Finanziamento per questa ricerca è stato fornito dalla Fondazione Epilessia of America, Baylor College of Medicine computazionale e integrative Biomedical Research Center (CIBR) Semi di Grant Awards (ZH), NIH NINDS-K23 di Grant NS044936 (JMS); . e The Family Foundation Leff (JMS) L&#39;acquisizione dei dati è stata assistita da: Elizabeth Pierce (UCLA).

1. Soggetti <ol><li> La popolazione di studio di 36 soggetti comprende tre gruppi: a destra TLE (n = 11), a sinistra TLE (n = 12), e controlli sani (n = 13). Ottenere il consenso informato scritto da tutti i soggetti. Lo studio segue le linee guida della University of California, Los Angeles (UCLA) Institutional Review Board. </li><li> I gruppi di soggetti con epilessia dovrebbero essere i pazienti che sono candidati per la resezione del lobo temporale anteriore, come determinato dal monitoraggio video-EEG, MRI del cervello, imaging PET, e test neuropsicologici. I pazienti devono continuare i loro soliti farmaci durante la scansione fMRI e non devono essere digitalizzata immediatamente dopo un sequestro. Assicurarsi che tutti i soggetti hanno normali risonanze magnetiche del cervello e sono esenti da malattie neurologiche (diverso da epilessia nei gruppi di pazienti) o si utilizza farmaci neurologici. </li></ol> 2. Imaging <ol><li> Utilizzare un sistema a 3 Tesla MRI per l&#39;imaging. Ottenere sezioni assiali per immagini funzionali utilizzando un planare imag ecoING (EPI) sequenza e per le immagini anatomiche mediante gradiente viziato richiamate (SPGR) sequenza. </li><li> Eseguire l&#39;imaging funzionale utilizzando i seguenti parametri: TR = 2,000 msec, TE = 30 msec, FOV = 210 mm, matrice = 64 x 64, spessore di strato 4 millimetri, 34 fette. Utilizzare i seguenti parametri per imaging ad alta risoluzione strutturale: TR = 20 msec, TE = 3 msec, FOV = 256 millimetri, matrice = 256 x 256, spessore fetta 1 mm 160 fette. </li><li> Ogni sessione di imaging dovrebbe durare 20 min. Chiedere ai partecipanti di rilassarsi con gli occhi chiusi. Non è richiesta alcuna particolare input uditivo. </li></ol> 3. Pre-elaborazione dei dati BOLD <ol><li> Pre-elaborazione dei dati fMRI utilizzando FSL (fMRIB Software Library) versione del software 4.1.6 (Oxford, UK, www.fmrib.ox.ac.uk / FSL) 13,14. Fasi di pre-elaborazione devono includere i seguenti: Usa FSL MCFLIRT per rimuovere i movimenti della testa artefatto 15. Utilizzare BET FSL per rimuovere il tessuto nonbrain 16 con BET l&#39;opzione-F per i file BOLD. Questo aiuta a conduzione ffasi di analisi LTERIORI sulla sola tessuto cerebrale. </li><li> In FEAT, eseguire un&#39;analisi minimamente trasformati con la registrazione. Selezionare &quot;analisi di primo livello&quot; e cambiare &quot;analisi completa&quot; a &quot;pre-stats&quot; dai primi due bottoni. <ol><li> Nella scheda pre-stats, deselezionare &quot;estrazione del cervello BET&quot; e selezionare &quot;Nessuno&quot; per &quot;correzione Motion&quot; (in quanto queste sono state già fatte in precedenza). Registrare le immagini funzionali (BOLD) per la anatomico (SPGR) immagini e quindi ad un livello di immagine (MNI). Ciò si traduce nella generazione di matrici di trasformazione, che successivamente saranno utilizzati durante l&#39;analisi di deformare i semi selezionati nello spazio normale nello spazio cervello del soggetto. </li></ol></li><li> Utilizzare la matrice di trasformazione generata (denominato &quot;standard2example_func.mat&quot;) e trasformare CSF e ROI della sostanza bianca in singoli spazi BOLD. <ol><li> Estrarre la serie storica dal QCS e ROI della sostanza bianca con il comando fslmeants,utilizzando il ROI nello spazio singolo soggetto come maschera. Normalizzare la serie storica estratto utilizzando il software &quot;R&quot;. Tali serie sono usati come regressori nel GLM successivamente per rimuovere i corrispondenti segnali di artefatti dall&#39;analisi. </li></ol></li><li> Il passo successivo è la rimozione di artefatti di movimento legate soggetti. Per la regressione dei parametri di movimento, impostare la seguente entro FSL FEAT prima di eseguirlo. <ol><li> All&#39;interno della scheda dati, utilizzare il movimento corretto per file e cervello estratto come ingressi, impostare il valore TR corrispondere al dataset. Set filtro passa-alto utilizzando un filtro sec 100. L&#39;elevato filtraggio passa rimuoverà segnali di interesse, che sono di frequenza molto bassa. Un filtro passa-basso per rimuovere i segnali ad alta frequenza sarà applicata in seguito al passaggio 4.1. </li><li> All&#39;interno della scheda di pre-stats, scegliere &quot;Nessuno&quot; in &quot;Correzione Motion&quot; come è stato già fatto. Deselezionare &quot;estrazione del cervello BET&quot;, come è stato già fatto. Eseguire smoothing spazialeutilizzando una metà del massimo a tutta larghezza 5 mm (FWHM). </li><li> Nella scheda statistiche, regredire i parametri 6 di movimento e loro derivati ​​temporali. Selezionare &quot;Nessuno&quot; per convoluzione e controllare &quot;Applica filtro temporale.