JoVE Logo
АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

При функциональной магнитно-резонансной томографии (РТМРТ) в режиме реального времени активность мозга экспериментально манипулируется как независимая переменная, а поведение измеряется как зависимая переменная. Представленный здесь протокол сосредоточен на практическом использовании rtfMRI в качестве терапевтического инструмента при психических расстройствах, таких как никотиновая зависимость.

Аннотация

Прошло более десяти лет с тех пор, как был успешно реализован первый подход нейробиоуправления на основе функциональной магнитно-резонансной томографии (фМРТ). С тех пор различные исследования показали, что участники могут научиться произвольно контролировать ограниченную область мозга. Следовательно, фМРТ в реальном времени (ртфМРТ) предоставила новую возможность для изучения изменений поведения из-за манипуляций с активностью мозга. Следовательно, быстро возросло количество сообщений о применении rtfMRI для тренировки саморегуляции мозговой активности и сопутствующих изменений в поведенческих и клинических состояниях, таких как неврологические и психиатрические расстройства [например, шизофрения, обсессивно-компульсивное расстройство (ОКР), инсульт].

Нейровизуализационные исследования в области исследований зависимостей показали, что передняя поясная кора, орбитофронтальная кора и островковая кора активируются во время предъявления сигналов, связанных с наркотиками. Кроме того, было показано, что активность как левой, так и правой островковой коры сильно коррелирует с побуждениями к употреблению наркотиков, когда участники подвергаются воздействию сигналов, вызывающих тягу. Следовательно, двусторонняя островковая доля имеет особое значение в исследовании наркотических влечений и зависимости из-за ее роли в репрезентации телесных (интероцептивных) состояний. В этом исследовании изучается использование нейробиоуправления rtfMRI для снижения зависимой от уровня кислорода активности в крови (BOLD) в двусторонней островковой коре участников с никотиновой зависимостью. В исследовании также проверяется, существуют ли связанные с нейробиоуправлением модификации в имплицитном отношении участников к сигналам тяги к никотину и явному поведению.

Введение

Нейробиоуправление — это процедура оперантного обусловливания, с помощью которой люди или животные могут научиться модулировать нейронную активность в одной или нескольких областях мозга. Дрессировка обычно приводит к изменениям в поведении1. В принципе, сигналы мозга от одной или нескольких ограниченных областей мозга преобразуются в сенсорную обратную связь (например, визуальную, слуховую или тактильную обратную связь), которая предоставляется участнику для контроля мозговой активности с помощью оперантного обусловливания или других форм обучения. В отличие от традиционной парадигмы нейровизуализации, исследования нейробиоуправления модулируют активность мозга как независимую переменную и измеряют поведение как зависимую переменную. Таким образом, нейробиоуправление обеспечивает новый подход к исследованию участия областей мозга в различных когнитивных функциях и того, как гипер- или гипоактивация этих областей мозга может привести к аномальному поведению.

Нейробиоуправление используется с различными методами нейровизуализации, такими как функциональная магнитно-резонансная томография (фМРТ), электроэнцефалография (ЭЭГ) и функциональная ближняя инфракрасная спектроскопия (фНИРС). Парадигмы нейробиоуправления на основе ЭЭГ и fNIRS имеют преимущества более высокого временного разрешения, доступности и портативности 2,3. Однако они характеризуются низким пространственным разрешением и невозможностью доступа к более глубоким областям мозга. Кроме того, ЭЭГ обладает вычислительной сложностью обратной задачи для определения источника нейронных активаций по поверхностным сигналам ЭЭГ4. Тем не менее, благодаря недавним достижениям в области фМРТ в реальном времени (ртфМРТ) стало возможным получить доступ к гемодинамическим сигналам от всех частей мозга с хорошим пространственным разрешением (например, 2мм3) и временным разрешением 720мс5. Таким образом, фМРТ преодолевает вышеупомянутые ограничения, которыми обладают методы фНИРС и ЭЭГ.

Зависимость от никотина является одной из основных причин смерти во всем мире из-за ряда заболеваний, связанных с курением6. Признанными факторами, приводящими к никотиновой зависимости, являются социальная, экологическая, психологическая и генетическая предрасположенность. На нейробиологическом уровне исследования показали активацию в передней поясной коре (ACC), орбитофронтальной коре (OFC), вентральной тегментальной области (VTA), вентральном стриатуме, миндалевидном теле, гиппокампе, префронтальной коре (PFC) и островковой коре во время предъявления сигналов, связанных с лекарством, в отличие от нейтральных контрольных сигналов 9,10,11,12,13,14 . Активность как левой, так и правой островковой доли сильно коррелирует с позывами к курению, когда курильщики воспринимали сигналы, связанные с наркотиками15,16. Островковая доля играет важную роль в возбуждении тягового поведения 17,18,19,20,21, так как она отвечает за восприятие телесного состояния. Сообщалось, что курильщики с поражениями островковой коры с большей вероятностью бросали курить, чем курильщики с повреждением головного мозга без вовлечения островковой доли18.

