El desarrollo de Neuroimagen fenotipos del modo de red por defecto en el TEPT: Integrando el estado de reposo, la memoria de trabajo, y la conectividad estructural

Resumen

This protocol describes the complementary neuroimaging techniques of resting state structural connectivity, task-induced deactivation, and structural connectivity analyses to examine the default network in post-traumatic stress disorder. The use of synergistic methods could potentially lead to improved diagnostics and assessments of severity, outcome, and other relevant clinical factors.

Resumen

Técnicas de neuroimagen estructural y funcional complementarios utilizados para examinar el modo de red por defecto (DMN) podrían potencialmente mejorar la evaluación de la gravedad de la enfermedad psiquiátrica y dar validez añadido al proceso de diagnóstico clínico. Investigaciones recientes de neuroimagen sugieren que los procesos DMN pueden interrumpirse en varias enfermedades psiquiátricas relacionadas con el estrés, como el trastorno de estrés postraumático (TEPT).

Aunque las funciones DMN específicos permanecen bajo investigación, se piensa en general a participar en la introspección y la auto-procesamiento. En las personas sanas que exhibe mayor actividad durante los períodos de descanso, con menos actividad, observada como la desactivación, durante las tareas cognitivas, como por ejemplo, la memoria de trabajo. Esta red está formada por la corteza medial prefrontal, la corteza cingulada posterior / precuneus, cortezas parietal lateral y medial regiones temporales.

Imaginación funcional y estructural múltipleSe han desarrollado enfoques ng para estudiar la DMN. Estos tienen un potencial sin precedentes para fomentar la comprensión de la función y disfunción de esta red. Enfoques funcionales, tales como la evaluación de reposo conectividad estado y la desactivación inducida tarea-, tienen un excelente potencial para identificar neurocognitivo específica y neuroaffective (funcionales) marcadores de diagnóstico y puede indicar la gravedad de la enfermedad y el pronóstico con mayor precisión o especificidad. Enfoques estructurales, tales como la evaluación de la morfometría y la conectividad, pueden proporcionar marcadores únicos de resultados etiología y largo plazo. Combinados métodos, funcionales y estructurales proporcionan fuertes enfoques multimodales, complementarios y sinérgicos para desarrollar fenotipos de imágenes basado en DMN válidos en condiciones psiquiátricas relacionadas con el estrés. Este protocolo tiene como objetivo integrar estos métodos para investigar la estructura y función DMN en el TEPT, relacionando los hallazgos con la gravedad de la enfermedad y los factores clínicos relevantes.

Introducción

Neuroimagen representa una herramienta con un potencial sin precedentes para examinar la validez de diagnóstico, la severidad de la enfermedad, los pronósticos y la respuesta al tratamiento en neuropsiquiatría. Una amplia gama de técnicas de neuroimagen complementarios es ahora disponible para caracterizar la estructura y la función de los sistemas de clave del cerebro, y para ayudar en la identificación de fenotipos de neuroimagen en poblaciones psiquiátricas. De estos sistemas, el modo de red por defecto (DMN) ha recibido una gran atención en la literatura cognitiva y la neurociencia clínica en la última década.

La DMN es una denominada "red de estado de reposo" que incluye la corteza prefrontal medial (MPFC) como el nodo principal anterior, cíngulo posterior corteza / precuneus (PCC) como el nodo posterior principio, junto con las cortezas parietal inferior-laterales y regiones temporales mediales. Ellos característica clave de esta red es que exhibe su mayor actividad durante los períodos de descanso, WHIch se produce mientras los sujetos están despiertos y alertas, pero no participan en una tarea específica; esta actividad estado de reposo se acuñó el "Modo predeterminado" de la función cerebral ^1. Descansar la actividad estatal en el DMN es también altamente sincronizada, que se describe como descansando conectividad funcional estatal. La otra característica clave de la DMN es que demuestra disminución de la actividad durante los períodos de aumento de las demandas cognitivas externos, que se observa como la desactivación inducida tarea durante la neuroimagen funcional paradigmas ^2,3. La hipótesis es que se necesita el equilibrio entre el interior (es decir, el estado de reposo) y externa (es decir, la actividad relacionada con la tarea) exigencias para mantener el cerebro sano funcionamiento ^3-5.

