JoVE Logo
著者
お問い合わせ

サインイン

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

どのような瞬間にパラダイム (一時的な視点) の領域 (空間的視点) 間、機能的結合の重要な再構成は、機能的磁気共鳴画像を特定するという説明のアプローチの目標時間ロックの刺激の再生中に録音。

要約

各種刺激; 私たちの脳が反応するかを理解する機能的磁気共鳴イメージングのタスクベースのクマの大きな可能性これは、しばしば機能加工の動的な面を考慮することがなく実現し、分析の出力は通常タスク駆動型効果の結合された影響と脳の活動の基になる自発性変動のアカウントします。ここでは、これらの制限を超えて移動することができます新規方法論的パイプラインを紹介: 解析手法のスライディング ウィンドウの使用は時間をかけて機能変更の追跡を許可し、交差件名相関測定によるアプローチができます純粋な刺激に関連する効果を分離します。厳格な閾値処理プロセスのおかげで被験者間の機能関係の大幅な変更を抽出、分析します。

自然主義的な視聴覚刺激を受けた健常者のセット、映画の特定の手がかりに解明の機能再構成を結ぶことによってアプローチの有用性を示す.紹介方法については、本手法によって 1 つ脳活動 (特定の接続の進化) のいずれか時間プロファイルをキャプチャしたり、キー時刻時点で空間のスナップショットに焦点を当てます。私達は全体のパイプラインの公に利用可能なバージョンを提供し、その使用およびステップ バイ ステップの重要なパラメーターの影響について説明。

概要

機能的磁気共鳴画像 (fMRI) は、非侵襲的外部刺激による脳活動の変化を監視するためのツールになっています。具体的には、鮮やかな関心は、統計地域活性化時間コース、機能的結合(FC)1と呼ばれ、一般にピアソンの相関として計算されます相互の理解について浮上しています。係数。脳全体の機能の交錯は、基になるタスク2,3,4の関数として再構成する広く示されています。

この入門の特性を超えて行くには分析の 2 方向別々 に続いている: 時間ロックの刺激により指定された脳の領域に誘導される反応が異なる科目5 間で片肺に認められた、一方で、.認知6,7,8,9と脳疾患10,11 の私達の理解を絞り込む可能性を示したこの間相関を対象(ISC) の定量化.さらに、この交差件名相関アプローチは地域間シンクロニシティ12、被験者間の機能的相関(ISFC) アプローチ13として知られてなったものでの評価にも拡張されました。

その一方で、FC 再構成の動的味は高められた注意を受け取り始めた (のハチソンら14プレティ、ボルトンおよびヴァン ド ヴィル15、ゴンザレス カスティロと Bandettini16最近のレビューを参照してください、安静状態とタスク ベースの両側にこの質問)。徐々 にシフト時間サブ窓17,18,の行動課題のコンテキストで追加の洞察力を明らかに連続相関測定を通じて時間をかけて全体脳 FC 変更を追跡できる特に、19,20。

ここでは、これらの 2 つの手段を組み合わせた方法論的フレームワークを提案する.確かに、私たちは、時間ロックの自然主義的なパラダイムに曝露された被験者間地域間シンクロニシティの進化を追跡するためのスライディング ウィンドウ方式で ISFC を計算します。メソッドの交差件名側面を通して解析が自発的な fMRI 変更 (これは相関科目全体) が強く減衰しながらに刺激駆動の効果に焦点を当てた。安静状態とタスク誘発活動パターンますます個別のプロパティ21,22によって特徴付けられると理解されているために、これは重要です。

キュー (聴覚、視覚的、社会等) の多様なセットが時間の経過とともに結合は自然主義的なパラダイムを探るときに特に、メソッドの動的コンポーネントに関してはタスクの刺激のより完全で正確な特性評価できます。さらに、重要な動的変動の音の統計的評価は熱く討論された23,24をされており、我々 のアプローチは特定分析のこの側面の世話を通じて重要な ISFC 変更を分離することによって適切な null データを比較します。

我々 は誰のため時空 ISFC 変更プロフィール ローカライズされた映画のサブの間隔を正確に抽出することができます起因であることを示す音響映画刺激にさらされている健常者の一連のメソッドを示しています。そうすることで、ユーザーによって選択される主な解析パラメーターの影響について述べる。提示された調査結果は、以前に公開されたデータ25,26の一部に基づいています。

プロトコル

次のプロトコルは、ローカル倫理委員会 (医 Inserm 365 プロトコル C08 39) によって承認されています。

1. 事前イメージング

  1. 書かれた、それらのすべてのためのインフォームド コンセントの取得科目の調査の人口を登録します。倫理委員会から承認を求めます。
  2. 時間ロックの方法ですべての科目に適用できる調査するパラダイムを選択します。
    注:ここでは、若者 (https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-study) のため音響科学ドキュメンタリーを使用しました。

2. イメージング

  1. 解析で考慮するべき各教科、スキャンしたボランティアが興味の時間ロック パラダイムにさらされて、少なくとも 1 つの機能イメージング セッションを実行します。
    1. 3 テスラ MRI スキャナーを使用して、シーケンスをイメージング、echoplanar 横スライスを取得します。
    2. 次の撮像パラメーターを採用: ボクセル サイズ = 3 mm × 3 mm × 3 mm、繰り返し時間 (TR) = 2 s、エコー時間 50 ms、視野を = = 192, 40 スライス。
      注:可能性の範囲内で高速 TR 値を推奨します。プロトコルより一時的な解像度 (低い TR)、または空間的より正確な分析を可能にする (例えば特定の脳の部分構造に制限分析) より制限されたフィールドのビューにも適用できます。
    3. 前に、と刺激の提示の後、数秒 (≥ 2 TR) の記録を残します。
  2. スキャンしたボランティアがスキャナーの残りの部分である、少なくとも 1 つ別機能イメージング セッションを実行、目が閉じられ、居眠りしないように指示します。
    注:別の刺激と休息状態の買収防止では不可能な条件間の交錯 (など事前に映画を見たになる永続的なトレース取得その後休息状態の記録を)27。それは前述の追加休息状態の取得、代替を通過する必要がない場合 (とはいえ; 誤検出しやすく議論を見なさい) パイプラインの計算オプションがサロゲート時間コースによってこのデータを置き換えます(手順 5.1.2 参照) パラダイム関連信号から計算されます。
  3. 構造イメージングを実行します。
    1. 3 テスラ MRI スキャナーと磁化準備急速な獲得の T1 強調グラジエント エコー シーケンスを使用します。
    2. 次の撮像パラメーターを採用: ボクセル サイズ 1 mm x 1 mm x 1 mm、ビューのフィールドを = = 256、176 のスライス。