&quot; Usa l&#39;uscita del FSL MCFLIRT per ottenere i file di testo dei parametri del movimento, che può essere poi immessi nel modello di analisi FEAT a regredire questi in un modello lineare generale (GLM) </li><li> Aggiungete anche il QCS e segnali della sostanza bianca che sono stati estratti e normalizzato nelle fasi precedenti al GLM. Selezionare &quot;Nessuno&quot; per convoluzione, aggiungere derivata temporale, e deselezionare &quot;Applica filtro temporale&quot;. </li></ol></li></ol> 4. Metodi statistici <ol><li> I residui di pre-elaborazione sopra descritta dovrebbero essere utilizzati per la correlazione a base di semi. Tali residui devono essere passati prima attraverso un filtro passa-basso di 0,1 Hz, poi umiliate sottraendo la media, dividendo per la deviazione standard, e poi scalato aggiungendo100. Semi devono essere definite con un diametro di 6 mm di spazio MNI standard utilizzando software MRICron. </li><li> Il posteriore e semi anteriori devono corrispondere alle seguenti coordinate: (1) Regione Rsp / PCUN (x = 2, y = -60, z = 36) e (2) corteccia prefrontale ventromediale (vmPFC; x = 3, y = 60, z = -1). Queste posizioni seme sono state definite negli controlli sani e sono trasformato allo spazio soggetto nel passaggio successivo 17-19. <ol><li> I semi devono essere successivamente trasformati in singolo spazio funzionale del cervello di ciascun soggetto dallo spazio standard di MNI. Per questo, utilizzare la matrice di trasformazione generata in precedenza (denominata &quot;standard2example_func.mat&quot;) per trasformare il seme da (MNI) spazio standard per il singolo spazio funzionale (BOLD). </li><li> Utilizzare il comando fslmeants per estrarre la serie temporale dal già sminuito e scalato residua, utilizzando il seme nel singolo spazio soggetto come una maschera. Normalizzare la serie storica estratto utilizzando il software &quot;R&quot;. </li></ol></li><li> Correlazioni parziali tra i voxel di sementi e tutti gli altri voxel cerebrali dovrebbero essere calcolate separatamente per ciascun soggetto per ciascuna corsa. Per questo, all&#39;interno della GUI FEAT FSL, selezionare &quot;analisi di primo livello&quot;, e poi &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda Dati, il residuo precedentemente umiliato e scalato deve essere usato come input in FEAT. </li><li> Impostare il passa alto taglio del filtro a 10.000, il residuo è già elevata passata a 100 sec. Nella scheda Statistiche, deselezionare &quot;Usa FILM prewhitening&quot;, e utilizzare le serie storiche seme precedentemente estratto e normalizzato nel GLM. Nella scheda Post-statistiche, impostare la soglia di Z-stat desiderata per un valore di 2,0. </li><li> Prima di eseguire l&#39;analisi di gruppo che unisce corre all&#39;interno di sudditi, di un Fisher Z trasformare deve essere eseguita sul file COPE (Contrasto delle stime dei parametri) generato dalla analisi di correlazione eseguito in precedenza (punto 4.3). Copiare dati di registrazione from la directory &quot;reg&quot; dell&#39;analisi FEAT fatto nella fase 3.1 nel periodo correlazione del punto 4.3. </li><li> Eseguire un&#39;analisi di livello superiore, combinando corse all&#39;interno di ogni soggetto. Per questo, all&#39;interno della GUI FEAT FSL, selezionare &quot;analisi a livello superiore&quot;, e poi &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda &quot;Dati&quot;, scegliere &quot;ingressi sono directory FEAT di livello inferiore&quot; e inserite corse del soggetto dal punto 4.4. All&#39;interno della scheda &quot;Statistiche&quot;, scegli &quot;effetti misti: Semplice OLS&quot;. Impostare modello effetto medio; inserire il valore di 1 per ciascun corsa del soggetto. </li><li> Per combinare dati su piste tra i soggetti, uno minimi quadrati ordinari (OLS) semplice analisi degli effetti misti dovrebbe essere usato. Per questo, all&#39;interno della GUI FEAT FSL, scegliere &quot;analisi a livello superiore&quot; e &quot;Statistiche + post-stats&quot;. All&#39;interno della scheda Dati, scegliere &quot;ingressi sono directory FEAT di livello inferiore&quot; e inserite combinati corre soggetti dal punto 4.5. </li><li> Nella scheda Statistiche, scegliete &quot;effetti misti: Simple OLS&quot; &#39;Impostare un modello come 3 gruppi; inserire il valore 1 per il gruppo di ogni soggetto appartiene, 0 altrimenti. L&#39;analisi di gruppo dovrebbe essere fatto su ogni voxel con un one-way ANOVA con tre livelli corrispondenti ai tre gruppi (TLE destra, sinistra TLE, e controlli sani). </li><li> Per soglia le immagini statistici Z utilizzano cluster di formare la soglia di Z&gt; 2.0 e corretti grappolo soglia rilevante del p = 0,05 20. Per ottenere corretti valori z sulla mappa correlazione, un rovescio di Fisher Z trasformare deve essere eseguita sui risultati. </li><li> I seguenti contrasti specifici devono essere confrontati (1) giuste TLE&gt; controlli; (2) a sinistra TLE&gt; controlli; (3) a destra TLE&gt; sinistra TLE; (4) TLE sinistra&gt; destra TLE; (5) Controllo&gt; destra TLE; (6) Controllo&gt; sinistra TLE; (7) TLE (combinato destra e sinistra)&gt; controllo; e (7) Controllo&gt; TLE (unito destra e sinistra). </li></ol>