Las siguientes secciones proporcionan una breve descripción de los tres métodos para el estudio de la conectividad funcional: DMN y desactivación tarea asociada, seguido de la conectividad estructural. Estos tres métodos son la descripciónribed formas complementarias para caracterizar esta red en muestras clínicas, como los pacientes con trastorno de estrés postraumático y trastornos psiquiátricos relacionados.

Descansar Estado DMN Conectividad Funcional

Descansando conectividad funcional estado ha convertido recientemente en un enfoque común utilizado para evaluar los patrones de la función cerebral de línea de base en la ausencia de demandas de la tarea. La conectividad funcional es un método analítico que cuantifica la coherencia, o el grado de sincronía en la señal dependiente del nivel de oxígeno en sangre (negrita) en el tiempo, a través de diferentes regiones del cerebro. Un creciente cuerpo de literatura de investigación sugiere que los patrones típicos de conectividad DMN se pueden alterar en clínica y las poblaciones en riesgo, y en particular aquellos con una exposición previa al estrés o trauma significativo. El hallazgo más común ha sido la disminución de la conectividad funcional DMN reposo estado asociado con TEPT ^6. Esta conectividad disminuida puede VHAe aplicaciones clínicas directas, como disminución conectividad DMN pueden ser predictivos de los que se puede desarrollar trastorno de estrés postraumático después de un estresante aguda ^7. Conectividad funcional DMN disminuida puede ser interpretado de varias maneras, lo más común que refleja la falta de comunicación entre las regiones cerebrales cruciales involucrados en la auto-procesamiento, que pueden llevar a una incapacidad para reasignar los recursos internos de procesamiento DMN línea de base a las demandas externas. Esta interrupción de la red puede explicar los síntomas clínicos principales de trastornos psiquiátricos como trastorno de estrés postraumático y otros trastornos psiquiátricos relacionados con el estrés ^8. Más investigación de la etiología de estos trastornos es un área importante para la investigación futura.

Desde una perspectiva más general, las ventajas de examen de la conectividad funcional de la DMN incluyen relativamente fácil aplicación y un patrón robusto de reposo conectividad funcional estado en los controles sanos que permite una comparación fiable ^9,10 . Por lo tanto, este método tiene el potencial de ser convertido en un biomarcador de neuroimagen fácilmente implementado y robusto de los trastornos psiquiátricos relacionados con el estrés que informa el funcionamiento del cerebro en ausencia de demandas de tareas específicas en individuos con trastorno de estrés postraumático y otros trastornos psiquiátricos relacionados con el estrés.

Desactivaciones asociadas DMN-Tarea

El examen de la respuesta DMN durante la memoria de trabajo (WM) ofrece otro enfoque para investigar la función y disfunción de esta red más allá de reposo sincronía estado. Este enfoque, que refleja el método más común de imagen de resonancia magnética funcional (fMRI), proporciona información diferente acerca de la respuesta a las demandas de tareas que pueden tener importancia clínica ^11. Investigaciones anteriores han documentado que los participantes con TEPT demuestran funcionamiento deteriorado WM y un mayor grado de desactivaciones DMN durante las tareas de WM, quizás reflejando un mayor esfuerzo cognitivo ^12-15. Using WM como un desafío FMRI tiene varias ventajas. Por ejemplo, que se desenganche de forma fiable varias regiones clave DMN, de reposo a un estado activo. Más relevante para el TEPT y otros trastornos psiquiátricos relacionados con el estrés, WM tareas se desenganchan de forma fiable el MPFC, el principal nodo de DMN anterior que está involucrado en vías críticas dysregulated en el TEPT. Ha sido bien establecido que el MPFC modula ascendente actividad de la amígdala, y probablemente desempeña un papel crucial en el condicionamiento del miedo ^16. Las evaluaciones de la actividad MPFC también puede ser un indicador útil en el futuro la atención clínica. Por ejemplo, en un estudio previo de los agentes de policía traumatizados, la psicoterapia de exposición aumentó la actividad MPFC y la disminución de la actividad de la amígdala durante la recuperación de la memoria traumática. Estos cambios de neuroimagen se asociaron con los síntomas TEPT disminuyeron ^17. Esta instancia de desactivaciones mpfc inducidas-WM es sólo un ejemplo de cómo las métricas de neuroimagen se pueden aplicar a las poblaciones clínicas, y la exploración adicionalde otros componentes de DMN es probable que sea un área fructífera de investigación futura.