3. データとソフトウェアの準備

  1. 分析するセッションごとに、次のデータ ファイルの存在を確認します。
    1. 機能的 MRI ボリュームのセットは、別 3 D NIFTI または HDR/IMG のファイル、一貫した番号付けスキーム (例えば、"fMRI_0001"、"fMRI_0002"など) として提示します。
    2. T1 構造 MRI 画像、NIFTI または HDR/IMG 形式で。
    3. NIFTI 形式で、モントリオール神経研究所 (MNI) 空間に関心のアトラス。
      メモ: 必要な入力ファイルの例はhttps://c4science.ch/source/Intersubj_pipeline.gitで完全なパイプライン コードとともに代表的な主題 (「S17」) のため提供されて
  2. 公に利用可能なソフトウェア28 (https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall) の最新バージョンをダウンロードします。
  3. Https://www.fil.ion.ucl.ac.uk/spm/software/spm12/から公に利用可能の統計的パラメトリック マッピング (SPM) MATLAB ツールボックスの最新バージョンをダウンロードします。
  4. MATLAB を開く (バージョン 2017a またはもっと最近)、新たにダウンロードした「な」と「spm12」フォルダーを探します。ごとに、それを右クリックし、選択、のパスに追加 > [選択したフォルダーとサブフォルダーオプション。

4. データの前処理

  1. MATLAB ターミナルの SPM12 のメイン メニューを起動し、前処理のオプションにアクセスする fMRI のボタンをクリックして型 spm は fMRI データに専念。前処理に fMRI セッションごとに個別に次の手順を実行します。
    1. (米国東部標準時刻・解像度) を再編、および新しくオープン バッチ エディター ウィンドウをクリックして、データをダブルクリック >セッション。新しくオープンのセッション ウィンドウを処理するすべての機能の画像を選択します。実行] ボタンをクリックして、そしてその後、バッチ エディター ウィンドウ (緑色の三角形) からバッチを実行アイコンをクリックします。MATLAB のターミナル ウィンドウに示されているように再編のステップが完了するまでを待ちます。
    2. Coregister (米国東部標準時刻・解像度)、および新しくオープン バッチ エディター ウィンドウをクリックして、参照イメージをダブルクリックします。新しくオープンの参照イメージ ウィンドウで「平均」で始まる次の手順で作成した平均機能ボリュームを選択し、[ Done ] ボタンをクリックします。ソース イメージ、および新しくオープン ソース イメージ ウィンドウをし、ダブルクリック、T1 画像を選択します。実行] ボタンをクリックして、その後、バッチ エディター ウィンドウ (緑色の三角形) からバッチを実行アイコンをクリックします。MATLAB のターミナル ウィンドウに示されているようにわせステップが完了するまでを待ちます。
      注: 更新された機能のボリュームと同じ空間に存在するように、この段階で T1 画像が上書きされます。
    3. セグメント、および新しくオープン バッチ エディター ウィンドウをクリックして、ボリュームをダブルクリックします。新しくオープンの [ボリューム] ウィンドウで T1 画像を選択し、[ Done ] ボタンをクリックします。バッチ エディター ウィンドウで変形フィールドをダブルクリックし、逆オプションを選択します。バッチを実行アイコン (緑色の三角) をクリックして、MATLAB のターミナル ウィンドウに示されるように分割ステップが終了すると、までを待ちます。
  2. 最初の前処理グラフィカル ユーザー インターフェイス ウィンドウを開きます MATLAB ターミナルに JOVE_GUI1 を入力します。分析する fMRI セッションごとに次の手順を実行します。
    1. FMRI データを入力をクリックし、手順 4.1.1 ("r"で始まる) で作成したすべてのなおしました機能ボリュームを選択します。IMG/HDR ファイル、IMG と HDR の両方のボリュームを選択します。
    2. 専用の編集可能なテキスト ウィンドウに秒単位でデータの TR を入力します。
    3. T1 の入力データをクリックし、手順 ("c1"、"c2"と"c3"の接頭辞) 4.1.3 で作成した 3 つの確率論的組織型ボリュームを選択します。
    4. 入力モーション ファイルをクリックし、4.1.1 のステップで作成され、"rp"で始まる、関心のセッションからの運動パラメーターを格納するテキスト ファイルを選択します。
    5. かどうか、データを前する必要があるかどうかは、前処理の目的のタイプを選択 (オンまたはオフ専用の無線ボタンをそれぞれ設定する) とどのような共変量はアウト (専用のリストから適切なオプションを選択する) によって後退する必要があります。
      注:回帰のステップは DPARSF ツールボックス29から発信された関数からインスピレーションを得た。被験者から白質と脳脊髄液の信号をそれぞれのテンプレート DPARSF 確率論的組織を示した地図信号 0.99 より大きいボクセル平均化します。私たちの分析では、データを前し、同様に、定数、線形と二次の傾向白質/脳脊髄液の時間コースを後退しました。
    6. データの事前処理、前処理をクリックし、ウィンドウに表示するディスプレイを待ちます。データは、再、オプションの変更、前処理] ボタンを再度クリックすると異なる前処理することができます。
      注:灰白質のプロットは、電源ら30によって提案された表現からインスパイアされました。
    7. 次のステップの出力を保存するには、[保存] ボタンをクリックします。ウィンドウの内容を消去するには、クリアボタンをクリックします。

figure-protocol-4992
補足図 1: 最初の前処理グラフィカル ユーザー インターフェイス ウィンドウからサンプルのスクリーン ショットします。ボクセル賢明な時間灰白質ボクセル選択した前処理のオプション (トップ右のプロット) と前処理で使用することができる共変量を次のコース (上から下へ: 脳脊髄液/ホワイト問題平均時間コース、並進運動パラメーターと回転パラメーター。この図の拡大版を表示するのにはここをクリックしてください。