<ol>
	<li>Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+in+the+motor+cortex+of+resting+human+brain+using+echo-planar+MRI.">Functional connectivity in the motor cortex of resting human brain using echo-planar MRI.</a> Magn. Reson. Med. 34, 537-541 (1995).</li><li>Fox, M. D., Greicius, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+applications+of+resting+state+functional+connectivity.">Clinical applications of resting state functional connectivity.</a> Front. Syst. Neurosci. 4, 1-13 (2010).</li><li>Laufs, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electroencephalographic+signatures+of+attentional+and+cognitive+default+modes+in+spontaneous+brain+activity+fluctuations+at+rest.">Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest.</a> Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).</li><li>Shmuel, A., Leopold, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neuronal+correlates+of+spontaneous+fluctuations+in+fMRI+signals+in+monkey+visual+cortex:+Implications+for+functional+connectivity+at+rest.">Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest.</a> Hum. Brain Mapp. 29, 751-761 (2008).</li><li>Margulies, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Resting+developments:+a+review+of+fMRI+post-processing+methodologies+for+spontaneous+brain+activity.">Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity.</a> Magn. Mater. Phys. Biol. 23, 289-307 (2010).</li><li>Biswal, B. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Toward+discovery+science+of+human+brain+function.">Toward discovery science of human brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).</li><li>Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+lateralized+temporal+lobe+epilepsy+on+the+default+mode+network.">Effect of lateralized temporal lobe epilepsy on the default mode network.</a> Epilepsy Behav. 25, 350-357 (2012).</li><li>Pillai, J. J., Williams, H. T., Faro, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+imaging+in+temporal+lobe+epilepsy.">Functional imaging in temporal lobe epilepsy.</a> Semin. Ultrasound. CT MR. 28, 437-450 (2007).</li><li>Blumenfeld, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Positive+and+negative+network+correlations+in+temporal+lobe+epilepsy.">Positive and negative network correlations in temporal lobe epilepsy.</a> Cereb. Cortex. 14, 892-902 (2004).</li><li>Dupont, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy.">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).</li><li>Fransson, P., Marrelec, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+precuneus/posterior+cingulate+cortex+plays+a+pivotal+role+in+the+default+mode+network:+Evidence+from+a+partial+correlation+network+analysis.">The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis.</a> Neuroimage. 42, 1178-1184 (2008).</li><li>Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+brain's+default+network.">The brain's default network.</a> Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).</li><li>Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data.">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimage. 14, 1370-1386 (2001).</li><li>Forman, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+assessment+of+significant+activation+in+functional+magnetic+resonance+imaging+(fMRI):+use+of+a+cluster+size+threshold.">Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold.</a> Magn. Reson. Med. 33, 636-647 (1995).</li><li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images.">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimage. 17, 825-841 (2002).</li><li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+robust+automated+brain+extraction.">Fast robust automated brain extraction.</a> Hum. Brain Mapp. 17, 143-155 (2002).</li><li>Raichle, M. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+default+mode+of+brain+function.">A default mode of brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).</li><li>Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+of+default+mode+network+components:+correlation.">Functional connectivity of default mode network components: correlation.</a> Hum. Brain Mapp. 30, 625-637 (2009).</li><li>Singh, K. D., Fawcett, I. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transient+and+linearly+graded+deactivation+of+the+human+default-mode+network+by+a+visual+detection+task.">Transient and linearly graded deactivation of the human default-mode network by a visual detection task.</a> Neuroimage. 41, 100-112 (2008).</li><li>Worsley, K. J., Evans, A., Marrett, S., Neelin, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+three-dimensional+statistical+analysis+for+CBF+activation+studies+in+human+brain.">A three-dimensional statistical analysis for CBF activation studies in human brain.</a> J. Cereb. Blood Flow Metab. 12, 900-918 (1992).</li><li>Spencer, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+networks+in+human+epilepsy:+evidence+of+and+implications+for+treatment.">Neural networks in human epilepsy: evidence of and implications for treatment.</a> Epilepsia. 43, 219-227 (2002).</li><li>Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Default-mode+network+activity+distinguishes+Alzheimer's+disease+from+healthy+aging:+evidence+from+functional+MRI.">Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI.</a> Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).</li><li>Kennedy, D. P., Redcay, E., Courchesne, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Failing+to+deactivate:+resting+functional+abnormalities+in+autism.">Failing to deactivate: resting functional abnormalities in autism.</a> Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).</li><li>Garrity, A. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Aberrant+&amp;#34;default+mode&amp;#34;+functional+connectivity+in+schizophrenia.">Aberrant &amp;#34;default mode&amp;#34; functional connectivity in schizophrenia.</a> Am. J. Psychiatry. 164, 450-457 (2007).</li><li>Mannell, M. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Resting+state+and+task-induced+deactivation:+A+methodological+comparison+in+patients+with+schizophrenia+and+healthy+controls.">Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls.</a> Hum. Brain Mapp. 31, 424-437 (2010).</li><li>Jones, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Age-related+changes+in+the+default+mode+network+are+more+advanced+in+Alzheimer+disease.">Age-related changes in the default mode network are more advanced in Alzheimer disease.</a> Neurology. 77, 1524-1531 (2011).</li><li>Kobayashi, Y., Amaral, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Macaque+monkey+retrosplenial+cortex+II.+Cortical+afferents.">Macaque monkey retrosplenial cortex II. Cortical afferents.</a> J. Comp. Neurol. 466, 48-79 (2003).</li><li>Dupont, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy.">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).</li><li>Laufs, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Temporal+lobe+interictal+epileptic+discharges+affect+cerebral+activity+in+&#8220;default+mode&#8221;+brain+regions.">Temporal lobe interictal epileptic discharges affect cerebral activity in &#8220;default mode&#8221; brain regions.</a> Hum. Brain Mapp. 28, 1023-1032 (2007).</li><li>Morgan, V. L., Gore, J. C., Abou-Khalil, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+epileptic+network+in+left+mesial+temporal+lobe+epilepsy+detected+using+resting+fMRI.">Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI.</a> Epilepsy Res. 88, 168-178 (2010).</li><li>Gotman, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Generalized+epileptic+discharges+show+thalamocortical+activation+and+suspension+of+the+default+state+of+the+brain.">Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain.</a> Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).</li><li>Hamandi, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG-fMRI+of+idiopathic+and+secondarily+generalized+epilepsies.">EEG-fMRI of idiopathic and secondarily generalized epilepsies.</a> Neuroimage. 31, 1700-1710 (2006).</li><li>Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Patterns+of+altered+functional+connectivity+in+mesial+temporal+lobe+epilepsy.">Patterns of altered functional connectivity in mesial temporal lobe epilepsy.</a> Epilepsia. 53, 1013-1023 (2012).</li><li>Liao, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Default+mode+network+abnormalities+in+mesial+temporal+lobe+epilepsy:+a+study+combining+fMRI+and+DTI.">Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI.</a> Hum. Brain Mapp. 32, 883-895 (2011).</li><li>Pereira, F. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Asymmetrical+hippocampal+connectivity+in+mesial+temporal+lobe+epilepsy:+evidence+from+resting+state+fMRI.">Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI.</a> BMC Neurosci. 11, 1-13 (2010).</li><li>Dupont, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bilateral+hemispheric+alteration+of+memory+processes+in+right+medial+temporal+lobe+epilepsy.">Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy.</a> J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).</li><li>Vlooswijk, M. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+MRI+in+chronic+epilepsy:+associations+with+cognitive+impairment.">Functional MRI in chronic epilepsy: associations with cognitive impairment.</a> Lancet Neurol. 9, 1018-1027 (2010).</li><li>McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Default+mode+network+connectivity+indicates+episodic+memory+capacity+in+mesial+temporal+lobe+epilepsy.">Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy.</a> Epilepsia. 54, (2013).</li><li>Zhang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+spontaneous+neuronal+activity+of+the+default-mode+network+in+mesial+temporal+lobe+epilepsy.">Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy.</a> Brain Res. 1323, 152-160 (2010).</li><li>Horovitz, S. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Decoupling+of+the+brain's+default+mode+network+during+deep+sleep.">Decoupling of the brain's default mode network during deep sleep.</a> Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).</li><li>Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+local+coherence+in+the+default+mode+network+due+to+sevoflurane+anesthesia.">Altered local coherence in the default mode network due to sevoflurane anesthesia.</a> Brain Res. 1318, 110-121 (2010).</li></ol>