Одной из самых больших проблем в существующих методах отказа от курения является высокая частота рецидивов22. Более 80% курильщиков срываются в течение первых нескольких месяцев после отказа от курения23. Воздействие сигналов, ранее связанных с употреблением наркотиков, является основной причиной высокого уровня рецидивов никотиновой зависимости. Этот механизм называется эффектом инкубации. Настоящий протокол разработан для определения инкубационного эффекта, оцениваемого с помощью задачи аффективного прайминга. Предыдущие исследования показали, что воздерживающиеся от курения имеют негативное имплицитное отношение к сигналам, связанным с курением 25,26,27,28. В типичной задаче аффективного прайминга эмоциональные стимулы изменяют обработку аффективной цели таким образом, что время реакции и точность ответовизменяются. Другими словами, если основной и целевой стимулы имеют одинаковую валентность, время реакции в ответ на целевые стимулы будет быстрее, и наоборот.

В настоящем исследовании выдвигается гипотеза о том, что подавление двусторонней передней островковой коры приведет к снижению тяги, и, следовательно, валентность сигналов, вызывающих тягу, изменится с негативных на нейтральные, поскольку внимание и ассоциативное смещение будут отдаляться отсигналов, связанных с курением. Задача на имплицитное поведение — это задача на аффективный прайминг, первоначально адаптированная из Czyzewska and Graham31. Исходя из вышеупомянутой гипотезы, предполагается наблюдать уменьшение времени реакции в ответ на комбинацию простых (вызывающих тягу картинок или их нейтральный аналог картинки) и целевых слов с положительной валентностью после блокировки подавления по сравнению с исходной блокировкой. Задача прайминга (рис. 2В) состоит из простого (т.е. вызывающей тягу картинки или ее нейтрального аналога картинки32) и целевого слова с положительной или отрицательной валентностью. Простое изображение отображается в течение 200 мс, за которым следует целевое слово, представленное в течение 1 секунды. Асинхронность начала стимула (SOA) составляет 250 мс. Затем участников инструктируют оценить валентность целевого слова (положительного или отрицательного) и ответить нажатием кнопки как можно быстрее и точнее.

Система rtfMRI (рис. 1) состоит из следующих подсистем: (1) участник, (2) сбор сигнала, (3) анализ сигнала в режиме реального времени и (4) обратная связь по сигналу. Сбор сигнала осуществляется с помощью сканера всего тела Siemens Trio 3,0 Тл с использованием последовательности эхо-планарной визуализации (EPI)33. Такие процедуры, как реконструкция изображения, коррекция искажений и усреднение сигнала, выполняются на компьютере сканера. После восстановления и предварительной обработки изображений они экспортируются в подсистему анализа сигналов. Подсистема анализа сигналов реализована с помощью Turbo Brain Voyager (TBV)34. TBV извлекает восстановленные изображения и выполняет обработку данных, которая включает в себя 3D-коррекцию движения и статистический анализ в реальном времени с использованием общей линейной модели35. TBV позволяет пользователю рисовать области интереса (ROI) по нескольким вокселям на функциональных изображениях и извлекать средние значения ROI BOLD после каждого времени повторения (TR). Затем временные ряды выбранных ROI экспортируются в скрипт MATLAB, который рассчитывает и представляет обратную связь участнику.

Визуальная обратная связь по активности мозга предоставляется участникам в виде графически анимированного термометра, столбики которого меняются пропорционально проценту СМЕЛЫХ изменений ROI. В нескольких исследованиях использовалась прерывистая обратная связь (обратная связь, предоставленная участнику после нескольких ТУ последовательности EPI) для участников тренинга 36,37. Тем не менее, в данном исследовании ожидалось, что участники будут испытывать большие трудности в подавлении сигнала BOLD в передней островковой доле с непрерывной обратной связью из-за роли островковой доли в сенсорной интеграции и участии вобработке визуальной обратной связи. Следовательно, было высказано предположение, что непрерывная обратная связь приведет к конфликту между двумя процессами в островковой коре, одним из которых сигнал усиливается за счет внешней обратной связи, а другим — за счет обучения нейробиоуправлении. Следовательно, в этом исследовании мы предоставляем обратную связь только в конце каждого блока подавления (отложенная обратная связь). Участникам показывается текст (например, 0,87 евро) в качестве визуальной обратной связи (рис. 2A, C), в котором указана сумма заработанных ими денег (денежное вознаграждение). Это вознаграждение пропорционально процентному подавлению, достигнутому в блоке регулирования.