  1. 2 番目の前処理グラフィカル ユーザー インターフェイス ウィンドウを開きます MATLAB ターミナルに JOVE_GUI2 を入力します。分析する fMRI セッションごとに次の手順を実行します。
    1. データを選択、クリックし、ステップ 4.2.7 (名前付き"ISFC_VX.mat") で保存したデータ ファイルを選択します。
    2. モーションを選択、クリックし、4.1.1 のステップで作成され、"rp"で始まる、関心のセッションからの運動パラメーターを含むテキスト ファイルを選択します。
    3. アトラスを選択、クリックし、分配に使用するアトラスを表す NIFTI ファイルを選択します。
    4. 逆ワープを選択、クリックし、NIFTI ファイル表す mni の変形フィールドで作成したネイティブな空間を 4.1.3 をステップし、「アイワイ バンク」で始まるを選択します。
    5. FMRI のボリュームを選択して、クリックし、fMRI データ ボリュームのいずれかを選択します。
      注:この手順は、なぜ実際の選択したボリュームは重要ではありません、したがって機能データのヘッダー情報にアクセスできます。
    6. 専用の編集可能なテキスト ウィンドウに秒単位でデータの TR を入力します。
    7. 洗浄関連の情報を入力してください: 実行するスクラブの種類 (すなわち,タグのものの前後にスクラブをどのように多くのフレーム)「スクラブの種類」リストで framewise 変位しきい値 (電源の基準31)上記 fMRI ボリュームは (mm) に「スクラブしきい値」編集可能なテキスト ウィンドウでスクラブする必要があります。
      注:スプライン補間は、スクラブ データ ポイント近隣のサンプルから推定した値と置き換えることで実行されます。私たちの分析では、タグ付きのボリュームでは後、1 つのフレームをごしごしし、スクラブに 0.5 mm のしきい値を使用します。
    8. スライディング ウィンドウ w ISFC の計算 (手順 5. を参照)、trs フォン ジャックで使用するサイズを入力します。
      注:情報のこの作品は、DPARSF ツールボックス29由来機能により時間コースのフィルタ リングを有効にする、f = 1/W Hz32。私たちの分析で使いました W = 10 ロバスト推定のための十分なサンプルを節約しながら、ダイナミックな変動をキャプチャするトレードオフ値として TR。
    9. (上部のプロット) する前に示す数時間コースを表示するには、印刷ボタンをクリックして前後 (下部のプロット) スクラブして、フィルター処理の手順。これらの出力信号は、顕著な人工の部品を内蔵していないをその選択した前処理を次の手順は、目視によってを確認します。
    10. 次の手順の出力を保存する保存を入力専用の編集可能なテキスト ウィンドウの名前、保存ボタンをクリックします。ウィンドウの内容を消去するには、クリアボタンをクリックします。

figure-protocol-7136
補足図 2: 2 番目の前処理グラフィカル ユーザー インターフェイス ウィンドウからサンプルのスクリーン ショットします。アトラス (上部のプロット) する前に、次の地方時間コース (下部のプロット) スクラブとによるとフィルターのパラメーターを選択した後。各曲線は、すべての利用可能なものの中でランダムに選択された 1 つの地域の時間コースを示しています。この図の拡大版を表示するのにはここをクリックしてください。

5. スライディング ウィンドウ ISFC 計算

  1. 最初の ISFC 関連のグラフィカル ユーザー インターフェイス ウィンドウを開きます MATLAB ターミナルに JOVE_GUI3 を入力します。別々 に取得した fMRI セッション セグメント (刺激関連分野、刺激関連セッションの休息状態セグメントと純粋な安静セグメント) の種類ごとに次の手順を実行します。
    1. データの読み込みをクリックし、手順 4.3 作成されるすべての適切なデータ ファイルを選択します。
    2. 選択したセッションのセグメントは、相ランダム化を受けるべきであるかどうかを選択します。
      注:相ランダム化は、休憩状態の録音がない場合、関連の刺激信号から null データの生成のための代替オプションとして使用できます。
    3. 専用の編集可能なテキスト ウィンドウに秒単位でデータの TR を入力します。
    4. スライディング ウィンドウ専用の編集可能なテキスト ウィンドウで分析に使用するパラメーターを入力します: ウィンドウ サイズ (TRs) 接続上測定を計算する必要がありますとステップ サイズ (TRs) の連続する窓のシフトを。
      注:私たちの分析で 10 のウィンドウのサイズを使用して TR と 1 のステップ サイズ TR。
    5. 読み込まれたセッション セグメントの同じ実験条件の時に取得されたを指定する「セッション型」テーブルを変更します。(例えば、刺激は、最初または特定の記録で 2 番目の時間のために表示されていた) 場合、以降タグ セグメントのさまざまな種類、1 から増加の整数を使用します。セッションのセグメントの 1 つのタイプに買収されただけの場合、テーブルをそのまま残します。
      注:現在の仕事でのセッション (実行1と呼ばれる、図 1 aに2を実行) の組み合わせの映画/安静録音、または (実行3) 純粋な休息状態の記録」をご覧ください。映画を見て、または被験者が安静時嘘をついたとき、セッション セグメントはセッション録音のサブ部分を参照します。上記の情報は、別のセッションのセグメントの種類の交絡影響を制限する (ステップ 5.1.8 を参照) その後説明 ISFC の計算に使用されます。
    6. 専用の編集可能なテキスト ウィンドウでブートス トラップ関連のパラメーターを入力します: ISFC 計算の実行に使用するひだをブートス トラップの数と ISFC 計算のフォールドごとに参照グループを構成する必要があります被験者の数。
      注:私たちの分析で参照グループに 250 のブートス トラップひだ、6 科目を使いました。
    7. 仕様については時間コースのサブ部分を分析し、タイミング ・ パラメーターでは、専用の編集可能なテキスト ウィンドウでを入力します。開始インデックスと終了インデックス (TRs) でを提供する必要があります。全体の録音時間を分析し、終了インデックス、開始インデックス、およびサンプルの数として 1 を使用します。
    8. ISFC 計算を実行して印刷ボタンをクリックします。表示は、経過したブートス トラップひだの量と一緒に、時間をかけて徐々 に更新されます。地域のペア (i, j) は、スライディング ウィンドウ インデックス τ ISFC セッション セグメント s と W の長さのスライディング ウィンドウ内の参照グループからすべてのセッションのセグメント間の相互相関の平均値として計算されます。この参照グループを示すには、Ψ、NΨとi[s](t) 時間コース地域の x によって人数で時間 t; セッション セグメントの私ISFC 見積もりはでそれから与えられます。
      figure-protocol-9451
      ISFC 測定のひだをブートス トラップの指定された量を計算し、選択した各参照のグループとして使われるセッション セグメント数を折る (ステップ 5.1.6 を参照)。いくつかのセッションのセグメントのサブタイプが含まれるサブタイプ サンプルの混合物は常に参照グループを作成します。各セッションのセグメントの最終出力は、それは参照の測定として含まれませんでしたすべてのフォールドにおける平均 ISFC です。
      注:参照グループはセッション セグメント s のコースは、ブートス トラップ プロセスの各倍で比較されます機能時間をセッション セグメントのセットです。さらに結果の外れ値のデータ ポイントに堅牢な ISFC 計算されます複数回参照別のグループ (つまり、別のセッションのセグメントのサブセット) に。重要なは、後者 W データ ポイントのセットを計算し、連続の見積もりウィンドウ ステップ サイズに依存する、集録時間 t はスライディング ウィンドウ インデックス τ を一致しません。ブートス トラップのプロセスは、元の研究から Byrge ら33に触発されました。
    9. 次の手順の出力を保存する保存を入力専用の編集可能なテキスト ウィンドウの名前、保存ボタンをクリックします。ウィンドウの内容を消去するには、クリアボタンをクリックします。