En este protocolo, se utiliza la tarea n-back de la memoria de trabajo verbal. La tarea n-back se utiliza ampliamente en la investigación FMRI, y proporciona un encendido seguro de la activación ejecutivo y regiones de desactivación de red de modo predeterminado ^18,19. Esta tarea incluye tres componentes, una tarea carta vigilancia 0-back, la tarea 2-back de la memoria de trabajo y de descanso de línea de base para la comparación. Durante la tarea de vigilancia 0-back, los participantes respondieron "sí" cuando apareció un objetivo predeterminado consonante ("H" o "h") y "no" por otras consonantes con un cuadro de respuesta de dos botones, mientras que en el interior del escáner. Seis bloques de control 0-back de 9 consonantes se presentan durante esta tarea. Durante la 2-back, una serie de consonantes se presentan visualmente en 500 ms cada una, con un intervalo inter de 2.500 ms. Los participantes hacen un "sí" o "no"respuesta, después de presentados cada consonante, para indicar si se trata de la misma o diferente de la consonante presentó dos previamente en una serie (por ejemplo., w, N, R, N, R, Q, R, Q, N, W, etc. , con las respuestas correctas se indican en negrita). Durante la 2-back, seis series de 45 segundos de 15 consonantes se presentan. Para realizar correctamente el participante debe mantener un conjunto cognitivo exigiendo que incluye buffering constante fonológica (es decir. La celebración de las consonantes en la memoria a corto plazo), ensayo subvocal fonológica (es decir. Repitiendo consonantes sin articular en voz alta), y la coordinación ejecutiva. En ambos 0 - y los bloques de 2-back, la tasa de presentación es la misma, el 33% de los objetivos se presentan en lugares al azar, y la capitalización es aleatorio para fomentar la codificación verbal. Una línea de base descansando 30 segundos con un punto de fijación en forma de cruz se presenta antes de cada bloque 0-back; esta línea de base se utiliza para subsequcomparaciones rentes de actividad de tarea asociada en comparación con la línea de base durante los análisis de datos.

Tomados en conjunto, los datos existente sugiere que la caracterización de la actividad DMN tarea asociada durante una variedad de tareas puede desempeñar un papel importante en el uso clínico de análisis DMN funcional. Hay otras ventajas de utilizar WM como un reto FMRI en el estrés relacionado con trastornos psiquiátricos. Al igual que en reposo conectividad estado, hay un patrón claro de desactivaciones DMN durante WM en individuos sanos, lo que facilita las comparaciones con muestras clínicas. WM también es un trauma neutral, que puede evitar el desencadenamiento de los síntomas de TEPT clínicos durante la exploración. Por lo tanto, este método también tiene el potencial de ser convertido en un biomarcador de neuroimagen que refleja cómo el cerebro responde a las demandas externas en los trastornos psiquiátricos relacionados con el estrés.