РТМРТ – это новая нейротехнология, которая может помочь преодолеть проблемы в терапевтических подходах к лечению зависимости и обеспечить более надежные и эффективные вмешательства для снижения рецидивов. Долгосрочные цели настоящего исследования состоят из трех частей: 1) проверить, могут ли никотиновые наркоманы научиться подавлять сигналы BOLD в передней островковой доле во время присутствия стимулов, вызывающих тяговое поведение; 2) изучить, приводит ли тренировка нейробиоуправления к изменениям в поведении тяги; и 3) изучить, сохраняются ли изменения в уровнях тяги во время тренировки нейробиоуправления подавления островковой доли после шести месяцев тренировок без какого-либо другого вмешательства. В данной статье подробно описан протокол эксперимента с rtfMRI и его различные компоненты. Также представлены образцы данных исследования и обсуждение будущих проблем и потенциала этого метода в дополнительных исследованиях. Представленный протокол предназначен для изучения возможности использования нейробиоуправления на основе фМРТ для изучения снижения активности мозга в островковой коре курильщиков. Кроме того, протокол предназначен для изучения взаимосвязи между активацией островковой коры и тяговым поведением курильщиков сигарет.

Access restricted. Please log in or start a trial to view this content.

протокол

Комитет по этике медицинского факультета Тюбингенского университета и Папского католического университета Чили утвердил следующий протокол rtfMRI.

1. Настройка оборудования

  1. Оборудование, представленное на рисунке 1 , подготавливается только один раз для настройки экспорта данных МРТ в режиме реального времени.
  2. Подготовка кабинета МРТ такая же, как и при традиционном измерении фМРТ. Подготовьте кабинет МРТ до приезда участника.
  3. Прикрепите к сканеру катушку с 32 или 20 каналами головки.
  4. Подключите кабель VGA/HDMI проектора и совместимое с МР ответное устройство (кнопочный блок) к компьютеру стимулов.
    ПРИМЕЧАНИЕ: В большинстве установок МРТ устройство реагирования подает TR-триггер на компьютер стимулов. Этот триггер помогает синхронизировать предъявление стимула и сбор данных.

2. Подготовка участников вне сканера

  1. Подготовьте форму согласия и анкеты, которые участники должны заполнить до своего приезда.
  2. Как только участник придет, объясните ему суть эксперимента и технику проведения фМРТ. Кроме того, проинструктируйте участника о том, как выполнять задание (например, во время эксперимента участники должны держать глаза открытыми и всегда смотреть на изображения на экране, а также стараться не двигать головой внутри сканера).
  3. Попросите участника подписать форму согласия и заполнить анкеты, необходимые для оценки уровня тяги.
  4. Попросите участников заполнить следующие анкеты: 1) VAS-C: Визуальная аналоговая шкала, Тяга к курению39, 2) QSU-b: Опросник о позывах к курению – Краткая версия40 и 3) Сигареты в день.
  5. Попросите участника сделать выдох через прибор для измерения угарного газа (CO).
    ПРИМЕЧАНИЕ: Измерение CO41 показывает, воздерживается ли участник от курения по крайней мере за 3 часа до прибытия на сеанс нейробиоуправления. CO измеряется в ppm (частях на миллион). Низкие значения CO указывают на то, что участник не курил в течение как минимум пары часов до прибытия. Участников следует попросить воздержаться от курения, чтобы сигналы тяги вызывали высокую тягу во время эксперимента. Участники с высоким уровнем CO будут предупреждены перед будущим сеансом нейробиоуправления, чтобы они воздержались от курения перед сеансом rtfMRI. Участники, которые не воздерживаются от курения дважды, должны быть исключены из исследования.

3. Позиционирование участников

ПРИМЕЧАНИЕ: Процедура позиционирования участника на столе сканера аналогична традиционному эксперименту с фМРТ.

  1. Попросите участника вынуть все металлические предметы из карманов перед входом в кабинет МРТ.
  2. Попросите участника вставить беруши перед тем, как он или она ляжет на стол сканера в лежачем положении.
  3. С помощью подушечек фиксируйте положение головы участника внутри катушки для головы. Этот шаг помогает уменьшить смещение головы во время измерения.
  4. Зафиксируйте верхнюю часть катушки головки и закрепите зеркало на катушке головки.
  5. Передайте ответное устройство участнику и разместите ответное устройство в соответствии с удобством участника.
  6. Попросите участника закрыть глаза и отметить положение головы участника между бровями с помощью лазерного света.
  7. Переместите стол сканера, чтобы поместить отмеченное положение в центр отверстия МРТ.
  8. Подтвердите у участника, что он находится в удобном положении и что он может видеть визуальные стимулы, проецируемые на экран за сканером с помощью зеркала. При необходимости отрегулируйте зеркало.

