atlas zu registrieren.
   3. Warp jedes Thema grauen Bild in diesem Raum, und sie alle zusammen im Durchschnitt.
   4. Dieses Bild von links nach rechts zu spiegeln und dann durchschnittlich Spiegelbilder zusammen, um die graue Substanz Vorlage Gehirn produzieren.
   5. Neu registrieren Sie jedes Thema Gehirn dieser Vorlage mithilfe einer nichtlinearen Transformation.
   6. Durchschnitt aller neu transformierten Gehirn zusammen.
   7. Ein Spiegelbild dieser neuen Vorlage zu machen, und durchschnittlich zwei Spiegelbilder zusammen, um eine endgültige grauen Vorlage für diese Studie zu produzieren.

Abbildung 1: Erstellung von studienspezifischen grauen Substanz Vorlage. Iterative lineare und nichtlineare Transformationen zu verwenden, ist jedes Gehirn registriert, um einen gemeinsamen Raum und im Durchschnitt zusammen, um ein studienspezifischen grauen Substanz Vorlage Gehirn zu erstellen.

3. Jedes Thema grauen Bild, um die Vorlage zu registrieren und vorverarbeiten.
   1. Verwenden Sie eine nicht-lineare Transformation jedes Thema Gehirn der studienspezifischen Vorlage.
   2. Zum Ausgleich der Höhe jedes Gehirn wurde Struktur gedehnt, die Vorlage Raum passen, multiplizieren Sie mit ein Maß dafür wie viel verziehen geschehen ist. Diese Maßnahme wird die Jacobi das Warp-Feld genannt. Dieser Schritt ist für die Tatsache zu beachten, die die Strukturen erscheinen mag, mehr graue Substanz einfach zu haben weil sie mehr durch den nichtlinearen Registrierungsprozess ausgedehnt worden.
   3. Glätten Sie die Daten mit Hilfe eines Gaußschen Kernels mit einer vollen Breite halbe maximale (FWHM) von 10 mm.
   4. Diese ausgerichtet, geglättete Gehirne dient als die finalen Daten für Voxel-basierte Analyse.
4. Verwenden Sie das allgemeine lineare Modell, um den Unterschied zwischen den Gruppen in jedem Voxel zu analysieren.
   1. Modellieren Sie jede Gruppe von Gehirn mit einem separaten Regressor und berechnen Sie einen Kontrast, der vergleicht die beiden Gruppen, Generierung von statistischen Karten, die die Wahrscheinlichkeit, dass Unterschiede bei jedem Voxel zu quantifizieren.
   2. Schwelle der statistischen Karten, statistisch signifikante Cluster zu identifizieren.
      1. Beschäftigen eine mehrere Vergleiche Korrektur Technik wie False Discovery Rate (FDR) zur Kontrolle für die Tatsache, dass Tausende von gleichzeitigen statistische Tests tun. Mit FDR schätzt ein Q -Wert von 0,01 die Rate von Fehlalarmen über dem Schwellenwert von 1 %.