DMN Estructural Conectividad

Mientras que la imagen funcional es capaz de describir el cambios en la conectividad cerebral o actividad asociada con la exposición al estrés, los enfoques funcionales no describen la etiología detrás de los cambios del cerebro observados. Métodos de imagen estructural, tales como imágenes de tensor de difusión (DTI), son capaces de medir y cuantificar la integridad de los tractos de sustancia blanca que conectan las regiones del cerebro. DTI es el enfoque de neuroimagen estructural más común y las medidas de integridad de la materia blanca en base al anisotrópico (es decir direccional) flujo de moléculas de agua a lo largo de los tractos de sustancia blanca, como los flujos de agua predominantemente a lo largo de los tractos de sustancia blanca (frente a través de ellos). Esta diferencia en el flujo direccional se expresa como la anisotropía fraccional (FA). Menores grados de FA se cree que reflejan los cambios microestructurales en tractos de sustancia blanca, que pueden ser manifestaciones de lesión neuronal a partir de una variedad de causas, incluyendo las consecuencias de la exposición al estrés ^4. Desde una perspectiva de red, la actividad cerebral coordinada (es decir, en reposo la actividad estatal o cooractividad relacionada con la tarea dinados) debe confiar en las conexiones estructurales. En el caso de los resultados de DMN anteriores, lesión estructural deteriora la comunicación entre los nodos de DMN, lo que lleva a la disminución de la conectividad funcional DMN. Del mismo modo, el aumento de los patrones de desactivación pueden reflejar el daño microestructural que requiere la contratación de mayores áreas de la corteza durante la respuesta a la tarea. Relevante para trastorno de estrés postraumático y la DMN, varios estudios han demostrado la disminución de la FA en el haz cíngulo ^20,21, que es el tracto materia blanca que conecta las principales estructuras límbicas del cerebro ^22. Es probable que las medidas más precisas que utilizan tractography (es decir, que traza directamente tractos de sustancia blanca en el nivel neuronal) podrán aclarar específicamente que las fibras de materia blanca están implicados en la interrupción de la red. Las ventajas de las imágenes DTI es que es relativamente fácil de adquirir ya que no existen tareas necesarias para llevar a cabo en el escáner.

En la foprotocolo llowing, los enfoques funcionales de reposo conectividad funcional del Estado y la cuantificación de las desactivaciones inducida tareas se combinan con un examen de la conectividad estructural utilizando DTI, con el fin de mapear la estructura y función DMN y relacionar estos hallazgos con la gravedad de la enfermedad y los factores clínicos relevantes en el TEPT . Hemos implementado anteriormente este enfoque en adultos sanos expuestos al trauma ^18,23 y se encontró que este protocolo proporciona un método convincente para caracterizar la DMN que se presta a la adaptación al estudio de TEPT y otros tipos de estrés relacionados con enfermedades psiquiátricas.

Protocolo

Los participantes elegibles firmar consentimiento informado por escrito para participar en el proyecto de investigación. La investigación se lleva a cabo de conformidad con las directrices institucionales, nacionales e internacionales para el bienestar humano.

1. Screening participante y las entrevistas de diagnóstico

1. Después de consentimiento informado, realizar entrevistas de diagnóstico para verificar el diagnóstico de trastorno de estrés postraumático y la gravedad de la enfermedad. NOTA: Estas medidas incluyen la Entrevista Clínica Estructurada para el DSM-IV-TR (SCID) ²⁴ y la administrada por un médico de PTSD Scale (CAPS) ^25, así como el Examen de Estado Mini-Mental de Folstein (MMSE) ²⁶ para evaluar el estado cognitivo.
2. Pida a los participantes llenar las escalas de autoinforme pertinentes a la tensión y el estado de ánimo.
   NOTA: Estos incluyen el Revisada-Checklist vida estresante (LSC-R) ^27, Niñez Trauma Questionnaire (CTQ) ^28, Escala de Estrés Percibido (PSS) ²⁹ e inventario rápido de los síntomas depresivoss (QIDS-SR) ^30.
3. Programe los participantes elegibles para la RM, donde los participantes llegan aproximadamente 1 hora antes de la sesión de exploración programada, para revisar los componentes necesarios para la exploración, tales como los procedimientos de estudio de resonancia magnética y de seguridad.
4. Obtener la orina, el embarazo (cuando proceda), y las pruebas de toxicología antes de escanear.

2. Los participantes de capacitación para realizar la tarea n-back

1. Comienza la primera carrera con la prueba de la carta vigilancia 0-back.
   1. Instruya a los participantes para indicar "sí" a un objetivo consonante ("h" o "H") a través de una caja con dos botones de respuesta y "No" a todas las demás consonantes.
   2. Mostrar el participante 9 consonantes de 500 ms cada uno, con un tiempo de 2,500 ms interstimulus, para un total de 27 segundos, y pedirle que contestara según lo indicado anteriormente. NOTA: La consonante objetivo se muestra 4 veces dentro de cada bloque 0-back.
2. A continuación, haga que los participantes practicar el 2-baprueba ck.
   1. Instruya a los participantes a dar una respuesta "Sí" o "No" en el cuadro de respuesta de dos botones, después de presentados cada consonante, para indicar si se trata de la misma o diferente de la consonante presentó dos previamente en una serie.
   2. Mostrar al participante una serie de 15 consonantes, de 500 ms cada una, con un intervalo inter de 2500 ms, para un total de 45 segundos. NOTA: Un estímulo objetivo aparece 5 veces.
3. Capacitar a los participantes para llevar a cabo la tarea n-back fuera del escáner, hasta que llega a su rendimiento> 75% de aciertos en el componente 2-back. NOTA: Los parámetros anteriores se pueden automatizar mediante el software de presentación de estímulos (véase la Tabla de Materiales / Equipos).