4. Сбор данных

  1. Во время первоначального сканирования попросите участника закрыть глаза и стараться не двигать головой.
  2. Начните измерение с последовательности импульсов локализатора. Эта последовательность обычно используется для определения положения среза при последующем проведении анатомического сканирования и функционального сканирования (последовательность EPI).
  3. Выберите поле зрения (FOV) для анатомического сканирования со следующими параметрами: TR = 11,5 мс, TE = 5 мс, 176 срезов без промежутка между срезами, FOV = 240 x 240 мм2, матрица = 256 x 256, угол поворота = 18°, обеспечивая 1 мм3 изотропных вокселя. Поле зрения последовательности будет охватывать всю голову участника.
  4. Поле зрения для функционального сканирования (последовательность EPI) выровнено по линии передней спайки/задней спайки (линия AC-PC). Отрегулируйте положение срезов так, чтобы они охватывали целевую область интереса. Параметры последовательности следующие: TR = 1,5, FOV = 192 мм, 25 срезов, воксель = 3 мм x 3 мм x 3 мм, угол переворота = 70°.

5. Нейробиоуправление FMRI

  1. Предупредите участника о начале сеанса нейробиоуправления и повторите ранее предоставленные инструкции (например, что во время базового уровня блок обозначается знаком «+»).
    ПРИМЕЧАНИЕ: Участник должен наблюдать за изображением на экране дисплея. С другой стороны, во время блока регуляции, представленного стрелкой вниз, участники должны попытаться отстраниться от тяговых побуждений, используя некоторые когнитивные стратегии. Сумма денег, отображаемая в конце каждого блока регулирования, отражает их эффективность. Чем больше денег, тем выше производительность.
  2. Выполните прогон нейробиоуправления, в котором исходный и регуляторный блоки чередуются (по 30 с каждый; Рисунок 2).
  3. На стимульном компьютере запустите программное обеспечение для презентации с помощью кода стимула и нажмите кнопку Enter после того, как на экране появится надпись «Готово ». Код презентации теперь ожидает триггера для запуска нейробиоуправления.
    ПРИМЕЧАНИЕ: Код синхронизирован с триггерами TR, поступающими от сканера. Таким образом, это первый шаг в подготовке к запуску пробега с нейробиоуправлением.
  4. На компьютере для анализа запустите собственный набор инструментов MATLAB и турбо-вояджер для мозга (TBV).
  5. В наборе инструментов MATLAB введите информацию, относящуюся к участнику, такую как идентификатор пациента и номер прогона нейробиоуправления.
  6. Нажмите кнопку Создать файлы протокола, чтобы подготовить файл протокола, используя информацию, вставленную в шаге 5.5.
    ПРИМЕЧАНИЕ: Файл протокола содержит информацию, относящуюся к времени выполнения условия (например, время, в которое должно начаться определенное состояние и какой стимул должен быть предъявлен). Он будет использоваться как инструментарием MATLAB, так и TBV.
  7. Нажмите кнопку execute в графическом интерфейсе набора инструментов MATLAB. Теперь код ожидает получения данных от TBV.
  8. В TBV выберите файл протокола, сгенерированный на шаге 5.6. Кроме того, выберите файл .roi, созданный в результате предыдущих сеансов нейробиоуправления.
    ПРИМЕЧАНИЕ: Выбор файла ROI важен, так как это позволит избежать сбоя программного обеспечения TBV в начальный (10 TR) период выполнения нейробиоуправления.
  9. Подготовьте последовательность EPI, которая будет реализована на главном компьютере MR. Нажмите кнопку запуска в TBV.
  10. Перерисовка целевых ROI в программном обеспечении TBV в соответствии с анатомическими ориентирами. Форма и размер желудочков в головном мозге используются в качестве ориентиров для выбора передней островковой доли. Кроме того, используется волнистая форма островковой коры с точным выделением вокселей, относящихся к двусторонней передней островковой доле.
  11. Нарисуйте ROI на первичной моторной области (M1), используя центральную борозду в качестве анатомического ориентира. Первичная моторная область действует как эталонная рентабельность инвестиций, устраняя эффект глобального увеличения BOLD и колебаний BOLD из-за движения головы.
  12. В конце каждого сеанса нейробиоуправления спрашивайте участника: «Какую когнитивную стратегию вы использовали во время блока регуляции?». Кроме того, спросите участника о его или ее уровне комфорта и о том, хочет ли он или она продолжать эксперимент.
  13. После четырех прогонов нейробиоуправления выберите переключатель Да для прогона передачи.
    ПРИМЕЧАНИЕ: Передаточный прогон похож на прогон нейробиоуправления. Однако участники осуществляют саморегуляцию в отсутствие обратной связи. Это помогает определить, переносится ли выученная саморегуляция в ситуацию, в которой участник не будет получать нейробиоуправление (например, вне сканера).

