관리의 실시간 fMRI Neurofeedback 훈련에 대 한 프로토콜

요약

유도 및 신경가 소성을 제어 하는 기능 신경학 적 질환 및 뇌 손상에서 복구에 대 한 미래의 치료에 중요 한 있을 수 있습니다. 이 종이에 인간의 뇌 기능을 조절 하는 기능적 자기 공명 영상 neurofeedback 훈련의 사용에 대 한 프로토콜을 선물이.

초록

신경학 적 장애는 비정상적인 세포-분자 특징-, 및 회로 수준의 두뇌에 있는 기능. 유도 하 고 제어 neuroplastic 프로세스 및 정확한 비정상적인 기능, 또는 심지어 shift 기능 손상 된 조직에서 생리 적으로 건강 한 뇌 영역에 새로운 방법을 극적으로 전반적인 건강을 향상 시킬 수 있는 잠재력 보유. 개발에서 현재 neuroplastic 개입의 neurofeedback 훈련 (노퍽) 기능적인 자기 공명 화상 진 찰 (fMRI)에서 하 고 완전 하 게 비-침략 적,-약리학 적인 공간적 대상 뇌에 지역화의 이점이 있다 지역로 알려진된 부작용을가지고 있습니다. 게다가, 노퍽 기법, fMRI를 사용 하 여 처음 개발 종종 정교한 의료 기기 또는 의료 전문가의 도움 없이 스캐너 밖에 수행할 수 있는 연습을 번역 수 있습니다. FMRI 노퍽에 fMRI 신호는 뇌의 특정 영역에서 측정, 처리, 이며 실시간으로 참가자에 게 제시. 훈련을 통해,이 신호 및 그것의 내부 neurophysiologic 상호 규제, 자율된 정신 처리 기법, 개발 된다. FMRI NFT는 다양 한 여러 가지 인지, 행동, 및 모터 시스템에 대 한 영향으로 뇌 영역 지 제어 훈련 사용 되었습니다. 또한, fMRI NFT 나타났습니다 약속 신경학 적 장애의 치료와 같은 응용 프로그램의 광범위 한 범위와 기준 인간의 성능 확대. 이 문서에서는, 우리는 모두 건강의 비정상적인 뇌 기능 뿐만 아니라 두뇌의 인지 및 청각 영역 대상 메서드를 사용 하 여 예제에 대 한 우리의 기관에서 개발 하는 fMRI NFT 프로토콜 제시.

서문

신경학 상 무질서 현재 영향을 받는 개인, 그들의 가족, 그리고 사회에 주요 장애. 신경학 적 장애에 대 한 치료는 존재 하지 않는 또는 의심 효능, 하 고 종종 장애의 증상을 대상 수 있습니다. 이러한이 명-소리의 유령 인식-미국 식품의 약 청 (FDA)에 의해 승인 하는 치료를 하지 않은 경우입니다. 이 명 감소 하는 농도 또는 실제 소리의 지 각을 변경 하 여 일상적인 작업을 방해 하는 한 사람의 인생에 지대한 영향을 가질 수 있습니다. 또한, 피로, 스트레스, 수 면 문제, 메모리 문제, 우울증, 불안, 그리고 과민성¹개인 영향을 명 발생할 수 있습니다. 존재 하지 않으면, 항우울제 등 antianxiety 약물 요법만 관련 된 증상을 관리 하 고 근본적인 원인을 치료 하지 않을 수 있습니다. 이 이러한 장애의 혁신적인 치료법에 대 한 중요 한 차이 만듭니다.

수집 기술, 컴퓨팅 파워 및 알고리즘 개선 속도는 기능적 자기 공명 영상 (fMRI) 데이터 측정 및 수 처리 혁명 있다. 이것은으로 수집 된 데이터를 처리할 수 있습니다 어디 실시간 fMRI의 출현을 활성화 하 고. 실시간 fMRI의 초기 응용 프로그램 제한², 주로 빠르게 모션 보정 등 오프 라인 분석을 일반적인 사전 처리 단계를 완료 하는 무 능력에 의해 저해 했다. 컴퓨팅 기술과 알고리즘 개선 속도, 감도, 그리고 실시간 fMRI³ 비슷한 오프 라인 사전 처리 실시간으로 적용할 수 있도록의 지금 증가. 이러한 발전 실시간 fMRI의 4 기본 응용 프로그램 도메인을 이끈: 자가 수술 지도⁴, 뇌-컴퓨터 인터페이스^5,6, 현재 두뇌 국가⁷, 자극에 적응 하 고 neurofeedback 훈련⁸.