3. RM Adquisición

1. Haga que el cambio de los participantes en la ropa compatible con resonancia magnética, y llevarlos dentro de un 3 Tesla MRI sala del escáner. Pídales que usen tapones para los oídos para la protección auditiva, y luego se acueste en una camilla que duraranl en última instancia los trasladan a la mitad de la máquina de resonancia magnética.
   1. Coloque cojines alrededor de su cabeza para minimizar el movimiento de cabeza. Les proporcionan el cuadro de respuesta compatible con la RM para la tarea de memoria de trabajo n-back, apriete el bulbo para detener la exploración en caso de una emergencia, y colocar un oxímetro de pulso en el dedo para el monitoreo y registro fisiológico.
   2. Coloque la cabeza de bobina de 32 canales y presentación de pantalla sobre la cabeza del participante, y moverlos hacia el centro del escáner.
2. Asegúrese de que el participante se sienta cómodo y se puede ver la pantalla y, a continuación, iniciar el MRI sesión de digitalización. Comience con la adquisición de alta resolución (1 mm ³⁾ escáneres cerebrales anatómicas. Introduzca los parámetros de resonancia magnética de alta resolución en la consola del escáner en tiempo de eco (TE) = 2,98 ms, Tiempo de repetición (TR) = 1900 ms, campo de visión (FOV) = 256 mm ² y la matriz de tamaño 64 ² en rodajas de 1 mm. Inicie la adquisición MRI pulsando el botón "Ejecutar" en la exploraciónconsola ner.
3. Establezca los parámetros de adquisición de imágenes BOLD FMRI en la consola escáner como TR = 2500 ms, TE = 28 ms, FOV = 192 mm ^2, y la matriz de tamaño 64 ² de 3 mm cortes axiales.
4. A continuación, obtener imágenes FMRI en la memoria de trabajo, mediante la prueba n-back (ver apartado 2) con los siguientes parámetros:
   1. Presentar una cruz de fijación 30 seg línea de base, para el paciente, antes de cada uno de los bloques del 0-back que utilizan el software de presentación de estímulo. NOTA: Esto proporcionará una base de comparación para el otro 0 - y los bloques 2-back durante el análisis de datos.
   2. Proyecte las instrucciones para el paciente durante 3 segundos antes de cada 0 o tarea 2-back con el software de la presentación del estímulo.
   3. En total, se incluyen tres porciones 0-back y 2-back junto con dos bloques de referencia, en dos carreras de formación de imágenes, que se presentan con el fin de contra-balanceado.
5. Presione "Ejecutar" en la consola del escáner de resonancia magnética para empezar.
6. Después de la terminación de la n-back, garantizar laparticipante es cómodo y listo para seguir adelante. Dígales que el bloque de descanso es el siguiente, y decirles que no dormirse. Utilice el software de presentación de estímulo para mostrar una cruz de fijación en la pantalla.
7. Adquirir descansando imágenes de estado para el próximo 4 minutos, con la misma configuración FMRI como se utiliza para adquirir imágenes n-back (ver 3.3), pulsando el botón "Ejecutar" en la consola del escáner de resonancia magnética.
8. Repita los pasos 3.4. y 3,5. Antes de cada nueva sección, pida al participante si se sienten cómodos y si son capaces de continuar. Si son capaces, siguen el protocolo. Si no es así, haga una pausa el equipo de resonancia magnética y hacer los ajustes para la comodidad como sea necesario.
9. A continuación, decirle al participante que el escáner puede estar temblando en las próximas secuencias, y darles instrucciones para que cierren los ojos y relajarse lo mejor que puedan en el escáner. Luego de adquirir una secuencia DTI pulsando el botón "Ejecutar" en la consola del escáner.
10. Establezca los parámetros de adquisición de imágenes de DTI en el con escánerúnica a doble espín imágenes eco-planar de difusión (DWI), con gradientes de difusión aplicadas en 64 direcciones no colineales (b = 1,000), un DWI para cada dirección del gradiente y 10 no ponderado (b = 0) Imágenes de normalización, TR = 10 060 ms, TE = 103 ms, FOV = 226 mm, 128 ² matriz, grosor de corte = 1,8 mm, con ecos parciales e interpolación en.
11. Retire el participante desde el escáner, y preguntar acerca de la forma en la sesión fue. Responda a todas las preguntas que puedan tener, y darles las gracias por su participación. Haga que el equipo escáner de resonancia magnética escribir un DVD con imágenes de los participantes y la grabación de los datos fisiológicos posterior análisis.