6. Контрольная группа

  1. Инструктируйте участников контрольной группы таким же образом, как и участников экспериментальной группы. Тем не менее, предоставляйте участникам обратную связь по желтку.
    ПРИМЕЧАНИЕ: В обратной связи с ярмом среднее количество подкрепления (денег) как в экспериментальной, так и в контрольной группах остается неизменным. Единственное различие между этими двумя группами заключается в случайности обратной связи, предоставляемой участникам. Для участников контрольной группы общая сумма подкрепления (денег) распределяется между случайно назначенными 40% испытаний с подавлением. Однако в остальных 60% испытаний участники получают отрицательные отзывы (ноль евро). Таким образом, участники контрольной группы не получают условной обратной связи.

7. Автономный анализ

  1. Предварительная обработка данных фМРТ
    1. Используйте набор инструментов статистического параметрического картирования (SPM) для предварительной обработки данных фМРТ (https://www.fil.ion.ucl.ac.uk/spm/ext/).
    2. Преобразуйте данные фМРТ в формате DICOM в формат NIFTI с помощью утилиты преобразования форматов пакетной функции SPM.
    3. Удалите первоначальные 10 сканирований из данных каждого прогона нейробиоуправления, чтобы избежать эффектов градиентного равновесия42.
    4. Выполните процесс перекомпоновки, чтобы удалить артефакты движения и выровнять все тома по первому объему сеанса. Кроме того, выполните коррекцию временного среза для компенсации задержки захвата среза43.
    5. Проведение сегментации анатомического сканирования, совместной регистрации данных последовательности EPI и анатомических данных, а также нормализации для сопоставления данных предметного пространства со стандартным шаблоном мозга Монреальского неврологического института (MNI)44.
    6. Используя наш собственный код MATLAB, извлеките сигналы BOLD из кубических ROI, созданных вокруг координат MNI, соответствующих двусторонней передней островковой доле и первичной моторной коре.
  2. Расчет процентного изменения сигнала BOLD
    1. Рассчитайте процентное изменение сигнала BOLD на основе среднего изменения сигнала BOLD для каждого ROI в течение блока регулирования по сравнению с предыдущим базовым блоком. Уравнение для процентного изменения сигнала BOLD выглядит следующим образом:
      figure-protocol-11330
  3. Анализ явного курительного поведения участников
    1. Импортируйте ответы участников на анкеты (т.е. QSU-b, VAS-C, CO measure и сигареты в день) в MATLAB.
    2. Проверьте нормальность данных с помощью одновыборочного теста Колмогорова-Смирнова от MATLAB.
    3. Для сравнения ответов на различные анкеты каждого участника следует использовать t-критерий с одной выборкой, а для сравнения баллов между экспериментальной и контрольной группами следует использовать t-критерий с парной выборкой.
  4. Анализ имплицитного отношения к сигналам, вызывающим тягу
    1. Извлеките время реакции (RT) испытаний аффективного прайминга для каждого участника из файлов журналов, сгенерированных программным обеспечением для презентаций.
    2. Исключите выбросы, основанные на RT (т.е. не включайте испытания с RT длиннее 2x стандартного отклонения от среднего RT участника).
    3. Проверьте нормальность данных с помощью одновыборочного теста Колмогорова-Смирнова от MATLAB.
    4. Сравните влияние подавления на медианное время реакции уникальных комбинаций простых чисел (вызывающих тягу и нейтральных изображений) и мишеней (позитивных и отрицательных слов) для каждого участника, а также сравните экспериментальную и контрольную группы с помощью парного мудрого t-критерия.

Access restricted. Please log in or start a trial to view this content.

Результаты

Четыре пациента были набраны на основе их баллов по опроснику Фагерстрёма на никотиновую зависимость (FTND)45 на предмет никотиновой зависимости среднего уровня (оценка FTND >4) и количества выкуриваемых сигарет каждый день (>15). Кроме того, было установлено, что у учас...

Access restricted. Please log in or start a trial to view this content.

Обсуждение

Результаты, полученные от четырех участников, демонстрируют возможность для курильщиков сигарет научиться подавлять активацию в двусторонней передней островковой доле в присутствии сигналов, вызывающих тягу. Изменения в имплицитном и явном поведении при курении п?...

Access restricted. Please log in or start a trial to view this content.

Раскрытие информации

Авторам нечего раскрывать.

Благодарности

Это исследование было поддержано Comisión Nacional de Investigación Científica y Tecnológica de Chile (Conicyt) через Fondo Nacional de Desarrollo Científico y Tecnológico, Fondecyt Postdoctoral grant (No 3100648), Fondecyt Regular (проекты No 1171313 и No 1171320) и CONICYT PIA/Anillo de Investigación en Ciencia y Tecnología ACT172121.

Access restricted. Please log in or start a trial to view this content.

Материалы

NameCompanyCatalog NumberComments
MATHSWORKMATLAB version 2014a
Presentation - Neurobehavioral SystemsPresentation version 18.0
Brain Innovation B.V.Turbo Brain Voyager Version 2.6 or 3.0

Ссылки

  1. Fernandez, T., et al. EEG and behavioral changes following neurofeedback treatment in learning disabled children. Clinical Electroencephalography. 34, 145-152 (2003).
  2. Scarapicchia, V., Brown, C., Mayo, C., Gawryluk, J. R. Functional Magnetic Resonance Imaging and Functional Near-Infrared Spectroscopy: Insights from Combined Recording Studies. Frontiers in Human Neuroscience. 11, 419(2017).
  3. Hinault, T., Larcher, K., Zazubovits, N., Gotman, J., Dagher, A. Spatio-temporal patterns of cognitive control revealed with simultaneous electroencephalography and functional magnetic resonance imaging. Human Brain Mapping. , (2018).
  4. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25(2008).
  5. Van Essen, D. C., et al. The Human Connectome Project: a data acquisition perspective. NeuroImage. 62, 2222-2231 (2012).
  6. World Health Organization. WHO Report on the Global Tobacco Epidemic, 2017. , Geneva: World Health Organization. (2017).
  7. Ringlever, L., Otten, R., de Leeuw, R. N., Engels, R. C. Effects of parents' education and occupation on adolescent smoking and the mediating role of smoking-specific parenting and parent smoking. European Addiction Research. 17, 55-63 (2011).
  8. Malaiyandi, V., Sellers, E. M., Tyndale, R. F. Implications of CYP2A6 genetic variation for smoking behaviors and nicotine dependence. Clinical Pharmacology and Therapeutics. 77, 145-158 (2005).
  9. Brody, A. L., et al. Neural substrates of resisting craving during cigarette cue exposure. Biological Psychiatry. 62, 642-651 (2007).
  10. Childress, A. R., et al. Cue reactivity and cue reactivity interventions in drug dependence. NIDA Research Monography. 137, 73-95 (1993).
  11. Claus, E. D., Kiehl, K. A., Hutchison, K. E. Neural and behavioral mechanisms of impulsive choice in alcohol use disorder. Alcoholism, Clinical and Experimental Research. 35, 1209-1219 (2011).
  12. Franklin, T. R., et al. Limbic activation to cigarette smoking cues independent of nicotine withdrawal: a perfusion fMRI study. Neuropsychopharmacology. 32, 2301-2309 (2007).
  13. Grusser, S. M., et al. Cue-induced activation of the striatum and medial prefrontal cortex is associated with subsequent relapse in abstinent alcoholics. Psychopharmacology. 175, 296-302 (2004).
  14. Buhler, M., et al. Nicotine dependence is characterized by disordered reward processing in a network driving motivation. Biological Psychiatry. 67, 745-752 (2010).
  15. Bonson, K. R., et al. Neural systems and cue-induced cocaine craving. Neuropsychopharmacology. 26, 376-386 (2002).
  16. Brody, A. L., et al. Brain metabolic changes during cigarette craving. Archives of General Psychiatry. 59, 1162-1172 (2002).
  17. Contreras, M., Ceric, F., Torrealba, F. Inactivation of the interoceptive insula disrupts drug craving and malaise induced by lithium. Science. 318, 655-658 (2007).
  18. Naqvi, N. H., Rudrauf, D., Damasio, H., Bechara, A. Damage to the insula disrupts addiction to cigarette smoking. Science. 315, 531-534 (2007).
  19. Hollander, J. A., Lu, Q., Cameron, M. D., Kamenecka, T. M., Kenny, P. J. Insular hypocretin transmission regulates nicotine reward. Proceedings of the National Academy of Sciences of the United States of America. 105, 19480-19485 (2008).
  20. Forget, B., Pushparaj, A., Le Foll, B. Granular insular cortex inactivation as a novel therapeutic strategy for nicotine addiction. Biological Psychiatry. 68, 265-271 (2010).
  21. Scott, D., Hiroi, N. Deconstructing craving: dissociable cortical control of cue reactivity in nicotine addiction. Biological Psychiatry. 69, 1052-1059 (2011).
  22. Buczkowski, K., Marcinowicz, L., Czachowski, S., Piszczek, E. Motivations toward smoking cessation, reasons for relapse, and modes of quitting: results from a qualitative study among former and current smokers. Patient Prefer Adherence. 8, 1353-1363 (2014).
  23. Hughes, J. R., Stead, L. F., Hartmann-Boyce, J., Cahill, K., Lancaster, T. Antidepressants for smoking cessation. Cochrane Database of Systematic Reviews. , CD000031(2014).
  24. Bedi, G., et al. Incubation of cue-induced cigarette craving during abstinence in human smokers. Biological Psychiatry. 69, 708-711 (2011).
  25. Bassett, J. F., Dabbs, J. M. Jr A portable version of the go/no-go association task (GNAT). Behavior Research Methods. 37, 506-512 (2005).
  26. Huijding, J., de Jong, P. J., Wiers, R. W., Verkooijen, K. Implicit and explicit attitudes toward smoking in a smoking and a nonsmoking setting. Addictive Behaviors. 30, 949-961 (2005).
  27. Sherman, S. J., Rose, J. S., Koch, K., Presson, C. C., Chassin, L. Implicit and explicit attitudes towards cigarette smoking: The effect of context and motivation. Journal of Social and Clinical Psychology. 22, 13-39 (2003).
  28. Swanson, J. E., Rudman, L. A., Greenwald, A. G. Using the Implicit Association Test to investigate attitude- behavior consistency for stigmatized behavior. Cognition and Emotion. 15, 207-230 (2001).
  29. Asgaard, G. L., Gilbert, D. G., Malpass, D., Sugai, C., Dillon, A. Nicotine primes attention to competing affective stimuli in the context of salient alternatives. Experimental and Clinical Psychopharmacology. 18, 51-60 (2010).
  30. Gilbert, D. G., et al. Effects of nicotine on brain responses to emotional pictures. Nicotine & Tobacco Research. 6, 985-996 (2004).
  31. Czyzewska, M., Graham, R. Implicit and explicit attitudes to high- and low-calorie food in females with different BMI status. Eating Behaviors. 9, 303-312 (2008).
  32. Gilbert, D. G., Rabinovich, N. E. International smoking images series (with neutral counterparts). , Southern Illinois University: Integrative Neuroscience Laboratory, Department of Psychology. (1999).
  33. Bandettini, P. A., Wong, E. C., Hinks, R. S., Tikofsky, R. S., Hyde, J. S. Time course EPI of human brain function during task activation. Magnetic Resonance Medicine. 25, 390-397 (1992).
  34. Goebel, R. BrainVoyager - past, present, future. NeuroImage. 62, 748-756 (2012).
  35. Poline, J. B., Worsley, K. J., Holmes, A. P., Frackowiak, R. S., Friston, K. J. Estimating smoothness in statistical parametric maps: variability of p values. Journal of Computer Assisted Tomography. 19, 788-796 (1995).
  36. Johnson, K. A., et al. Intermittent "real-time" fMRI feedback is superior to continuous presentation for a motor imagery task: a pilot study. Journal of Neuroimaging. 22, 58-66 (2012).
  37. Yoo, S. S., Jolesz, F. A. Functional MRI for neurofeedback: feasibility study on a hand motor task. Neuroreport. 13, 1377-1381 (2002).
  38. Craig, A. D. How do you feel--now? The anterior insula and human awareness. Nature reviews. Neuroscience. 10, 59-70 (2009).
  39. Cox, L. S., Tiffany, S. T., Christen, A. G. Evaluation of the brief questionnaire of smoking urges (QSU-brief) in laboratory and clinical settings. Nicotine & Tobacco Research. 3, 7-16 (2001).
  40. Wewers, M. E., Rachfal, C., Ahijevych, K. A psychometric evaluation of a visual analogue scale of craving for cigarettes. Western Journal of Nursing Research. 12, 672-681 (1990).
  41. Allen, D. R., Browse, N. L., Rutt, D. L., Butler, L., Fletcher, C. The effect of cigarette smoke, nicotine, and carbon monoxide on the permeability of the arterial wall. Journal of Vascular Surgery. 7, 139-152 (1988).
  42. Weiskopf, N., et al. Real-time functional magnetic resonance imaging: methods and applications. Magnetic Resonance Imaging. 25, 989-1003 (2007).
  43. Sladky, R., et al. Slice-timing effects and their correction in functional MRI. NeuroImage. 58, 588-594 (2011).
  44. Mazziotta, J., et al. A probabilistic atlas and reference system for the human brain: International Consortium for Brain Mapping (ICBM). Philosophical Transactions of the Royal Society of London: Series B, Biological Sciences. 356, 1293-1322 (2001).
  45. Heatherton, T. F., Kozlowski, L. T., Frecker, R. C., Fagerstrom, K. O. The Fagerstrom Test for Nicotine Dependence: a revision of the Fagerstrom Tolerance Questionnaire. British Journal of Addiction. 86, 1119-1127 (1991).
  46. Myrick, H., et al. Differential brain activity in alcoholics and social drinkers to alcohol cues: relationship to craving. Neuropsychopharmacology. 29, 393-402 (2004).
  47. Tapert, S. F., Brown, G. G., Baratta, M. V., Brown, S. A. fMRI BOLD response to alcohol stimuli in alcohol dependent young women. Addictive Behaviors. 29, 33-50 (2004).