Dr. Engel è finanziato dal NIH Grants P01 NS02808, R01 NS33310 e U01 NS42372, ha brevetti WO 2009/123734A1, e WO 2009/123735A1, riceve canoni da MedLink, Wolters Kluwer, Blackwell, e Elsevier, e ha ricevuto onorari da Medtronics , Wolters Kluwer, e Best Doctors. Il dottor Stern ha servito come consulente pagato per UCB e Lundbeck. Il dottor Stern è un editor di MedLink Neurologia, e ha ricevuto canoni da Wolters Kluwer e da McGraw-Hill. Gli altri autori non hanno divulgazione o conflitti di interesse da dichiarare.

L&#39;epilessia è pensato per essere una malattia di rete, e le anomalie delle reti coinvolte sono presenti durante la crisi e nello stato interictale 21. Basata su attività fMRI è stato utilizzato per analizzare le anomalie del linguaggio e reti di memoria in TLE 8. FcMRI ha vantaggi inerenti studiare il DMN 12 in quanto è una rete attiva principalmente nello stato di riposo. Il DMN è una rete di regioni del cervello che è stato trovato per essere attivo in individui svegli che ve...

Functional MRI Connettività (fcMRI) è un approccio analitico relativamente recente ai dati fMRI che quantifica il rapporto tra le diverse regioni del cervello basato sulla somiglianza del loro livello di ossigenazione del sangue dipendente (BOLD) serie storica segnale - questo è chiamato connettività &quot;funzionale&quot;, ed è distinguibile da connettività anatomica che descrive l&#39;esistenza di collegamenti fisici tra regioni (ad esempio fibre di materia bianca). In una particolare applicazione di questo approccio, la serie temporale sono raccolti quando il partecipante non è impegnato in un compito o è nel cosiddetto &quot;stato di riposo&quot;. Sebbene descritto per primo nel 1995 1, c&#39;è stato interesse immenso in fcMRI conseguente circa 1.000 pubblicazioni relative alla tecnica nel 2012. FcMRI ha vantaggi intrinseci rispetto basate su operazioni fMRI in (1) che non vi è alcun compito specifico da eseguire, ( 2) La cooperazione soggetto ènon necessario, (3) gruppi di dati possono essere utilizzati per eseguire query diverse reti diverse, meglio (4) rapporto segnale rumore è presente probabilmente dovuto a differenze nelle energetica cerebrali coinvolte, e (5) l&#39;elusione dei confonde relativi alle attività 2. Come prova del suo concetto, modifiche fcMRI hanno dimostrato di corrispondere alle variazioni EEG 3 e potenziali di campo locali 4 nel cervello. Tecniche di analisi fcMRI includono tecniche di ROI / a base di semi-, analisi delle componenti indipendenti (ICA), analisi di teoria dei grafi, nesso di causalità di Granger, i metodi locali (ampiezza delle oscillazioni a bassa frequenza, l&#39;analisi di omogeneità regionale), e altri cinque. Nessuna singola tecnica ha ancora dimostrato la netta superiorità rispetto ad un altro, anche se i metodi più diffusi sono metodi ICA 6 di semi-based e. Seed-based fcMRI correla fluttuazioni temporali segnale BOLD da una parte preselezionata della rete putativo in esame definito il &quot;seme1; o &quot;regione di interesse (ROI)&quot; a tutte le altre parti del cervello. Le aree del cervello che mostra BOLD correlatore segnale alla zona sementi sono pensati per delimitare parti della rete coinvolti. Al contrario, ICA utilizza un&#39;analisi basata sui dati model-free per estrarre aree cerebrali spazio-temporalmente correlate (componenti indipendenti, CI), analizzando le caratteristiche del segnale emodinamiche del tutto il cervello 5. Nel manoscritto attuale, una descrizione dei metodi utilizzati in uno studio pubblicato in precedenza di riposo Stato basato seme-analisi della connettività del DMN in TLE è presentato 7. TLE è la forma più comune di epilessia adulta. In aggiunta alle crisi epilettiche, TLE provoca disfunzioni delle reti multiple cerebrali, tra cui memoria, il comportamento, il pensiero e la funzione sensoriale 8. Il DMN è costituito da regioni cerebrali che sottendono cosciente, cognizione di riposo-stato. Il DMN è stato segnalato per essere coinvolti in crisi associate consc ridottaiousness 9,10. Inoltre, l&#39;ippocampo è la struttura chiave coinvolti nella TLE ed è stato pensato per essere componente del DMN. Tuttavia, la connettività del PCC alla formazione dell&#39;ippocampo è più debole di altri organi di DMN, quali mediale prefrontale e parietale inferiore. Ciò suggerisce che l&#39;ippocampo è o una sottorete del DMN o una rete 11,12 interagenti. Questi comune tra TLE e DMN sollevano la possibilità che DMN connettività funzionale è alterata in TLE. Questa analisi mette a confronto il DMN di soggetti con TLE ai controlli sani al fine di conoscere il coinvolgimento di DMN in TLE. La connettività di semi posto nei principali hub del DMN - le regioni del mozzo anteriore e posteriore sono stati analizzati 12. I semi sono stati inseriti nel mozzo posteriore costituito dalla retrosplenium / precuneus (DSR / PCUN) così come il mozzo anteriore costituito da corteccia prefrontale ventromediale (vmPFC) in pazienti con TLE e incontrolli sani di individuare le anteriori e posteriori sottoreti del DMN.

<table border="0" cellpadding="0" cellspacing="0">
	<tbody>
		<tr>
			<td>MRI machine</td>
		</tr>
		<tr>
			<td>Linux workstation with image analysis software installed</td>
		</tr>
	</tbody>
</table>

network analysis of the default mode network using functional connectivity mri in temporal lobe epilepsy

Connettività funzionale MRI (fcMRI) è un metodo fMRI che esamina la connettività di diverse aree cerebrali basate sulla correlazione delle fluttuazioni del segnale BOLD nel tempo. Epilessia del lobo temporale (TLE) è il tipo più comune di epilessia adulta e coinvolge molteplici reti del cervello. La modalità di rete predefinita (DMN) è coinvolto in cosciente, riposo cognizione stato ed è pensato per essere coinvolti in TLE dove convulsioni provocano perdita di coscienza. Il DMN in epilessia è stato esaminato utilizzando sementi a base di fcMRI. I mozzi anteriore e posteriore del DMN stati usati come semi in questa analisi. I risultati mostrano una disconnessione tra anteriore e mozzi posteriori del DMN in TLE durante lo stato basale. Inoltre, una maggiore connettività DMN ad altre regioni del cervello a sinistra TLE con ridotta connettività in diritto TLE è rivelato. L&#39;analisi dimostra come fcMRI a base di semi-possono essere utilizzati per sondare le reti cerebrali in disturbi cerebrali come TLE.

La figura 1 mostra il DMN rivelato con connettività da un seme posteriore (Rsp / PCUN, colori rosso-giallo) e un seme anteriore (vmPFC, colori blu-verde) e confronta le reti trovate nei diversi gruppi di soggetti (Figure 1A-C) e tra l&#39;altro, cioè controlli sani rispetto a tutti i pazienti con TLE (Figure 1D e 1E), quindi controlli sani comparati separatamente a sinistra TLE (figure 1F ed 1G) e destra TLE (...

Watch this Scientific Journal Video about Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy at JoVE.com

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

La rete di default Mode (DMN) in epilessia del lobo temporale (TLE) viene analizzata nello stato di riposo del cervello utilizzando la connettività funzionale a base di semi-MRI (fcMRI).