4. Análisis de Datos

1. Preprocesamiento de datos
   1. El uso de software de procesamiento de FMRI, reconstruir los datos en bruto en los conjuntos de datos 3D + tiempo, concatenar y registrarse para el quinto volumen de la primera serie, para minimizar el movimiento del artefacto y los parámetros de corrección de movimiento ceder. Aplicar el filtrado de paso de banda (0,009-0,08 Hz) para aislar el dominio de la frecuencia DMN y reducir los efectos de baja deriva de frecuencia y el ruido de alta frecuencia. NOTA: Las variables de puro estorbo para cada voxel deben incluir ventrículo normal y de series de tiempo de la sustancia blanca, así como 6 estimaciones de los parámetros de movimiento de la cabeza; estas estimaciones deben incluir ambos valores degradado y de derivados. La evolución en el tiempo previsto de las variables de molestia debe ser removido de la serie de tiempo completo voxel para producir un conjunto de datos de series de tiempo "residuales" que se utilizarán para el análisis de correlación más tarde ^31.
   2. Datos de escalas para normalizar dentro de una serie de intensidad, y los datos suaves de hasta un 4 mm de ancho completo la mitad del máximo (FWHM) del kernel de Gauss. Censor de imágenes con más de 1,5 mm de desplazamiento del conjunto de datos ^32. No lleve a cabo la regresión de la señal global (GSR), ya que puede influir en GSR correlaciones en los datos del estado de reposo ^33,34.
2. Descansar análisis de conectividad del Estado
   1. Utilice semillas región conectividad analiza para evaluarla relación entre definida a priori regiones para evaluar la conectividad funcional ^11. NOTA: Las semillas que se incluyen son los principales nodos anterior y posterior de la DMN, el MPFC y PCC, respectivamente. Coordenadas funcionales de estas ubicaciones son generalmente superiores a las ubicaciones atlas-definido ^35.
   2. Extracto de la serie de media hora BOLD de estas semillas y llevar a cabo un análisis de correlación de todo el cerebro. Transformar los valores de R de correlación de las puntuaciones Z ³⁶ para la prueba de hipótesis posterior.
      1. Comparar los valores de Z entre los grupos en un voxel por voxel base para evaluar las diferencias significativas en la conectividad funcional entre el TEPT y los controles como medida de resultado primaria. Umbral de estos resultados en una significación de dos colas de p <0,05, utilizando la familia de sabios (es decir cluster) de corrección de errores. NOTA: La corrección Cluster se genera utilizando simulaciones de Monte Carlo para estimar la probabilidad de grupos de falsos positivos. Utilice algorith estadísticams para calcular la corrección de clúster en función del FOV, resolución, la suavidad y la intensidad de la señal en el nivel de voxel individuo ^37.
   3. Para evaluar la relación entre los síntomas clínicos y los resultados de las imágenes, realizar el seguimiento de los análisis que incluyen las correlaciones entre las puntuaciones de la escala de calificación y puntaje Z de la conectividad de las regiones DMN. Incluir análisis de correlación que cuenta para obtener información demográfica relevante, como la gravedad de la depresión, lesión cerebral traumática, así como la educación y otras variables asociadas.
3. Los análisis de la memoria de trabajo
   1. Utilice el software de procesamiento FMRI para pre-procesar los datos y basada en voxel GLM para cuantificar la actividad específica de la tarea en cada voxel del cerebro de los conjuntos de datos individuales ^11,31. NOTA: Las variables independientes en el GLM son el curso temporal de descanso y el 0 - 2 y las tareas de devolución (incluyendo transiciones hemodinámicos modeladas en función gamma) y covariables (deriva lineal y observard movimiento), con la señal BOLD con el tiempo como la variable dependiente.
   2. Promedio resultante pesos beta GLM entre regiones DMN especificados. NOTA: Estas respuestas n-back promediados a partir de datos de nivel individual sirven como medida básica de la actividad cerebral en los análisis estadísticos a nivel de grupo subsiguientes.
   3. Usar análisis de covarianza para examinar las diferencias de nivel de grupo entre los grupos de TEPT y no TEPT y para estimar los efectos de dificultad de la tarea (por ejemplo, las comparaciones de actividad durante 0 - Tareas 2-back vs) en cada región DMN; También incluya el análisis de las medidas de control estadístico pertinentes según sea necesario durante el reposo analiza el estado en 4.2.
4. Conectividad Estructural Utilizando DTI
   1. Preprocesamiento
      1. El uso de software de procesamiento de imágenes DTI, co-registro no difusión (es decir. B = o) para corregir los artefactos de movimiento, y el uso como imagen de una normalización de las imágenes potenciadas en difusión posteriores. Utilice una transformación afín 12 parámetrospara registrar las imágenes potenciadas en difusión para dar cuenta de los artefactos de movimiento y por corrientes de Foucault.
      2. Asegúrese de que el vector de gradiente para cada dirección de difusión se hace girar para tener en cuenta las transformaciones anteriores para modelar apropiado. Calcula un tensor de difusión de segundo orden por voxel de las atenuaciones de señal ponderadas de difusión mediante un procedimiento de ajuste no lineal restringida ^38.
      3. Utilice las imágenes potenciadas en difusión para calcular valores propios, vectores propios y los mapas de anisotropía fraccional de difusión.
   2. Utilice software tractography cuantificar la integridad de la del haz del cíngulo. Utilizar atlas estándar para la selección región de semillas, tales como los que por Mori et al. ³⁹ y Catani y De Schotten ^40. Filtrar tractography resultante a través de una región de la exclusión de la línea media para eliminar las fibras que cruzan entre los hemisferios. Calcula media FA, rastro, axial y la difusividad radial para todos los voxels por las que pasa el haz del cíngulo.
   3. Use modelo mixto ANOVA para cada medida de difusión, con el hemisferio como una variable intrasujeto, para comparar las diferencias de grupo entre el TEPT y los participantes no TEPT, estadísticamente se controlan otros factores, como la gravedad de la depresión, el abuso de sustancias, LCT leve y la educación y demográfico variables utilizando ANCOVA.