figure-protocol-10264
補足図 3: 最初の ISFC 関連のグラフィカル ユーザー インターフェイス ウィンドウからサンプルのスクリーン ショットします。(上部のプロット)セッションを考え各頻度の模式図が計算その ISFC 測定 (すなわち、選択されていない参照グループ内。(下部のプロット)説法のテーマに関する ISFC 時間コース 50 の接続の例では、最大合計絶対 ISFC の値を時間をまたいで展示物として選択されていると、計算されます。この図の拡大版を表示するのにはここをクリックしてください。

  1. 2 番目の ISFC 関連のグラフィカル ユーザー インターフェイス ウィンドウを開きます MATLAB ターミナルに JOVE_GUI4 を入力します。
    1. 負荷 ISFC データをクリックし、手順 5.1 で作成した刺激関連 ISFC 出力ファイルを選択します。
    2. クリックしてnull データの読み込みと使用される null データ生成方式によって選択, 、休憩状態 ISFC または相無作為化手順 5.1 で作成した刺激関連 ISFC 出力ファイル。
    3. 負荷コードブックをクリックし、手順 4.3 で作成したコードブック ファイルを選択します。
    4. 専用の編集可能なテキスト ウィンドウに秒単位でデータの TR を入力します。
    5. 専用の編集可能なテキスト ウィンドウで (ウィンドウ サイズと trs フォン ジャックは、ステップ サイズ) 5.1 のステップの計算で使用されるスライディング ウィンドウ パラメーターを入力します。
    6. ISFC 時間コースをどちらられる専用の編集可能なテキスト ウィンドウの大幅な変更を強調表示にする必要があります α 値 (%) で入力します。
      注:ここと他の場所で、2.5% の α 値を参照するときそれを意味値が2.5 位より低いまたはnull データの 97.5 パーセンタイルを超える意義が達成されます。私たちの分析では、私達の処分に 5,762 休息状態データ ポイントがあったし、10-4の α 値を選択しました。これは 0.01% を大きくまたは過去 ISFC 遠足とみなされる重要な選択したしきい値と等しいデータ サンプルのしたいことを意味します。比較のために、ボンフェローニ補正によって要求される α レベルは 0.05/44,551 だろう = 1.12 10-6、x データ (n サンプル) の量と有効に最も厳しい可能する α-レベルになるとfigure-protocol-11734。
    7. 測定は、以下のどの刺激関連 ISFC 無分布を構築するため、特定の接続しているすべての利用可能な null ISFC で測定が集約されます ISFC 閾値処理を実行する [印刷] ボタンをクリックします。選択 α 値に従ってどちらられる。時点で刺激関連 ISFC 値は有意に null の分布を超えるは-1 としてタグ付き/重要な ISFC の +1 が減少し、増加、それぞれ。
      注:閾値プロセスは、Betzel ら23の休息状態の動的 FC 仕事からインスピレーションを描画します。
    8. 異なる時点で ISFC の空間パターンを視覚化するには、ISFC 遠足プロット下のスライダーをドラッグします。

figure-protocol-12263
補足図 4: 2 番目の ISFC 関連のグラフィカル ユーザー インターフェイス ウィンドウからサンプルのスクリーン ショットします。(上部左のプロット)示す学科 ISFC 時間コースは 3 つの接続の例の計算、大きな ISFC ツアーの最大の量を示すものとして選択、それに関連付けられた計算の意義しきい値 (水平線) を表示しました。(下左のプロット)同じ接続に関連付けられて遠足コース科目、全体エラー対策として表示されます両側 95% 信頼区間との平均。(右の図)選択した時点の空間 ISFC パターン (科目間で平均ツアー ISFC) はプロット ISFC と遠足に黒い縦線で示されます。正 ISFC ツアーは黄色で示し、否定的なピンクの。ノードのサイズおよび色のコードの度に比例します。この図の拡大版を表示するのにはここをクリックしてください。