  48. Kilts, C. D., Gross, R. E., Ely, T. D., Drexler, K. P. The neural correlates of cue-induced craving in cocaine-dependent women. American Journal of Psychiatry. 161, 233-241 (2004).
  49. Li, Q., et al. Assessing cue-induced brain response as a function of abstinence duration in heroin-dependent individuals: an event-related fMRI study. PloS One. 8, e62911(2013).
  50. Frank, S., Kullmann, S., Veit, R. Food related processes in the insular cortex. Front Hum Neurosci. 7, 499(2013).
  51. deCharms, R. C., et al. Control over brain activation and pain learned by using real-time functional MRI. Proceedings of the National Academy of Sciences of the United States of America. 102, 18626-18631 (2005).
  52. Ruiz, S., Birbaumer, N., Sitaram, R. Abnormal Neural Connectivity in Schizophrenia and fMRI-Brain-Computer Interface as a Potential Therapeutic Approach. Frontiers in Psychiatry. 4, 17(2013).
  53. Habes, I., et al. Pattern classification of valence in depression. NeuroImage. Clinical. 2, 675-683 (2013).
  54. Li, X., et al. Volitional reduction of anterior cingulate cortex activity produces decreased cue craving in smoking cessation: a preliminary real-time fMRI study. Addiction Biology. 18, 739-748 (2013).
  55. Lubar, J. F., Swartwood, M. O., Swartwood, J. N., O'Donnell, P. H. Evaluation of the effectiveness of EEG neurofeedback training for ADHD in a clinical setting as measured by changes in T.O.V.A. scores, behavioral ratings, and WISC-R performance. Biofeedback and Self-Regulation. 20, 83-99 (1995).
  56. Janssen, T. W., et al. A randomized controlled trial into the effects of neurofeedback, methylphenidate, and physical activity on EEG power spectra in children with ADHD. Journal of Child Psychology and Psychiatry. 57, 633-644 (2016).
  57. Mayer, K., Wyckoff, S. N., Fallgatter, A. J., Ehlis, A. C., Strehl, U. Neurofeedback as a nonpharmacological treatment for adults with attention-deficit/hyperactivity disorder (ADHD): study protocol for a randomized controlled trial. Trials. 16, 174(2015).
  58. Gevensleben, H., et al. Distinct EEG effects related to neurofeedback training in children with ADHD: a randomized controlled trial. International Journal of Psychophysiology. 74, 149-157 (2009).
  59. Ramos-Murguialday, A., et al. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Annals of Neurology. 74, 100-108 (2013).
  60. Biasiucci, A., et al. Brain-actuated functional electrical stimulation elicits lasting arm motor recovery after stroke. Nature Communication. 9, 2421(2018).
  61. Du, J., et al. Effects of repetitive transcranial magnetic stimulation on motor recovery and motor cortex excitability in patients with stroke: a randomized controlled trial. European Journal of Neurology. 23, 1666-1672 (2016).
  62. Ang, K. K., et al. Facilitating effects of transcranial direct current stimulation on motor imagery brain-computer interface with robotic feedback for stroke rehabilitation. Archives of Physical Medicine and Rehabilitation. 96, S79-S87 (2015).
  63. Wolbrecht, E. T., Chan, V., Reinkensmeyer, D. J., Bobrow, J. E. Optimizing compliant, model-based robotic assistance to promote neurorehabilitation. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 16, 286-297 (2008).
  64. Sitaram, R., et al. Closed-loop brain training: the science of neurofeedback. Nature Reviews Neuroscience. 18, 86-100 (2017).
  65. Simkin, D. R., Thatcher, R. W., Lubar, J. Quantitative EEG and neurofeedback in children and adolescents: anxiety disorders, depressive disorders, comorbid addiction and attention-deficit/hyperactivity disorder, and brain injury. Child and Adolescent Psychiatric Clinics of North America. 23, 427-464 (2014).
  66. Pascual-Marqui, R. D., et al. Assessing interactions in the brain with exact low-resolution electromagnetic tomography. Philosophical transactions: Series A, Mathematical, physical, and engineering sciences. , 3768-3784 (2011).
  67. Meir-Hasson, Y., Kinreich, S., Podlipsky, I., Hendler, T., Intrator, N. An EEG Finger-Print of fMRI deep regional activation. NeuroImage. 102, 128-141 (2014).

Access restricted. Please log in or start a trial to view this content.

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

FMRIBOLD

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены