Благодаря нашему методу можно определить и визуализировать моменты, когда функциональные взаимодействия мозга синхронизируются между предметами. Основным преимуществом нашего подхода является его способность динамически отслеживать изменения в межучреждных функциональных реакциях мозга статистически обоснованным образом. Наш конвейер позволяет оценить синхронность между функциональными сигналами различных субъектов.
И это можно сравнить между различными группами населения, такими как здоровый контроль и тех, кто страдает от болезней и расстройств, таких как аутизм и шизофрения. Наш метод может принести пользу любым исследованиям, стремящихся динамически отслеживать синхронность между различными наборами курсов времени. И это может быть применено также к другим условиям визуализации, таким как электроэнцефалография.
Визуальная демонстрация метода позволит новым пользователям понять различные этапы обработки метода, а также функциональность графического пользовательского интерфейса. Демонстрацией процедуры визуализации будет Роберто Мартуцци, ведущий оператор МРТ нашего исследовательского центра. Для каждого добровольца, которые будут рассмотрены в анализе, выполнить по крайней мере один функциональный магнитно-резонансной томографии или МРТ сессии, в которой отсканированный доброволец подвергается время зарегистрированной парадигмы интереса и один функциональный сеанс визуализации, в котором отсканированный доброволец лежит в покое в сканере с закрытыми глазами и поручил не заснуть.
Затем приобрети структурный объем МРТ. Чтобы открыть первое предварительное окно графического пользовательского интерфейса, введите JOVE_GUI1 в терминале MATLAB. Затем нажмите Введите данные МРТ, выберите соответствующие переутомившиеся функциональные тома и введите время повторения данных в считанные секунды в выделенном редактируемом окне текста.
Нажмите Введите данные T1 и выберите три соответствующих вероятностных тома типа ткани. Нажмите Введите файл движения и выберите текстовый файл, содержащий параметры движения из сессии интересов. Затем выберите, следует ли сокращать данные и какие ковариаты следует регрессировать.
Чтобы предварительно обработать данные, нажмите Preprocess и подождите, пока дисплей появится в окне. Данные могут быть переработаны по-разному путем изменения опций и повторного нажатия на кнопку Preprocess. Затем введите JOVE_GUI2 в терминале MATLAB, чтобы открыть второе окно графического пользовательского интерфейса и нажмите выберите данные для выбора предварительно обработанного файла данных.
Нажмите Выберите атлас и выберите Neuroimaging Informatics Technology Initiative или файл NIFTI, представляющий атлас, который будет использоваться для parcellation. Нажмите Выберите обратную деформацию и выберите файл NIFTI, представляющий поле деформации от Монреальского неврологического института до родного пространства. Затем нажмите выберите объем МРТ и выберите любой из объемов данных МРТ.
Чтобы ввести информацию, связанную с очисткой, в списке типов очистки, выберите количество кадров, которые будут удалены до и после помеченных кадров. В окне текста порога очистки введите в кадр мудрое пороговое значение смещения, над которым объем МРТ должен быть очищен в миллиметрах. Затем введите размер раздвижного окна W, который будет использоваться для межимутивных функциональных корреляций или вычислений ISFC во время повторения и нажмите Участок, чтобы отобразить индикативные курсы времени атласа до и после шагов очистки и фильтрации.
Для вычислений раздвижного окна ISFC введите JOVE_GUI3 в терминале MATLAB, чтобы открыть первое окно графического пользовательского интерфейса, связанное с ISCF, и щелкните данные Load, чтобы выбрать все соответствующие файлы данных. Выберите, должны ли выбранные сегменты сеанса проходить фазовую рандомизацию и вводить размер окна во времени повторения, в течение которого должны быть вычислены измерения подключения, а также размер шага во время повторения, с помощью которого последующие окна должны быть сдвинуты. Измените таблицу типов сеансов, чтобы указать, какой из загруженных сегментов сеанса был приобретен в одном экспериментальном состоянии с использованием увеличения числа интеграторов из одного и до тега различных типов сегментов.
В соответствующих редактируемых текстовых окнах введите количество складок загрузки для выполнения вычислений ISFC и количество предметов, которые должны составлять справочную группу для каждого раза вычислений ISFC. В разделе параметров времени введите спецификации, о которых должна быть проанализирована субпортация курсов времени, и нажмите Участок для выполнения вычислений ISFC. Дисплей будет постепенно обновляться с течением времени вместе с количеством прошедших складок загрузки.
Чтобы открыть второе окно графического пользовательского интерфейса, связанное с ISFC, введите JOVE_GUI4 в терминале MATLAB. Чтобы выбрать связанные с стимулом выходные файлы ISFC, нажмите данные Load ISFC и выберите связанные с стимулом файлы вывода ISFC. Чтобы выбрать файлы вывода null ISFC, нажмите Load null data и выберите либо состояние отдыха ISFC, либо рандомизированные файлы вывода ISFC, связанные с фазой, в зависимости от используемой схемы генерации нулевых данных.
Затем нажмите кнопку Загрузить кодовую книгу и выберите файл кодовой книги. В соответствующем редактируемом окне текста введите альфа-значение в процентах, в которых курсы времени ISFC должны быть пороговыми для выделения значительных изменений. Чтобы построить нулевое распределение, нажмите Участок, чтобы инициировать процесс порогового значения ISFC, для которого все доступные нулевые измерения ISFC агрегируются для данного соединения и после чего связанные с стимулом измерения ISFC будут пороговыми в соответствии с выбранным альфа-значением.
Чтобы визуализировать пространственные закономерности ISFC в разных временных точках, перетащите ползунок ниже экскурсионного участка ISFC. В этих репрезентативных сеансах оцениваемый фильм отображается от пяти до 353 секунд с сегментом состояния покоя после фильма от 386 до 678 секунд. Кроме того, по каждому предмету была приобретена одна государственная сессия на 310 секунд.
Курсы времени ISFC были сгенерированы на длине окна W 10 и W 5 времени повторения для трех различных репрезентативных соединений, включающих ингибирование реакции в регионе, и другое, связанное соответственно с ожиданием перемещения объектов, сенсорной координацией или обработкой значений слов. Шум больше во время повторения W 5 и время блокировки ISFC изменения наблюдаются в связи один и два фильма просмотра времени курсов. Здесь показана доля испытуемых, показывающих статистически значимые временные переходные соединения ISFC для тех же трех соединений.
Переходные являются более многочисленными на больших длинах окон, как более надежные измерения ISFC облегчить извлечения и на больших альфа-значений, как больше ложных срабатываний обнаруживаются. В этих репрезентативных данных один экстракт фильма, в частности, был вовлечен в ингибирование реакции, связанное с перемещением объектов, и привел к широкомасштабным изменениям ISFC. Длина окна не должна быть ни слишком короткой для надежных оценок, ни слишком длинной для захвата динамики ISFC.
И достаточно строгое альфа-значение должно быть использовано для ограничения ложных срабатываний. Измерения ISFC могут быть сгруппированы в целые состояния мозга ISFC для специального височного исследования характеристик. Значительные переходные isFC также могут быть представлены в качестве графика, отражающего информационный поток.