結果

ここでは、n と考えた = 15 開発、通常 (TD) 科目通知の書面による同意を得た人。右利きの男性 (23.42 ± 7.8 歳) だった。選択したパラダイムは、太陽への露出の危険性についての若者のための音響科学ドキュメンタリーだった。視覚、聴覚、社会的刺激の大規模な配列が含まれていて、 https://miplab.epfl.ch/index.php/miplife/research/supplement-asd-studyで見ることができます。

件名 (実行1と実行2) 評価の映画は 5 から表示 353 あたり 2 つのセッションを取得しました s (5.8 分期間)。休息状態セグメントも後 386 678 ~ s (4.9 分期間)。さらに、1 つだけ安静セッション (経営3) を取得しました (閉所恐怖症に苦しんでいるものを除く) 各教科、310 の持続的な s (5.2 分)。例の映画のシーンや取得データのタイミングは、図 1 aにまとめたものです。重要なは、獲得プロトコルではなかったという意味で最適な映画露出は波及効果27; によって部分的破損可能性があります直後後を買収その休息状態録音私たちが作る統計閾値の設定サンプルの満足のいく量を持っている現在の調査結果でこのデータを使用するが、これはできる限り回避する必要があります。

我々 はすべてのセッションをフレームの 10% 以上が 0.5 mm のしきい値で、ごしごしし、Craddock ら34 (2 つレベル相関アルゴリズム) 299 の合計のための地域の時間コースを生成するから分配を考慮除外異なる脳の領域。

実行1と実行2、および (3) 休憩状態実行3録音の休息状態のサブパート RUN1 と実行2、(2) の部分を (1) の映画見て ISFC も個別に計算しました。我々 に使用されるウィンドウの距離 W = 10 メイン TR の結果を提示し、W の低い値にそれらを比較 = 5 tr. 出力ステップ サイズ常に残ったトランジスタ Bootstrapping だった 1 と実行 6 セッションを含む 250 以上のひだが各参照グループにセグメントします。

図 1 b W で生成された ISFC 時間コースが表示されます = 10 TR と W = 5 TR 3 つの異なる代表的な接続: 接続 1 関与下頭頂領域関連オブジェクトの移動の期待に左 (MNI 座標: 41,9,32)35と右の前頭弁蓋部領域反応抑制にリンク (-34、-52, 45)36。この後者の領域も関与していた接続 2 と 3 にそれぞれ感覚調整 (54,6,34)37, に関与する領域と言葉 (6,62,9)38の意味の処理に関連付けられて。

ウィンドウの長さにわたって比較 W = 5 TR の設定を明らかにする、被験者の変化全体的な W と比較してどちらの映画見て、休憩状態のセグメントの場合でより大きい = 10 TR、スライディング ウィンドウ解析39で知られている現象。1、接続ウィンドウの長さ、ローカライズされたサブパートに関係なく映画を見て録画のため (約 55 で s) 強い、同期 ISFC 増加科目、主として休憩状態の場合は、値の範囲を越えるを示しています。したがって、我々 は私たちのしきい値選定法に重要な ISFC 過渡としてこの時間的サブパートをキャプチャする期待します。

接続 2 の遵守と同様のダイナミクスが、w = 5 TR、増加し大きなスライディング ウィンドウ方法論関連ノイズによる安静状態時間のコースと比較して収拾に難くなります。接続 3、映画への明確な応答がない場合を反映している、したがって、映画見て、休憩状態の時間のコースから変動が似ています。この分析の段階で期待される成果は、明確な刺激誘起再構成を示す接続と応答しない接続のミックスです。

figure-results-2441
図 1: 集録タイミングと例 ISFC 時間コース。(A) 被験者による見た映画に幅広い社会的な状況 (例画像 1 と 4)、カラフルなパネル (例画像 2 と 5)、科学的な解説と背景風景 (例 3) が関与しています。サブジェクトごと買収された 3 つのセッション: 2 (1を実行し、2を実行) は映画刺激を含まれて (5 353 ~ s、緑色で強調表示) - 安静期間が続く (678 に 386 から s、黄色で示されている)、中 (経営3) の 1 つにのみ安静状態の記録 (310 s 期間、オレンジ色で表示されます) で成っていた。(B) 3 つを示す接続 (C1、C2、C3、それぞれダーク グリーン/レッド、ライト グリーン/オレンジとターコイズ/イエロー トレース)、映画を観る (冷たい色) または安静 (熱い色) の間に時間をかけて ISFC の進化。W = 10 TR (左のパネル)、映画を観る ISFC 変更より多く主スタンド W に比べて = 5 TR (右側のパネル)。各トレースでは、1 つのセッションの ISFC 時間コースを反映しています。この図は、ボルトンら25から一部変更されています。この図の拡大版を表示するのにはここをクリックしてください。

図 2 aは、上記と同じ 3 つの接続のための ISFC 時間コースの統計しきい値を次結果を表示します。すべての科目が同時に同じ ISFC 増加を受けた 1 という時間コースの値がポイントします。値が 0 の場合、件名には大きな ISFC 変化; 施行しなかったの-1 の値は、すべての科目にわたって同期 ISFC の減少を表します。前に、我々 の対照として W = 5 TR と W = 10 TR と我々 もハイライト 2 α 値の例: α = 0.01% と α = 5%。

下部ウィンドウの長さ上記観測とフィッティング、抽出された重要な ISFC 変更の量が減ります。接続 1、両方 W = 5 TR と W = 10 TR、ただし、同じ特定の時点を抽出 (t = 55 s) として強い ISFC 増加を示します。約 5 の血行力学的遅延を取って考慮 s、これは映画のサブパートに対応色付きの線が、人形に向かって正面にある (46-49 秒)、オブジェクトの移動に関与する領域の役割にふさわしい突然停止したとき期待と応答抑制35,36。

Α 0.01% から 5% を増加しているとき 1 つは検出された ISFC トランジェント、多くの偽陽性を含む可能性が高いと予想はるかに少ない時間の同期を示すのはるかに低い特異性を観察できます。