Network Analysis della modalità predefinita rete tramite connettività funzionale MRI in epilessia del lobo temporale

Functional connectivity MRI (fcMRI) is an fMRI method that examines the connectivity of different brain areas based on the correlation of BOLD signal ...

network-analysis-default-mode-network-using-functional-connectivity

Research

JoVE Journal

Medicine

17.8K Views.  Baylor College of Medicine.  La rete di default Mode (DMN) in epilessia del lobo temporale (TLE) viene analizzata nello stato di riposo del cervello utilizzando la connettività funzionale a base di semi-MRI (fcMRI). 

Video: Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Generation of Subcutaneous and Intrahepatic Human Hepatocellular Carcinoma Xenografts in Immunodeficient Mice

In vivo experimental models of hepatocellular carcinoma (HCC) that recapitulate the human disease provide a valuable platform for research into disease pathophysiology and for the preclinical evaluation of novel therapies. We present a variety of methods to generate subcutaneous or orthotopic human HCC xenografts in immunodeficient mice that could be utilized in a variety of research applications. With a focus on the use of primary tumor tissue from patients undergoing surgical resection as a starting point, we describe the preparation of cell suspensions or tumor fragments for xenografting. We describe specific techniques to xenograft these tissues i) subcutaneously; or ii) intrahepatically, either by direct implantation of tumor cells or fragments into the liver, or indirectly by injection of cells into the mouse spleen. We also describe the use of partial resection of the native mouse liver at the time of xenografting as a strategy to induce a state of active liver regeneration in the recipient mouse that may facilitate the intrahepatic engraftment of primary human tumor cells. The expected results of these techniques are illustrated. The protocols described have been validated using primary human HCC samples and xenografts, which typically perform less robustly than the well-established human HCC cell lines that are widely used and frequently cited in the literature. In comparison with cell lines, we discuss factors which may contribute to the relatively low chance of primary HCC engraftment in xenotransplantation models and comment on technical issues that may influence the kinetics of xenograft growth. We also suggest methods that should be applied to ensure that xenografts obtained accurately resemble parent HCC tissues.

Human tumor xenografts in immunodeficient mice are valuable tools to study cancer biology. Specific protocols to generate subcutaneous and intrahepatic xenografts from human hepatocellular carcinoma cells or tumor fragments are described. Liver regeneration induced by partial hepatectomy in recipient mice is presented as a strategy to facilitate intrahepatic engraftment.

Generazione di sottocutaneo e intraepatica umane carcinoma epatocellulare xenotrapianti in topi immunodeficienti

In  vivo experimental models of hepatocellular carcinoma (HCC) that recapitulate  the human disease provide a valuable platform for research into disease  ...

Ricerca

Medicina

Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity

Complementary structural and functional neuroimaging techniques used to examine the Default Mode Network (DMN) could potentially improve assessments of psychiatric illness severity and provide added validity to the clinical diagnostic process. Recent neuroimaging research suggests that DMN processes may be disrupted in a number of stress-related psychiatric illnesses, such as posttraumatic stress disorder (PTSD).
Although specific DMN functions remain under investigation, it is generally thought to be involved in introspection and self-processing. In healthy individuals it exhibits greatest activity during periods of rest, with less activity, observed as deactivation, during cognitive tasks, e.g., working memory. This network consists of the medial prefrontal cortex, posterior cingulate cortex/precuneus, lateral parietal cortices and medial temporal regions.
Multiple functional and structural imaging approaches have been developed to study the DMN. These have unprecedented potential to further the understanding of the function and dysfunction of this network. Functional approaches, such as the evaluation of resting state connectivity and task-induced deactivation, have excellent potential to identify targeted neurocognitive and neuroaffective (functional) diagnostic markers and may indicate illness severity and prognosis with increased accuracy or specificity. Structural approaches, such as evaluation of morphometry and connectivity, may provide unique markers of etiology and long-term outcomes. Combined, functional and structural methods provide strong multimodal, complementary and synergistic approaches to develop valid DMN-based imaging phenotypes in stress-related psychiatric conditions. This protocol aims to integrate these methods to investigate DMN structure and function in PTSD, relating findings to illness severity and relevant clinical factors.

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.

Lo sviluppo di Neuroimaging fenotipi della modalità di rete predefinita in PTSD: Integrazione stato di riposo, Working Memory, e connettività strutturale

Complementary structural and functional neuroimaging techniques used to examine the Default Mode Network (DMN) could potentially improve assessments of ...

MRI-guided dmPFC-rTMS as a Treatment for Treatment-resistant Major Depressive Disorder

Here we outline the protocol for magnetic resonance imaging (MRI) guided repetitive transcranial magnetic stimulation (rTMS) to the dorsal medial prefrontal cortex (dmPFC) in patients with major depressive disorder (MDD). Technicians used a neuronavigation system to process patient MRIs to generate a 3-dimensional head model. The head model was subsequently used to identify patient-specific stimulatory targets. The dmPFC was stimulated daily for 20 sessions. Stimulation intensity was titrated to address scalp pain associated with rTMS. Weekly assessments were conducted on the patients using the Hamilton Rating Scale for Depression (HamD17) and Beck Depression Index II (BDI-II). Treatment-resistant MDD patients achieved significant improvements on both HAMD and BDI-II. Of note, angled, double-cone coil rTMS at 120% resting motor threshold allows for optimal stimulation of deeper midline prefrontal regions, which results in a possible therapeutic application for MDD. One major limitation of the rTMS field is the heterogeneity of treatment parameters across studies, including duty cycle, number of pulses per session and intensity. Further work should be done to clarify the effect of stimulation parameters on outcome. Future dmPFC-rTMS work should include sham-controlled studies to confirm its clinical efficacy in MDD.