Resultados

Los resultados representativos se basan en los datos recopilados utilizando el mismo enfoque de formación de imágenes en dos muestras diferentes de individuos con antecedentes de trauma infantil y el maltrato, pero sin TEPT ^21,22. Los resultados de reposo conectividad funcional estado análisis revelaron un patrón espacial coherente con los principales nodos de la DMN (Figura 1) ^1-3,8 incluyendo la MPFC, PCC, giro angular / lóbulo parietal inferior y regiones temporales medias....

Discusión

Los dos pasos más importantes para la implementación exitosa del protocolo de neuroimagen están capturando con precisión el estado de reposo y de trabajo los efectos de memoria.

Conceptualmente, la adquisición de imágenes de estado de reposo es sencillo. Puesto que no hay tarea que realizar, los experimentadores a menudo describen la actividad cerebral durante estas épocas como "descanso". Sin embargo, ya que este campo es relativamente nuevo en comparación con otras áreas...

Materiales

Name	Company	Catalog Number	Comments
3T TIM TRIO	Siemens		3T MRI
MRI-compatible pulse oxymeter	Siemens	model # 07389567
Analysis of Functional Neuroimaging	NIH	http://afni.nimh.nih.gov/	Data analysis software package
Eprime	Psychology Software Tools, LLC	http://www.pstnet.com/eprime.cfm	Stimulus presentation software
Slicer	Brigham and Women's Hospital	http://www.slicer.org/	Probabilistic tractography software