T ISFC の重要な変更の全体脳空間マップを示しています図 2 bデータに対して設定できるもう一つの視点として = 55 s。映画のワンシーンへの応答をここで説明した例の接続をはるかに超えて拡張すること見ることができます。

figure-results-4382
図 2: ISFC パターンの時空のスナップショット。(C1、C2、C3、それぞれ暗い緑、軽い緑、青緑色トレース) を示す接続が 3 つの科目全体の平均 (A) ISFC 過渡時間のコース。ISFC 変更を行なった映画のシーンは明るい灰色で強調表示されます、例の画像が描かれています。W = 10 TR (プロットの左列) ISFC 変更より、W = 5 がより強く検出される TR (プロットの右側の列)。Α = 0.01% (プロットの一番上の行)、ローカライズされた映画キューに対する特異性は α = 5% (プロットの最下行) よりも大きい。各トレース セッションは 1 つの ISFC 過渡時間コースを反映して、エラー対策として両側 95% 信頼区間が表示されます。(B) の W = 10 TR と α = 0.01% t ISFC トランジェントのきちんとした、制限された空間パターンがある = 55 s (ピーク ISFC 過渡値 C1);W = 5 TR と α = 5% 重要な ISFC この時点で変化の接続がずっと数が多い。5 人程の血行力学的遅延仮定に注意してください、説明で s (すなわち, 55 の値 50 で映画刺激に関連してここに s)。この図は、ボルトンら25から一部変更されています。この図の拡大版を表示するのにはここをクリックしてください。

ディスカッション

健常者のデータセットの私達はどのように同期の交差件名増加を示し、FC、ISFC トランジェントの減少は一時的ローカライズされた映画キュー、静的説明を超えて情報を提供するを一致させます。交差件名の相関関係の使用措置刺激駆動機能の再構成に関する分析を集中することができますは、1 つはまた研究の人口の間で共有される効果に調査結果が制限されることわかっていなければならない: それ故に、低レベル感覚処理は、正面処理40と比較して過剰表現する予定です。この制限をバイパスするには、をも最も強く科目ごとに異なる領域を抽出する能力を持つ新しいメソッド開発41であります。

導入の方法論からもう一つの制限は、ISFC 過渡時間コースの時間分解能を逐次アプローチ15に比べて低く、スライディング ウィンドウの側面から発生します。私達を示した、動的 ISFC の再構成、適切に解決するに十分に低いウィンドウの長さ間のトレードオフが必要です、堅牢なを取得するのに十分な大きさのサイズを見積もります。体制で 2 つの重要な手順を抽出 ISFC トランジェントが接続で本当に発生する変更を反映を確保する: 最初、ウィンドウの長さ32; の逆で地域の時間のコースの高域通過フィルター第二に、刺激関連データと比較して同一集録パラメーターとの関連の null 配信の生成のため休息状態 ISFC データの利用。もちろん、後者も、必要です長いグローバル取得時間刺激関連セッションの上に休んでいる状態データを収集できます。以上の安静状態の録画を回避するための代替アプローチ、としてまた、動的機能的結合解析でよく使われるアプローチ刺激に関連する時間のコースから直接相無作為化データを生成する可能性を提供します。23,24しますセッションのサブセットのさらなる評価に明らかにした休息状態 null メソッドはより保守的な、偽陽性になりやすいため、ISFC エクスカーション検出のグローバル パターンともほぼ同様の両方の方式 (参照。補足図 5)。

figure-discussion-1141
補足図 5: null データ生成メソッド間で検出の ISFC エクスカーション。安静 (左カラム、青プロット) または接続を介して抽出 ISFC ツアーの割合、相ランダム化 (右側の赤いプロット) null データの発電方法。下のプロットは、最初の 3 つの考えの脳から発せられる接続のはめ込み式です。エラーは、科目間での標準偏差を表します。この図の拡大版を表示するのにはここをクリックしてください。

安静状態の獲得の期間は実際に解析の重要なパラメーターに関連している: α 値。上記例示としてあまりにも寛大な選択、大量誤検出された ISFC トランジェントに します。利用可能な休息状態データ量が大きいほどより厳格な達成可能な偽陽性率、しきい値は、null の分布からより多くの極端な値に基づいてことができますので。指示として n = 299 アトラス地域としてここ 5,762 休息状態データ ポイントの我々 の記録を与え、我々 は最高の状態で 0.01% に近い α 値を達成できると (手順 5.2.6 数学的な詳細を参照してください)。

任意 fMRI 解析に係る別の重要なポイントは、分析されたデータ30,42から可能なモーション関連成果物の厳密な除去にあります。特に、スキャナーの動きをマーク展示病気の人口に導入されたパイプラインに適用する場合、お勧めします実行統計解析における共変量として運動変数を含む上に別途プリプロセス手順は、ウェーブレット ノイズ除去43または ICA 香り44など実行します。グループの比較、例えば、健康と病気のグループの間 ISFC トランジェントを比較する興味 (ボルトンら25人口の例診断を参照の両方のグループに並列に記述されているアプローチを実行することによって容易に行うことが自閉症スペクトラム障害)。ただし、グループの違いは、2 つの異なる設定で発生する可能性: (1) 欠席 ISFC を 1 つのグループ、またはそのグループ内 (2) より異種の進化の変更します。これら 2 つの要因を収拾するため、健常者のブートス トラップの手順に参照グループとして設定を使用して、病気のグループのもう一度のパイプラインを実行する必要があります。前者の場合は、後者がないに対しは、不在応答になりますまだ。

我々 はここで説明したもの、上に導入の方法論はまた有望な将来の道を切り開く: 脳を定量化する指標から接続する派生45、脳グラフと捉えるべき ISFC 過渡マップ分析側からまたは動的 ISFC 状態クラスタ リングによるアプローチを介して抽出でき、時空間特性17,46の観点から評価。さらに、ピアソンの相関係数 FC47,48の微妙な側面を明らかにするよりもより高度な接続の測定ツールの使用を想定可能性がありますも 1 つ。