노퍽, 비록 실시간 fMRI의 원래 초점 하지 개인 정신 전략 (즉 상상 작업)의 구현을 통해 volitionally 뇌 활동 조절 배워야 연구의 성장 분야 이다. 노퍽은 조작 컨디셔닝⁹, 신경 발사 속도 원숭이¹⁰신경 활동을 증가 표시 되었습니다의 형태 이다. 또한, fMRI NFT는 관련 된 되었습니다 스파이크 타이밍 종속 소성 연관 학습¹¹중 발생 하는 신경 변화입니다. 더 의미 NFT 소성을 통해 장기 Potentiation (LTP), 결과 유도 하는 fMRI 시 냅 스 효율¹²향상 된 것이 좋습니다. 또 다른 가정 기술 학습, 두뇌 활동, 지 제어 등의 세포 메커니즘을 의미 하 고 전압 종속 막 전도도-신경 흥분¹³변화로 표현에 변화를 포함할 수 있습니다. 어떤 경우에, 그것은 그 fMRI NFT 신경 수준에서 뇌에 영향을 나타납니다. 이러한 이론 fMRI NFT 신경학 적 장애의 치료에서의 사용에 대 한 강력한 사례를 제공합니다.

FMRI NFT, 전통적인 fMRI와 달리 두뇌 활동 및 행동^11,14사이의 관계를 조사 하기 위해 기회를 제공 합니다. 최근에, 되었습니다 스파이크 거의 두 배나 많은 기사와 관련 된 fMRI 노퍽 2011-2012 년에 발표 된 연구에서 (n = 30) 이전 10 년에 비해 (n = 16)¹¹. 첫 번째 fMRI NFT 연구 중 Weiskopf와 동료 2003⁸에 의해 실시 됐다. 이 연구는 성공적으로 온라인 피드백의 타당성과 fMRI 신호에 전방 대상 피 질 (ACC) 한 참가자를 사용 하 여의 자율 규제를 시연 했다. 피드백 지연 약 2 초, 크기 순서 보다는 더 많은 몇 이전 연구 보다 더 빨리 표시 했다. 첫 번째 전체 연구 6 참가자 somatomotor 피¹⁵의 활동을 제어를 배운 2004 년에 실시 되었다. FMRI NFT는 같은 날 수행 3 세션에서 완료 되었다. 증가 활동 공간 somatomotor 피 질에서 대상 지역에 선택적 단일 주제 및 그룹 수준에서 훈련의 과정을 통해 관찰 되었다. 이 효과 실행 이전에 하지 (수행 중인 작업과 상관 하지) 배경 지역에서 실제 fMRI 정보를 받은 컨트롤 그룹에 대 한 관찰 되었다. 연구팀은 이후 인간 지 제어할 ACC¹⁶, 편도¹⁷, 앞쪽 insula^18,19, 청각을 포함 하 여 수많은 두뇌 지구에서 측정 된 fMRI 신호를 배울 수 있습니다 나타났습니다, 주의 관련 네트워크²⁰, 양자 rostrolateral 전 두 엽 피 질²¹, dorsolateral 전 두 엽 피 질^12,,2223, 모터 외피가^{24, 25,26,,2728}, 기본 청각 피 질^29,30, 정서적 네트워크 지역^{31,32와 관련 된 지역} , 오른쪽 열 등 한 정면 뇌³³, 그리고 시각적 외피가^34,35.

많은 신경학 적 장애의 기본 메커니즘은 알. 이 예제에서 대부분의 경우^36,,3738의 유령 사운드에 대 한 확실 한 소스가입니다. 그럼에도 불구 하 고, 증거 중앙 메커니즘 청각 신경³⁹의 완전 한 절 개 후 증상 확인의 부족에 의해 증명으로 명 percept 일부 개인에 대 한 책임이 있을 수 있습니다 제안 합니다. 이 명과 관련 된 과다 기본 청각 피 질^40,,4142에서 발견 되었습니다. 추가 증거가 나왔다 명의 효과 추가 확장 지역 감정의 처리에 및 attentional으로⁴³상태. 이러한 이상에 따라, fMRI NFT 패러다임을 유도 하 고 정상적인 신경 패턴을 장려 neuroplastic 메커니즘을 제어 개발할 수 있습니다.

프로토콜

다음 fMRI NFT 프로토콜 라이트 주립 대학 기관 검토 위원회에 의해 제공 하는 지침을 준수.

1. 제어 그룹

1. 신중 하 게 고려 하 고 컨트롤 그룹을 선험적으로 결정. Hypothesis(es) 평가 될 수 있도록 제어 그룹을 디자인 하 고 연습 또는 피드백에 의해 생성 하는 기대와 같은 추가적인 요인에서 효과 대 한 계정이 표시 ⁴⁴.

2. 하드웨어 설치

1. 참가자 MRI 룸 전통적인 fMRI로 동일한 절차를 사용 하 여 입력 하기 전에 모든 하드웨어를 준비.
2. 미스터 호환 디스플레이 및 응답 장치 시스템 자극 컴퓨터 (PC)에 연결.
3. 미스터-호환 응답 장치에 대 한 케이블 연결 하 고 헤드폰을 통해 또는 MRI 주위 낳았다.
4. MRI에서 자극 PC TR-트리거 출력을 연결.
   참고: 일부 설정이 있습니다 연결 미스터-호환 응답 장치 하드웨어, 다음 자극 컴퓨터에 연결 합니다. 이 동기화 자극 및 데이터 수집에 대 한 필수적입니다.
5. 위치 미스터 호환 표시 ()를 거울을 통해 참가자에 게 표시 됩니다 헤드 코일에 부착 된.

3. 참가자 위치

참고: 전형적인 뇌 MRI, 비슷한 방식으로 그리고 전통적인 fMRI와 같은 방식으로 참가자 스캐너 테이블에 배치 되어야 합니다.

1. 있는 참가자 거짓말 다운 스캐너 테이블에 부정사 위치. 머리 코일 안에 그들의 머리를 유지 하도록 요구 하십시오.
2. 참가자에 헤드폰을 배치 ' s 머리, 그리고 귀는 포함 하는 보장. 추가 청력 보호 해야 하는 경우 귀 플러그 위치 머리 전화 이전 삽입.
3. 장소 참가자 아래 패드 ' 편안 s 무릎.
4. 장소로 머리 코일의 상체를 잠글.
5. 헤드 코일에 거울을 부착.
6. 참가자 응답 장치 위치 ' s 손.
7. 랜드마크 참가자의 위치 ' 스캐너에 상대적인 s 교정.
8. MRI의 센터 landmarked 위치 구멍 이동.
9. 확인 참가자는 거울을 사용 하 여 전체 디스플레이 볼 수 있습니다. 참가자가 필요에 따라 미러 조정 요청.

4. 대상 지역의 지역화

1. 수행은 " 기능 " 지역화. 기능 지역화에서 두뇌 활동을 사용 하 여 정의 대상 관심 영역 (ROI) ¹¹.
   참고:이 실행 전통적인 fMRI 비슷한 방식으로 실행 됩니다. 그러나, 대상 투자 수익 또한 개별 해부학을 사용 하 여 정의할 수 있습니다 또는 표준화 기능 지역화를 수행 하는 필요를 제거 하는 지도. 참가자에 게
   1. 제공 스크립트 또는 시각적 작업 지침.
      참고: 이러한 지침 간결 하지만 참가자가 성공적으로 기능 지역화 하는 동안 실행 하는 작업을 수행할 수 있도록 충분 한 정보를 포함 한다. 여기, 지시 알려 참가자는 도트 화면에 있을 것입니다 그리고 그들은 헤드폰에 소리 들을 수 있습니다. 그들의 목표는 긴장 하 고 초점 점.
   2. 시작 눌러 청취 가능한 자극 (예를 들어, 양국간 지속적인 백색 잡음 ²⁹) 및 데이터 수집 관리 동기화는 " 스캔 " 미스터 스캐너 버튼.
      참고:이 프로그래밍 fMRI 수집에서 TR 트리거를 사용 하 여 자극의 프레 젠 테이 션에 의해 수행 됩니다. 그러나 TR 트리거 fMRI 프로토콜을 통해 제어 됩니다이 MRI 및 설치 된 패키지의 제조업체는 영향을 받을 수 있습니다. 다른 작업을 수행 하거나 다른 영역을 대상 하 어떤, 햅 틱, 시각 및 청각 자극을 제공할 수 있습니다. 차단 된 패턴에서
      1. 대체 일치 제어 작업 자극 (백색 잡음)의 자극 (잡음) 제어 자극을 사용 하 여 원치 않는 네트워크/시스템 작업 자극에 활성화 활성화.
         참고:이 교체 fMRI 인수에 자극을 동기화 및 모니터링 TR 펄스에 의해 발생 합니다.
      2. 그라데이션 리콜 에코 MRI 펄스 시퀀스를 사용 하 여 전체 뇌 에코 평면 이미지 수집; 펄스 시퀀스에 대 한 매개 변수 예제 포함 64 x 64 요소의 인수 매트릭스 41 조각에 평행 정렬 위상 및 주파수 방향에는 전방 commissure 후부 commissure 비행기, 3 m m ³ 복 크기, 0.5 m m 조각 간격, 지방 억제 x 3.75 x 3.75 활성화, TR/테 = 2000/20 ms, 그리고 플립 각도 90 ° =.
2. 다변량 통계를 사용 하 여 기능 지역화 하는 동안 수집 된 fMRI 데이터에서 활성화 지도 계산.
   참고: 다음 단계는 전통적인 fMRI에 대 한 수행 하는 처리의 변종. 몇 가지 단계를 제거 하거나 처리 시간을 단축 하기 위해 단순하게 표현.
   1. 전처리 데이터 중 사용자 지정 소프트웨어를 사용 하 여 데이터 표준 전처리 기법 ^{12 , 45}에서 만들었습니다.
      1. 3D 공간 가우스 로우 패스 커널 (전각 반-최대 4.5 m m)를 사용 하 여 필터링을 수행.
      2. 트라이 선형 보간을 사용 하 여 기능 지역화의 첫 번째 볼륨을 각 볼륨에 대 한 질량의 중심을 맞추어 변환 동작에 대 한 정답.
      3. 시간축 필터링 σ 가우스 로우 패스 커널 사용 하 여 수행 3 = 미
   2. 신경 생리학 응답 작업을 예측 하는 모델을 만들고,이 전통적인 fMRI와 동일한 방식으로 수행 됩니다.
      1. 활성을 설명 하는 심리적 모델을 만들고 각 시간 포인트 ⁴⁶에 대 한 상태를 휴식. 이 작업의 값을 하는 동안 시간 포인트 모델 ' 1 '와 제어는 ' 0 '.
      2. FMRI (신경 생리학) 응답 작업을 예측 하는 미리 정의 된 Hemodynamic 응답 함수 (HRF) ⁴⁶으로 심리적 모델 convolve.
   3. 일반 선형 모형 (GLM)를 사용 하 여 신경 생리학 모델을 시간의 함수로 fMRI 데이터 각 복에 적합. 이 t- 또는 z로 개조 되는 β 매개 변수 맵에서 결과-통계 지도 (정품 인증) 사용 하 여 표준 통계 변환.
3. 의미 fMRI 이미지에 겹쳐 활성화 지도 사용 하 여 후속 neurofeedback에 대 한 피드백 신호를 파생 됩니다 지역 결정.
   참고:이 사용자 지정 소프트웨어를 사용 하 여 수행 됩니다. 글로벌 하 고 불특정 변화를 제거 하려면 두 번째 투자 수익 또한 정의할 수 있습니다.
   F에 표시 해 부 마커를 찾을 마우스 슬라이더 바퀴 또는 슬라이스 슬라이더 막대를 사용 하 여 조각을 통해
   1. 탐색측면 심 ¹²의 정면 경적의 열 등 한 표면 등 MRI 데이터.
   2. 임계값 활성화 지도 대상 지역에서 기능 지역화 하는 동안 활성화 가장 튼튼하게 하는 복을 임계값 슬라이더 막대를 사용 하 여.
      1. 임계값 선험적으로 선택 하 여 또는 수동으로 임계값을 조정 하 여 이것을 수행.
   3. 마우스 왼쪽된 버튼을 사용 하 여 선택할 선택한 임계값 및 투자 수익에 추가할 대상 지역 내에서 활성화와 함께 개별 복.
      참고: 복은 하나 이상의 분할 영역에서 선택할 수 있습니다.

5. fMRI NFT

1. 행위 neurofeedback 작업 및 제어 조건 교류 기차 모델을 사용 하 여 실행.
   1. 구현 작업 조건 어디 참가자 올리거나 원하는 결과 달성 하는 중요 한 제어의 방향으로 대상 지역의 활동.
      참고: 예를 들어 두뇌의 많은 지역이 명 환자에서 활동적인 있으며, 따라서, 활동 감소 정상적인 신경 패턴을 장려 수 있습니다.
   2. 대체 참가자 편안 하 고 그들의 마음을 맑게 하 여 나머지 작업을 반환 하는 있는 컨트롤 상태 작업 상태.
   3. 원하는 상태 쪽으로 두뇌 활동을 변조에 대 한 에이즈를 시작으로 두 조건 중에 사용할 mindfulness 작업의 스크립트 예제와 함께 참가자를 제공 합니다. 참가자가 원하는 주 쪽으로 드라이브 두뇌 활동 mindfulness 작업을 수행 하도록 지시 합니다.
      1. 명 예제에서 청각 활동을 줄이기 위해 다른 감각 시스템에 청각 시스템에서 관심을 돌려 참가자 지시.
   4. 기준 계산
      참고: 각 실행 전에 MRI 하드웨어 부품의 튜닝으로 인해 베이스 라인 참가자에 게 피드백을 제시 하기 전에 데이터를 정규화 하는 데 사용 됩니다. 초기 평균 각 fMRI NFT ^{12 , 47} 실행의 시작 부분에 인수 하는 하나 이상의 볼륨의 평균을 사용 하 여 대상 지역에 대 한 결정 됩니다.
      1. 검색의 시작 부분에서 카운트 다운 동안 긴장을 참가자 지시.
2. 시작 눌러 자극 프레 젠 테이 션 및 데이터 수집 동기화는 " 스캔 " MRI 스캐너에 단추. 4.1.2 단계에서 기능 지역화에 대 한 처방으로 같은 방식으로 그라데이션 리콜 에코 MRI 펄스 시퀀스를 사용 하 여 에코 평면 이미지 수집.
3. 취득 기준 볼륨입니다.
   1. 시각적으로 카운트 다운 타이머 및 빈 피드백 표시 제시.
   2. 중 사용자 지정 소프트웨어를 사용 하 여 데이터를 처리 합니다.
      1. 3D 공간 가우스 로우 패스 커널 (전각 반-최대 4.5 m m)를 사용 하 여 필터링을 수행.
      2. 질량 중심을 사용 하 여 각 볼륨에 대 한 변환 동작에 대 한 수정, 각 볼륨 트라이 선형 보간을 사용 하 여 기능 지역화의 첫 번째 볼륨 등록.
      3. 시간과 공간에 걸쳐 대상 투자 수익 계산 평균 신호.
      4. 각 볼륨에서 대상 투자 수익 내 모든 복에서 신호를 합계.
      5. 복 투자 수익에 수로 합계를 분할 하 여 각 볼륨에 대 한 투자 수익 만들 평균.
      6. 초기 볼륨에서 합계 평균.
4. Neurofeedback 볼륨 취득
   1. 중 사용자 지정 소프트웨어를 사용 하 여 데이터를 전처리.
      1. 3D 공간 가우스 로우 패스 커널 (전각 반-최대 4.5 m m)를 사용 하 여 필터링을 수행.
      2. 트라이 선형 보간을 사용 하 여 기능 지역화의 첫 번째 볼륨을 각 볼륨에 대 한 질량의 중심을 맞추어 변환 동작에 대 한 정답.
   2. 피드백 신호를 계산. 피드백 신호는 fMRI NFT 동안 각 인수 볼륨에서 파생 됩니다. 이 지 제어 학습을 돕기 위해 참가자에 게 표시 되는 정보입니다.
      1. 단일 값을 만들 대상 투자 수익 내 모든 복에서 fMRI 신호 평균.
      2. 현재 투자 수익 평균 ROI 기준 평균 사이의 백분율 변화를 계산합니다. 참가자에 의존으로이 신호 수 있습니다 확장 하는 필요에 따라, ' s 성능.
      3. 일시적으로 필터링 하 여 피드백 신호를 계산 (3 시그마 가우스 로우 패스 커널 구성 요소 과거만 구성 된 s) 현재 % 이전 neurofeedback 볼륨에서 피드백 신호 변경.
   3. 피드백 신호를 표시. 막대의 높이 피드백 값 ^{18 , 19 ,}에 비례 온도계 스타일 바 플롯을 통해
      1. 디스플레이 현재 피드백 신호 ^{21 , 34}.
      2. 피드백에 참가자에 대 한 지침 오버레이 디스플레이.
         참고: 이러한 지침은 간단, 그리고 휴식, 또는 올리거나 활동 (즉, 온도계 막대)를 참가자를 직접 해야.
   4. 선택적으로 추가 자극을 제공. 동시에 피드백 추가 시각, 청각 또는 촉각 자극을 제시 있습니다.

6. 자체 규제 대상 투자 수익 능력 평가.

참고: 자기 훈련의 각 실행에 대 한 대상 영역을 조절 하는 기능 정해질 필요가 neurofeedback 완료.

1. 의견에서 분석 내부 주제 변경 ¹² 신호.
2. 만들기 neurofeedback의 나머지 및 작업 조건을 나타내는 심리적 모델
   .
   참고:이 모델은 신경 생리학 모델을 생산 하는 미리 정의 된 HRF와 convolved. 과정은 동일 기능 지역화에 대 한 설명.
   1. 는 피드백 신호 시간 시리즈는 GLM를 사용 하 여 신경 생리학 모델에 맞는. 이 결과 β 매개 변수를 t 또는 z로 변환 됩니다-자기 조절 능력의 대표적인 통계.
3. 간 주제 비교.
   참고: 성능 자율 규제의 대표적인 통계 실행 및 적절 한 통계 분석 (예를 들어, 한 쌍 t- 테스트 또는 ANOVAs)를 사용 하 여 그룹에 걸쳐 비교할 수 있습니다. 이러한 테스트 자체 훈련 및 그룹, 대상 영역을 조절 하는 기능에 변화를 평가 하 고 연구를 평가 하는데 사용 될 수 있다 ' s hypothesis(es).

결과

우리 팀 18 참가자의 일대에 fMRI 노퍽에서에서 배운 왼쪽된 dorsolateral 전 두 엽 피 질 (DLPFC) 제어에 상당한 증가 설명 했다. 주제 내에서 단방향 ANOVA 지 제어¹²의 양적 값에서 수행 되었다. 이 분석 공개 DLPFC에서 5 배 크게 증가 하는 왼쪽의 제어
6 min:24 s 실행 neurofeedback 14 d (그림 1; 이내에 실시 하는 5 별도 세션에서 분리 F_(4,68) = 2.216, p = 0.038, 구형 추정, 검정). 변경 수행 전후에 노퍽, 복잡 한 멀티태스킹 테스트에 성능에 neurofeedback 2 x 2 혼합 모델 ANOVAs를 사용 하 여 받지 않은 그룹에 비교 했다. 포스트-특별, Bonferroni 수정 비교 공개는 추가 교육을 받지 못한 복잡 한 멀티태스킹 테스트에서 성능에 상당한 증가 (p < 0.005, 검정), 그리고이 증가 했다 컨트롤 그룹 보다 상당히 큰 비슷한 훈련을 수행 하지만 neurofeedback의 추가 원조와 함께 제공 되지 않은 (p < 0.03, 구형 추정, 검정)¹². 실험 그룹 훈련에서 왼쪽된 DLPFC 제어를 얻고에 불구 하 고 고원 하지 관찰 되었다. 이 최대 컨트롤은 행동 결과 생산할 필요가 없습니다 더욱 효과 추가 훈련¹²수 있습니다 나타냅니다. 또한, 우리 팀 노퍽 n결합 fMRI 공개-다시 연습 두뇌 활동 대상 지역에 수감 되 고 작업 메모리 네트워크 (그림 2) ^{의 최대 또는 다운스트림 구성 요소에는 영향을 미치지 않습니다 초점 변화를 만듭니다 22}.

이 명에 관한 한 이전 연구 가능한 치료²⁹fMRI NFT 조사 했다. 본이 연구에서는 단일 훈련 세션에 neurofeedback의 4 x 4 분 실행 완료 되었습니다. 명의 행동 평가 단일 fMRI NFT 세션 전후 실시 했다. 성공적인 지 다운 레 귤 레이 션의 청각 피 질 했다, 달성 고 청각 활성화에 상당한 감소. 그러나이 연구는이 명 치료에 fMRI 노퍽의 약속을 보여줍니다, 그리고, 6 참가자 공부 했다 고 제어 그룹은 비교에 대 한 활용 하지. 또한, 행동 데이터를 포함 하 여 통계 분석은 수행 되지 않습니다. 이 연구에 확대 하는 것은 명 환자에 대 한 흥미로운 새로운 치료 기회 공개 수 있습니다.

그림 1: 왼쪽된 DLPFC 제어할 증가. 평균 DLPFC 제어 각 neurofeedback 실행 (별도 일에서 수행) 왼쪽 빛 녹색 원으로 표시 됩니다. 선형 회귀 분석 훈련에 걸쳐 제어에 상당한 증가 공개 (어두운 녹색 선, β 1.078, p = < 0.033). 오차 막대 셔우드 외 에서 1 SEM. Unmodified 일 대표 ¹², 크리에이 티브 코몬즈 저작자 표시 라이센스 하에 재 인 쇄입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

그림 2: 학습의 지역화 된 효과 왼쪽 DLPFC 제어. (A) fMRI NFT는 n에서 선택에 대 한 복 포함의 확률-다시 기능 지역화. 라이트 블루 복 NFT 대상 지역에서 가장 빈번 하 게 포함 된, 진한 파란색 복 포함 된 자주, 그리고 분명 복 포함 되지 않았습니다. (B) 복 기반 ANOVA 훈련 세션 (빨간색-노란색)의 주 효과 대 한 결과. 이 효과 NFT에 대 한 대상으로 왼쪽된 DLPFC ROIs와 큰 오버랩을 보여주었다. 축 분할 영역 좌표 z에 방사선 규칙에 표시 됩니다 = 22, 26, 30, 34, 38 m m (왼쪽). 셔우드 외 에서 수정 되지 않은 작업 ²², 크리에이 티브 코몬즈 저작자 표시 라이센스 하에 재 인 쇄입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

토론

여기 논의 fMRI NFT 프로토콜, 뇌의 모든 영역을 대상으로 적용할 수 있습니다 그리고 변량, neurofeedback ROI 기반 접근 방식에 설명 합니다. 이것은 다른 영역을 활성화 하기 위해 추가 기능 지역화 작업을 프로그래밍 하 여 얻을 수 있습니다. 사용자 지정 neurofeedback 소프트웨어로 이러한 작업을 통합 하 여 우리는 매우 간단한 과정을 개발 했습니다. 그러나 있다,, 한 가지 한계: 대상 지역 기능적으로 정의 해야 합니다. 이 시점에서 우리 팀이 개발한 소프트웨어는 기능 및 해부학 이미지 사이의 모든 등록을 수행 하지 않습니다. 따라서, 아틀라스 기반 ROIs 다른 ROI 선택 방법이 이번에 구현 될 수 없습니다. 더하여, 자극 및 neurofeedback (예를 들어, 블록 기간, 수 블록, 및 이미징 매개 변수 TR을 포함)에 대 한 매개 변수는 운영자에 의해 쉽게 조작할 수 있습니다. 또한, 전송 neurofeedback의 부재에서 ROI를 구현할 수 있습니다 대상 자기 조절 능력을 평가 하기 위해 실행 됩니다. 우리가 개발한 소프트웨어 neurofeedback 변수 패턴^35,48 또는 두뇌 지역⁴⁹사이 연결을 제공 하지 않습니다.

FMRI NFT neurofeedback의 다른 형태에 비해 상당한 이점을 제공 하지만 한계가 있다. FMRI 노퍽의 주요 장점은 모든 다른 형태의 뇌 파 (뇌 파)와 같은 노퍽을 능가 하는 공간 해상도-neurofeedback을 기반으로. 향상 된 공간 해상도 대상⁵⁰전체 두뇌에 걸쳐 특정 뇌 구조/기능을 수 있습니다. 현재, 이것은 체계적인는 pharmacotherapy, 등 다른 치료법과 달성입니다. 그러나, fMRI 노퍽의 주요 단점은 시간 지연입니다. 하지만 샘플링 속도 (최대 3 배나 느린) 뇌 파 보다 훨씬 느린, hemodynamic 지연 fMRI 신호 추가와 관련 된이 지연에 추가 합니다. 그럼에도 불구 하 고, 압도적인 증거는 참가자 수이 지연 극복 방법과, 연습, 두뇌 활동 (예: 검토 참조 하십시오 슐 외. 를 제어 하는 ¹¹ 과 Scharnowski 외. ⁵⁰)입니다.

하지만 fMRI의 인기 NFT 성장 초기 단계에 남아 있다. 이 때문에, 일반적인 관행 채택 될 아직 있다. 설명된 프로토콜 허용 과학적 방법을 자세히 설명 합니다. 예를 들어 여러 형태의 피드백 표시는 온도계-스타일 바 플롯^18,19,,2134를 포함 하 여 다양 한 연구를 통해 이용 되어 있다. 또한, 피드백 신호 표시 기준과 대상 지역에서 계산 된 백분율 신호 변화 또한 광범위 하 게 구현 된^12,19,,2125 되었습니다. ^{, 30 , 51 , 52}.

위에서 설명한이 명과 관련 된 것과 같은 비정상적인 두뇌 활동, 뇌 손상 또는 신경학 적 장애를 치료 하는 혁신적인 치료 기법을 제공 두뇌에 플라스틱 효과 제어 합니다. 비록 정확한 메커니즘 행동 효과 neuromodulation 번역 아직 알려지지 않은, fMRI NFT 연결 되었습니다 LTP¹¹. 학습 과정을 통해 동작 하나 적극적으로 작업 관련 뇌 네트워크에 두뇌 활동을 조절 하는 강화 했다 이다. 이러한 보강 보다 효율적으로 실행 하려면 네트워크를 일으키는 neuroplastic 메커니즘의 교전에서 발생 합니다. 이 같은 뇌 파 기반 neurofeedback 어디로 개인 훈련 제어는 두 피^{53,54,55의 로컬 영역에서 측정 하는 전기 신호의 주파수 대역을 다른 NFT 기술로 일치} . 다른 시 냅 스가 소성에 결과에서 LTP는 시 냅 스 효율¹²향상 된 지적 했다. 아직 다른 가정 학습의 셀룰러 메커니즘 신경 흥분¹³변화로 표현 된다 전압 종속 막 전도도 있는 변화를 포함할 수 있습니다 제안 합니다. 어떤 경우에, 노퍽 세포 수준에서 변경 하면 해당 fMRI 나타납니다 그리고 개인 좀 배울 수 있습니다이 프로세스를 통해 제어 합니다. 이 기능 및 이러한 변경에 대 한 학습과 두뇌 손상 및 신경학 적 장애에 대 한 치료 개발에 중요 한 있을 수 있습니다.

FMRI의 중요 한 측면 NFT 동작에서 변경 측정 것입니다. 이것은 노퍽 유도 신경 변화에 의해 구동 하는 행동 변화를 예측 하는 많은 가설에 필수적 이다. 최소한 두 시간 지점에서 이러한 평가 수집: 이전 및 NFT 다음. 이 명, 경우 이러한 행동 평가 수 명에 대 한 더 직접적인 측정으로 전적으로 주관적인 설문의 구성 됩니다. 다른 신경학 적 질환에 대 한 조사 되 고 특정 hypothesis(es)에 대 한 적절 한, 적당 한, 및 문서화 된 평가 결정 하는 문학 검토를 수행 해야 합니다. 일부 가설 fMRI 노퍽의 근처-, 단기 및 장기 효과 탐험 등 추가 시간 지점에서 측정 해야 합니다. 일부 평가 학습 효과 줄이기 위해 노퍽 이전 훈련이 필요할 수 있습니다. 다른 가설도 뇌 대사 산물, 대뇌 관류, 또는 기능 네트워크의 수준에 관심이 같은 신경학 상 테스트 필요할 수 있습니다.

FMRI NFT 프로시저는 두 중요 한 단계. 첫 번째 neurofeedback을 대상으로 뇌 영역을 결정 하 고. 어떤 절차를 실시, 이전 신경 통로 신경학 적 장애 또는 뇌 손상와 관련 된 중요 한 구조/기능을 조사 하기 위해 철저 한 문학 검토를 수행 해야 합니다. 이것에서 주요 구조/기능 neurofeedback에 대 한 대상으로 신중 하 게 선정 되어야 한다. 다음, 다른 문학 검토 작업이 구조/기능 연관 검사를 수행 한다. 이 작업의 수도 장애와 관련 되지 않을 수 있습니다 하지만 작업 지정 된 인구에서 원하는 지역의 활성화 확인 되어야 한다. 첫 번째 세션에서 또는 각 세션에 neurofeedback 절차 동안,이 대상 지역 개별적으로 선택 됩니다. 따라서, 인테르-와 intra-subject 가변성 예측할 수 없는 결과가 발생할 수 있는 중요 한 요소를 수 있습니다. 대상 영역을 선택 하 고 적절 한 직원 교육을 실시 하는 프로토콜을 만들에 중대 하다. 투자 수익 목표를 정의 하는 방법은 두 가지가 있습니다: 해부학 적인 몸의 구조와 기능. 해 부 정의 활용 대상 지역 해부학에서 엄격 하 게 정의 하 구조 MRI 검사그리고 아마도 표준 atlas를 사용 하 여입니다. 기능 이미지 구조 이미지에 등록 되어 있으며 대상 지역 기능 공간^21,26으로 변환 됩니다. 기능적인 방법, 대상 지역 기능 지역화^{11,12,,2429,44}를 실시 하 여 생산 하는 활성화 지도에서 선택 됩니다. 이 메서드는 여기에 토론 되었다.

FMRI 노퍽에서에서 두 번째 중요 한 단계는 컨트롤 그룹 선택 이다. 컨트롤 그룹은 노퍽, fMRI의 효과 결정에 중요 한 그리고 제어 그룹의 선택을 신중 하 게 고려해 야 합니다. 이전 연구는 다양 한 컨트롤을 사용 했습니다. 컨트롤 그룹에 대 한 일반적인 절차 가짜 피드백 존재 지 제어를 시도 하는. 이 피드백 실험 그룹^21,44, 미지의 원하는 프로세스에 관여 하지 영역에서 제공 하는 참가자^17,33, 의 참가자 로부터 결합 될 수 있습니다. ⁴⁴또는 거꾸로⁵². 다른 연구 neurofeedback^12,,2144,56와 지 제어를 시도 하지만 제공 되지 않습니다 컨트롤 그룹을 사용 했습니다.

이전 연구 제안 과목 가짜 피드백 제어 하려고 할 때는 증가 활성화 양측 insula, 이전 대상, 보충 모터, dorsomedial 및 측면 전 두 엽 영역 수 동적 시청에 비교 될 때에 피드백 표시⁵⁷. 이러한 결과 광범위 한 fronto 정수 리를 내포 하 고 cingulo opercular 네트워크 두뇌 활동을 제어 하는 것이 있을 때 활성화 됩니다. 또한, 이러한 결과 좋습니다 NFT 실험에 사용 되는 전통적인 제어 그룹 신경 관계가 가짜 피드백도 존재 인지 제어와 일치를 사용 합니다. 별도 메타 산 분석 활동을 앞쪽 insula와 기초 중추, 둘 다는 지역 인지 제어에 관련 된 및 다른 높은 인지 기능 지 제어⁵⁸시도에 중요 한 구성 요소를 했다 밝혔다. 메타 분석의 결과 이전 찾기⁵⁷뒷받침. 함께 찍은,이 증거는 그것이 성공적인 지 제어 및 자율 규제 시도에 관련 된 효과 나타내는 중요 한 제안 합니다. 따라서, 자율 규제를 하지 않는 통제 그룹의 포함은 중요 한 수 있습니다.

그러나, 이전 연구 제어 그룹 받은 가짜 fMRI 신호는 대상 투자 수익 활동에에서 차이 밝혀 진정한 피드백^15,,1617, 를 받은 사람에서 관찰 되었다 ^{18 , 20 , 21 , 25 , 26 , 28 , 33 , 34 , 44}, 암시 훈련 전략을 피드백을 통합 하지 않는 변조 대상 지역에서 유효 하지 않습니다. 또한, 동일한 지침과 동일한 기간의 훈련을 받은 하지만 두뇌 활동의 현재 수준에 대 한 피드백을 받지 못한 제어 그룹 않았다를 전시 하지 비슷한 행동 결과 했다 실험 그룹으로 neurofeedback^{12,18,21,32,,4459}. 이러한 결과 체험 효과 fMRI NFT 유도 학습 보다는 다른 학습 또는 일반적인 변화는 좋습니다. 따라서, 특정 훈련 regimens는 대상으로 원하는 효과 얻기 위해 특정 신경 생리학 시스템 개발 해야 합니다. 제어 그룹의 다양 한 연구에서 결과 행동 훈련, 연습, 감각 피드백, 바이오 피드백 혼자 fMRI NFT⁴⁴를 받을 자들로 동일한 행동 효과 생산 하지 않습니다.

자료

Name	Company	Catalog Number	Comments
3T MRI	GE Medical	750W Discovery	Data Acquisition Hardware
MR-Compatible Display System	InVivo	SensaVue	Visual Stimuli Hardware
MR-Compatible Auditory System	Resonance Technologies	CinemaVision	Auditory Stimuli Hardware
Experimental Stimulus Software	Neurobehavioral Systems	Presentation	Software to Control Stimuli Presentation
Experimental Processing Software	Mathworks	MATLAB	Software to Process Data
Data Processing Software	Microsoft	Visual Studio C++	Software to Process Data
Response Pads	Cedrus Corporation	Lumina	Hardware to Receive Participant Input