Here we outline the procedure for MRI-guided repetitive transcranial magnetic stimulation to the dorsomedial prefrontal cortex as an experimental treatment for major depressive disorder.

MRI-guidata dmPFC-rTMS come Trattamento di trattamento resistente Disturbo Depressivo Maggiore

Here we outline the protocol for magnetic resonance imaging (MRI) guided repetitive transcranial magnetic stimulation (rTMS) to the dorsal medial ...

Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control seizures. However, a significant minority of patients continues to exhibit post-operative seizures, even in those cases in which the suspected source of seizures has been correctly localized and resected. The protocol presented here combines a clinical procedure routinely employed during the pre-operative evaluation of temporal lobe epilepsy (TLE) patients with a novel technique for network analysis. The method allows for the evaluation of the temporal evolution of mesial network parameters. The bilateral insertion of foramen ovale electrodes (FOE) into the ambient cistern simultaneously records electrocortical activity at several mesial areas in the temporal lobe. Furthermore, network methodology applied to the recorded time series tracks the temporal evolution of the mesial networks both interictally and during the seizures. In this way, the presented protocol offers a unique way to visualize and quantify measures that considers the relationships between several mesial areas instead of a single area.

This protocol describes a procedure to track the evolution of mesial network measures in temporal lobe epilepsy (TLE) patients. It is based on the combination of intracranial recordings with a novel numerical technique for data analysis. Specifically, we present a protocol for network analyses of foramen ovale recordings.

Network Analysis di forame ovale elettrodi Recordings in farmaco-resistenti epilessia del lobo temporale pazienti

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control ...

The Pilocarpine Model of Temporal Lobe Epilepsy and EEG Monitoring Using Radiotelemetry System in Mice

Temporal lobe epilepsy (TLE) is a common neurological disorder in adulthood. For translational studies of chronic epilepsy, pilocarpine-induced status epilepticus (SE) is frequently selected to recapitulate spontaneous recurrent seizures (SRS). Here we present a protocol of SE induction by intraperitoneal (i.p.) injection of pilocarpine and monitoring of chronic recurring seizures in live animals using a wireless telemetry video and electroencephalogram (EEG) system. We demonstrated notable behavioral changes that need attention after pilocarpine injection and their correlation with hippocampal neuronal loss at 7 days and 6 weeks post-pilocarpine. We also describe the experimental procedures of electrode implantation for video and EEG recording, and analysis of the frequency and duration of chronic recurrent seizures. Finally, we discuss the possible reasons why the expected results are not achieved in each case. This provides a basic overview of modeling chronic epilepsy in mice and guidelines for troubleshooting. We believe this protocol can serve as a baseline for suitable models of chronic epilepsy and epileptogenesis.

This manuscript describes a method of inducing status epilepticus by systemic pilocarpine injection and of monitoring spontaneous recurrent seizures in live animals using a wireless telemetry video and electroencephalogram system. This protocol can be utilized for studying the pathophysiologic mechanisms of chronic epilepsy, epileptogenesis, and acute seizures.

Il modello di pilocarpina di epilessia del lobo temporale e monitoraggio EEG utilizzando il sistema di radiotelemetria in topi

Temporal lobe epilepsy (TLE) is a common neurological disorder in adulthood. For translational studies of chronic epilepsy, pilocarpine-induced status ...

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&#8212;Application in Premanifest Huntington's Disease

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy begins many years prior to the motor onset (during the &#34;premanifest&#34; period), but the spatiotemporal pattern of regional atrophy across the brain has not been fully characterized. Here we demonstrate an online cloud-computing platform, &#34;MRICloud&#34;, which provides atlas-based whole-brain segmentation of T1-weighted images at multiple granularity levels, and thereby, enables us to access the regional features of brain anatomy. We then describe a regression model that detects statistically significant inflection points, at which regional brain atrophy starts to be noticeable, i.e. the &#34;change-point&#34;, with respect to a disease progression index. We used the CAG-age product (CAP) score to index the disease progression in HD patients. Change-point analysis of the volumetric measurements from the segmentation pipeline, therefore, provides important information of the order and pattern of structural atrophy across the brain. The paper illustrates the use of these techniques on T1-weighted MRI data of premanifest HD subjects from a large multicenter PREDICT-HD study. This design potentially has wide applications in a range of neurodegenerative diseases to investigate the dynamic changes of brain anatomy.

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&amp;#8212;Application in Premanifest Huntington&#039;s Disease

This paper describes a statistical model for volumetric MRI data analysis, which identifies the &#34;change-point&#34; when brain atrophy begins in premanifest Huntington&#39;s disease. Whole-brain mapping of the change-points is achieved based on brain volumes obtained using an atlas-based segmentation pipeline of T1-weighted images.

Segmentazione del intero-cervello e analisi del punto di svolta di anatomico del cervello MRI — applicazione in premanifesti sulla malattia di Huntington

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy ...

Harvest of Endothelial Cells from the Balloon Tips of Swan-Ganz Catheters after Right Heart Catheterization

A variety of pathologies lead to pulmonary hypertension (PH), which is defined as a mean pulmonary artery pressure exceeding 25 mmHg at rest. To further diagnose and manage PH, patients undergo repeated right heart catheterizations (RHC) wherein a Swan-Ganz catheter is advanced into a branch of the pulmonary artery and a balloon is inflated to wedge the catheter tip. This article illustrates a protocol whereby pulmonary artery endothelial cells (PAECs) may be harvested from the balloon tips of Swan-Ganz catheters after RHC, and purified with an anti- CD146 affinity column technique to purify putative PAECs. These cells might be used to provide an in situ snapshot of the biological state of the pulmonary vasculature endothelium to complement hemodynamic measurements obtained during RHC. Harvested and purified PAECs may be used for either cell culture or for subsequent analytical assays such as flow cytometery.

This protocol describes the removal and purification of pulmonary artery endothelial cells (PAECs) that adhere to the balloon tips of Swan-Ganz catheters while they are wedged in the pulmonary artery during right heart catheterization and remain adherent to the deflated balloon following removal from the patient's body.

Raccolta delle cellule endoteliali dalle punte del palloncino del catetere di Swan-Ganz dopo cateterizzazione del cuore destro

A variety of pathologies lead to pulmonary hypertension (PH), which is defined as a mean pulmonary artery pressure exceeding 25 mmHg at rest. To further ...

Normothermic Ex Vivo Pancreas Perfusion for the Preservation of Pancreas Allografts before Transplantation

Pancreas transplantation (PTx) is a curative treatment for people who live with the burden of a diagnosis of diabetes mellitus (DM). However, due to organ shortages and increasing numbers of patients being listed for PTx, new strategies are needed to increase the number of available grafts for transplantation. 
Static cold storage (SCS) is considered the gold standard for standard criteria organs. However, standard criteria donors (SCD) are becoming scarce and new strategies that can increase the rate of organ acceptance from extended criteria donors (ECD) are urgently needed. 
Normothermic ex vivo perfusion (NEVP) is one of the strategies that has become increasingly popular over the past couple of decades. This preservation method has already been used successfully in other organs (liver, kidneys, and lungs) but has been minimally explored in pancreas transplantation. The few papers that describe the method for pancreas show little success, edema being one of the major issues. The following manuscript describes the successful NEVP method and setup developed by our group to perfuse swine pancreas.

Normothermic Ex Vivo Pancreas Perfusion for the Preservation of Pancreas Allografts before Transplantation

Normothermic ex vivo machine perfusion (NEVP) has scarcely been explored for the preservation of pancreas allografts. We present an innovative preservation technique for pancreas allografts before transplantation.

Perfusione Pancreatica Ex Vivo Normothermic per la Conservazione degli Allotrapianti Pancreatici prima del Trapianto

Pancreas transplantation (PTx) is a curative treatment for people who live with the burden of a diagnosis of diabetes mellitus (DM). However, due to organ ...

Esplorazione della malattia obliterante delle vie aeree nei trapianti di polmone

Murine Intrapulmonary Tracheal Transplantation: A Model for Investigating Obliterative Airway Disease After Lung Transplantation

Murine intrapulmonary tracheal transplantation (IPTT) is used as a model of obliterative airway disease (OAD) following lung transplantation. Initially reported by our team, this model has gained use in the study of OAD due to its high technical reproducibility and suitability for investigating immunological behaviors and therapeutic interventions.
In the IPTT model, a rodent tracheal graft is directly inserted into the recipient's lung through the pleura. This model is distinct from the heterotopic tracheal transplantation (HTT) model, wherein grafts are transplanted into subcutaneous or omental sites, and from the orthotopic tracheal transplantation (OTT) model in which the donor trachea replaces the recipient's trachea. 
Successful implementation of the IPTT model requires advanced anesthetic and surgical skills. Anesthetic skills include endotracheal intubation of the recipient, setting appropriate ventilatory parameters, and appropriately timed extubation after recovery from anesthesia. Surgical skills are essential for precise graft placement within the lung and for ensuring effective sealing of the visceral pleura to prevent air leakage and bleeding. In general, the learning process takes approximately 2 months.
In contrast to the HTT and OTT models, in the IPTT model, the allograft airway develops airway obliteration in the relevant lung microenvironment. This allows investigators to study lung-specific immunological and angiogenic processes involved in airway obliteration after lung transplantation. Furthermore, this model is also unique in that it exhibits tertiary lymphoid organs (TLOs), which are also seen in human lung allografts. TLOs are comprised of T and B cell populations and characterized by the presence of high endothelial venules that direct immune cell recruitment; therefore, they are likely to play a crucial role in graft acceptance and rejection. We conclude that the IPTT model is a useful tool for studying intrapulmonary immune and profibrotic pathways involved in the development of airway obliteration in the lung transplant allograft.

Autore in primo piano: Indagine sui fattori chiave della bronchiolite obliterante dopo il trapianto di polmone

The murine intrapulmonary tracheal transplantation (IPTT) model is valuable for studying obliterative airway disease (OAD) after lung transplantation. It offers insights into lung-specific immunological and angiogenic behavior in airway obliteration after allotransplantation with high reproducibility. Here, we describe the IPTT procedure and its expected results.

Trapianto tracheale intrapolmonare murino: un modello per lo studio della malattia obliterante delle vie aeree dopo il trapianto di polmone

Murine intrapulmonary tracheal transplantation (IPTT) is used as a model of obliterative airway disease (OAD) following lung transplantation. Initially ...