実験的側面から当社のパイプラインのパラダイムの拡張セットへの応用が有望な視点: たとえば、映画ではなくここでは、研究 1 つでした想定音楽49または物語13の部分を使用するには 50時間ロックの刺激として。また、それもが想像できから hyperscanning51、自然主義的な社会的コミュニケーション52,53をプローブします。

開示事項

著者が明らかに何もありません。

謝辞

この作業は、次の各部分で支えられました: 研究 (庁、センターの生体イメージング (CIBM)、(TB し DVDV) Bertarelli 財団スイス国立科学財団 (DVDV に許可番号 205321_163376)tempofront 付与数 04701 ALG)。著者は, MRI のオペレーターとしてこの作品のビデオ コンテンツへの貢献のロベルト ・ Martuzzi とジュリア プレティを感謝したいし、ボランティアをスキャンします。

資料

NameCompanyCatalog NumberComments
Freesurfer version 6.0Laboratory for Computational Neuroimaging, Martinos Center for Biomedical Imaging, Boston (MA), USAhttps://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstallA MATLAB-compatible toolbox enabling to carry out various processing, visualisation and analytical steps on functional magnetic resonance imaging data
MATLAB_R2017aMathWorkshttps://ch.mathworks.com/downloads/Working version of the MATLAB computational software (version 2014a or more recent should be used)
Statistical Parametric Mapping version 12.0 (SPM12)Wellcome Trust Center for Neuroimaging, University College London, London, UKhttps://www.fil.ion.ucl.ac.uk/spm/software/spm12/A MATLAB-compatible toolbox enabling to perform statistical analyses on functional magnetic resonance imaging data
Tim-Trio 3 T MRI scannerSiemenshttps://www.healthcare.siemens.ch/magnetic-resonance-imaging/for-installed-base-business-only-do-not-publish/magnetom-trio-timMagnetic resonance imaging scanner in which subjects have their functional brain activity recorded (at 3 T)

参考文献

  1. Friston, K. J. Functional and effective connectivity in neuroimaging: A synthesis. Human Brain Mapping. 2 (1-2), 56-78 (1994).
  2. Gonzales-Castillo, J., et al. Tracking ongoing cognition in individuals using brief, whole-brain functional connectivity patterns. Proceedings of the National Academy of Sciences U.S.A. 112 (28), 8762-8767 (2015).
  3. Peltz, E., et al. Functional connectivity of the human insular cortex during noxious and innocuous thermal stimulation. Neuroimage. 54 (2), 1324-1335 (2011).
  4. Shirer, W. R., Ryali, S., Rykhlevskaia, E., Menon, V., Greicius, M. D. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cerebral Cortex. 22 (1), 158-165 (2012).
  5. Hasson, U., Nir, Y., Levy, I., Fuhrmann, G., Malach, R. Intersubject Synchronization of Cortical Activity During Natural Vision. Science. 303 (5664), 1634-1640 (2004).
  6. Hasson, U., Furman, O., Clark, D., Dudai, Y., Davachi, L. Enhanced Intersubject Correlations during Movie Viewing Correlate with Successful Episodic Encoding. Neuron. 57 (3), 452-462 (2008).
  7. Hasson, U., Yang, E., Vallines, I., Heeger, D. J., Rubin, N. A Hierarchy of Temporal Receptive Windows in Human Cortex. Journal of Neuroscience. 28 (10), 2539-2550 (2008).
  8. Jääskeläinen, I. P., et al. Inter-Subject Synchronization of Prefrontal Cortex Hemodynamic Activity During Natural Viewing. The Open Neuroimaging Journal. 2, 14(2008).
  9. Wilson, S. M., Molnar-Szakacs, I., Iacoboni, M. Beyond Superior Temporal Cortex: Intersubject Correlations in Narrative Speech Comprehension. Cerebral Cortex. 18 (1), 230-242 (2008).
  10. Hasson, U., et al. Shared and idiosyncratic cortical activation patterns in autism revealed under continuous real-life viewing conditions. Autism Research. 2 (4), 220-231 (2009).
  11. Salmi, J., et al. The brains of high functioning autistic individuals do not synchronize with those of others. NeuroImage: Clinical. 3, 489-497 (2013).
  12. Mantini, D., et al. Interspecies activity correlations reveal functional correspondence between monkey and human brain areas. Nature Methods. 9 (3), 277(2012).
  13. Simony, E., et al. Dynamic reconfiguration of the default mode network during narrative comprehension. Nature Communications. 7, 12141(2016).
  14. Hutchison, R. M., et al. Dynamic functional connectivity: promise, issues, and interpretations. Neuroimage. 80, 360-378 (2013).
  15. Preti, M. G., Bolton, T. A. W., Van De Ville, D. The dynamic functional connectome: state-of-the-art and perspectives. Neuroimage. 160, 41-54 (2017).
  16. Gonzalez-Castillo, J., Bandettini, P. A. Task-based dynamic functional connectivity: Recent findings and open questions. Neuroimage. 180, 526-533 (2018).
  17. Allen, E. A., et al. Tracking whole-brain connectivity dynamics in the resting state. Cerebral Cortex. 24 (3), 663-676 (2014).
  18. Sakoğlu, Ü, et al. A method for evaluating dynamic functional network connectivity and task-modulation: application to schizophrenia. Magnetic Resonance Materials in Physics, Biology and Medicine. 23 (5-6), 351-366 (2010).
  19. Douw, L., Wakeman, D., Tanaka, N., Liu, H. State-dependent variability of dynamic functional connectivity between frontoparietal and default networks relates to cognitive flexibility. Neuroscience. 339, 12-21 (2016).
  20. Mooneyham, B. W., et al. States of mind: characterizing the neural bases of focus and mind-wandering through dynamic functional connectivity. Journal of Cognitive Neuroscience. 29 (3), 495-506 (2017).
  21. Kim, D., Kay, K., Shulman, G. L., Corbetta, M. A New Modular Brain Organization of the BOLD Signal during Natural Vision. Cerebral Cortex. 28 (9), 3065-3081 (2018).
  22. Lynch, L. K., et al. Task-Evoked Functional Connectivity Does Not Explain Functional Connectivity Differences Between Rest and Task Conditions. Human Brain Mapping. 39, 4939-4948 (2018).
  23. Betzel, R. F., Fukushima, M., He, Y., Zuo, X. N., Sporns, O. Dynamic fluctuations coincide with periods of high and low modularity in resting-state functional brain networks. Neuroimage. 127, 287-297 (2016).
  24. Hindriks, R., et al. Can sliding-window correlations reveal dynamic functional connectivity in resting-state fMRI? Neuroimage. , 242-256 (2016).
  25. Bolton, T. A. W., Jochaut, D., Giraud, A. L., Van De Ville, D. Brain dynamics in ASD during movie-watching show idiosyncratic functional integration and segregation. Human Brain Mapping. 39 (6), 2391-2404 (2018).
  26. Jochaut, D., et al. Atypical coordination of cortical oscillations in response to speech in autism. Frontiers in Human Neuroscience. 9, 171(2015).
  27. Dodero, L., Sona, D., Meskaldji, D. E., Murino, V., Van De Ville, D. Traces of human functional activity: Moment-to-moment fluctuations in fMRI data. Biomedical Imaging (ISBI), 2016 IEEE 13th International Symposium. , 1307-1310 (2016).
  28. Fischl, B. Freesurfer. Neuroimage. 62 (2), 774-781 (2012).
  29. Yan, C., Zang, Y. DPARSF: a MATLAB toolbox for "pipeline" data analysis of resting-state fMRI. Frontiers in Systems Neuroscience. 4, 13(2010).
  30. Power, J. D., et al. Methods to detect, characterize, and remove motion artifact in resting state fMRI. Neuroimage. 84, 320-341 (2014).
  31. Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggaer, B. L., Petersen, S. E. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59 (3), 2142-2154 (2012).
  32. Leonardi, N., Van De Ville, D. On spurious and real fluctuations of dynamic functional connectivity during rest. Neuroimage. 104, 430-436 (2015).
  33. Byrge, L., Dubois, J., Tyszka, J. M., Adolphs, R., Kennedy, D. P. Idiosyncratic brain activation patterns are associated with poor social comprehension in autism. Journal of Neuroscience. 35 (14), 5837-5850 (2015).
  34. Craddock, R. C., James, G. A., Holtzheimer, P. E. III, Hu, X. P., Mayberg, H. S. A whole brain fMRI atlas generated via spatially constrained spectral clustering. Human Brain Mapping. 33 (8), 1914-1928 (2012).
  35. Shulman, G. L., et al. Areas involved in encoding and applying directional expectations to moving objects. Journal of Neuroscience. 19 (21), 9480-9496 (1999).
  36. Sebastian, A., et al. Disentangling common and specific neural subprocesses of response inhibition. Neuroimage. 64, 601-615 (2013).
  37. Oullier, O., Jantzen, K. J., Steinberg, F. L., Kelso, J. A. S. Neural substrates of real and imagined sensorimotor coordination. Cerebral Cortex. 15 (7), 975-985 (2004).
  38. Chan, A. H., et al. Neural systems for word meaning modulated by semantic ambiguity. Neuroimage. 22 (3), 1128-1133 (2004).
  39. Lindquist, M. A., Xu, Y., Nebel, M. B., Caffo, B. S. Evaluating dynamic bivariate correlations in resting-state fMRI: A comparison study and a new approach. Neuroimage. 101 (1), 531-546 (2014).
  40. Ren, Y., Nguyen, V. T., Guo, L., Guo, C. C. Inter-subject functional correlation reveal a hierarchical organization of extrinsic and intrinsic systems in the brain. Scientific Reports. 7 (1), 10876(2017).
  41. Kauppi, J. P., Pajula, J., Niemi, J., Hari, R., Tohka, J. Functional brain segmentation using inter-subject correlation in fMRI. Human Brain Mapping. 38 (5), 2643-2665 (2017).
  42. Van Dijk, K. R., Sabuncu, M. R., Buckner, R. L. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59 (1), 431-438 (2012).
  43. Patel, A. X., et al. A wavelet method for modeling and despiking motion artifacts from resting-state fMRI time series. Neuroimage. 95, 287-304 (2014).
  44. Pruim, R. H., et al. ICA-AROMA: A robust ICA-based strategy for removing motion artifacts from fMRI data. Neuroimage. , 267-277 (2015).
  45. Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
  46. Damaraju, E., et al. Dynamic functional connectivity analysis reveals transient states of dysconnectivity in schizophrenia. NeuroImage: Clinical. 5, 298-308 (2014).
  47. Smith, S., et al. Network modelling methods for FMRI. Neuroimage. 54 (2), 875-891 (2011).
  48. Meskaldji, D. E., et al. Prediction of long-term memory scores in MCI based on resting-state fMRI. NeuroImage: Clinical. 12, 785-795 (2016).
  49. Abrams, D. A., et al. Inter-subject synchronization of brain responses during natural music listening. European Journal of Neuroscience. 37 (9), 1458-1469 (2013).
  50. Huth, A. G., de Heer, W. A., Friffiths, T. L., Theunissen, F. E., Gallant, J. L. Natural speech reveals the semantic maps that tile human cerebral cortex. Nature. 532 (7600), 453(2016).
  51. Montague, P. R., et al. Hyperscanning: simultaneous fMRI during linked social interactions. Neuroimage. 16, 1159-1164 (2002).
  52. Bilek, E., et al. Information flow between interacting human brains: Identification, validation, and relationship to social expertise. Proceedings of the National Academy of Sciences U.S.A. 112 (16), 5207-5212 (2015).
  53. Kinreich, S., Djalovski, A., Kraus, L., Louzoun, Y., Feldman, R. Brain-to-brain synchrony during naturalistic social interactions. Scientific Reports. 7 (1), 17060(2017).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

145

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

お問い合わせ

図書館への推薦

JoVE ニュースレター

研究

教育

著者

図書館員

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved