Yazar NIH hibe destek için minnettar olduğunu: Nörogörüntüleme analiz NIH / NIBIB 5R01EB006204-03 çok değişkenli yaklaşımlar ASL MR ve Kovaryans Analizi ile NIH / NIA 5R01AG026114-02 Erken AD Algılama ADNI: Görüntüleme veri Alzheimer Hastalığı Nörogörüntüleme Girişimi (ADNI) (NIH U01AG024904) tarafından sağlandı. Bu proje için veri toplama ve paylaşım Alzheimer Hastalığı Nörogörüntüleme Girişimi (ADNI) (Ulusal Sağlık Hibe u01 AG024904 Enstitüleri) tarafından finanse edildi. Abbott, AstraZeneca AB, Bayer Schering Pharma AG, Bristol-Myers Squibb, Eisai Küresel Klinik Geliştirme, Elan Şirketi: ADNI, Ulusal Biyomedikal Görüntüleme ve Biyomühendislik Enstitüsü, Ulusal Yaşlanma Enstitüsü ve aşağıdaki cömert katkıları ile finanse edilmektedir. Genentech, GE Healthcare, GlaxoSmithKline, Innogenetics, Johnson and Johnson, Eli Lilly and Co, Medpace, Inc, Merck ve A.Ş., Novartis AG, Pfizer Inc, F. Hoffman-La Roche, Schering-Plough, Synarc , Inc ve Wyeth yanı sıra Alzheimer Derneği ve Alzheimer ABD Gıda ve İlaç Dairesi (FDA) katılımı ile İlaç Keşif Vakfı, kar amacı gütmeyen ortaklar. ADNI özel sektör katkılarıyla Sağlık (National Institutes of Vakfı tarafından kolaylaştırdı <a href="http://www.fnih.org">http://www.fnih.org</a> ). Grantee, örgüt için Kuzey Kaliforniya Araştırma ve Eğitim Enstitüsü ve çalışma Alzheimer Hastalığı Kooperatif Çalışma Kaliforniya, San Diego Üniversitesi tarafından koordine edilmektedir. ADNI veriler, University of California, Los Angeles Nöro Görüntüleme Laboratuvarı tarafından dağıtımı yapılmaktadır. Bu araştırma aynı zamanda NIH hibe P30 AG010129, K01 AG030514 ve Dana Vakfı tarafından desteklenmiştir.

<ol><li> 50 insan katılımcılar, sadece üç bölge beyinde vokseller (Şekil 1 = 3-boyutlu piksel) olarak gösterilir için varsayımsal bir veri ölçüldü: Çok değişkenli analizde kavramsal bir bakış vermek için çok basit bir durum resmi olabilir. (Şekil 1 buraya yerleştirin, üzerinden ses olarak açıklamayı okuyun.) </li><li> Çok değişkenli analizde genel amacı, varyans ana kaynaklarından veri tanımlamak ve sonra varyans bu kaynaklar açısından veri ilgi büyük etkileri anlatan. Şekil 2 basit bir örnek gösterir. (Şekil 2 buraya yerleştirin, üzerinden ses olarak açıklamayı okuyun.) </li><li> Şimdi bir klinik veri seti hem tek değişkenli ve çok değişkenli analiz geçerlidir. Alzheimer Hastalığı Nörogörüntüleme Girişimi (http://www.loni.ucla.edu/ADNI/) web sitesinden 95 erken Alzheimer hastası ve 102 yaş eşleştirilmiş kontrol için FDG-PET dinlenme taramalarını indirilebilir. Biz, hem hasta ve kontrollerin rastgele 20 tarar aldı ve bizim türetme örnek olarak atanmış. Geriye kalan 75 ve 82 tarar, sırasıyla, çoğaltma örnek teşkil etmektedir. Tek ve çok değişkenli Alzheimer hastalığı (AH) işaretleyicileri türetme örnek edilen ve çoğaltma örnek test ve tanı etkinliği olacak. </li><li> Tek değişkenli marker için, biz kontrast 20 kontrolleri ile 20 AD taramaları türetme örnek tarar ve bir T-testi ile gösterildiği gibi, AD hastalarının PET sinyal en büyük düşüş gösteren beyin yeri seçin. Bu bölgenin tanısal etkinliğini test etmek için, biz bu yerde çoğaltma örnek verileri kontrol ve hastalık durumunun bir fonksiyonu olarak PET sinyali arsa. </li><li> Çok değişkenli bir işaretleyici için, öncelikle tabi ölçeklendirme faktörü MS hastaları ve sağlıklı kontroller arasında maksimum ortalama farklılık gösterir ilk 5 Temel Bileşenler kovaryans desen oluşturmak bir PCA derivasyon örnek kombine 40 taramaları gerçekleştirmek ve. (Detayları bu temsili kağıtları 2 olabilir.) Türetme örnek form elde tanı kovaryans desen sonra, ileriye dönük olarak çoğaltma örnek uygulanır . Ortaya çıkan konu ölçekleme faktörleri, hastalık durumunun bir fonksiyonu olarak çizilir. </li><li> Adım 4 ve 5 hem tek değişkenli ve çok değişkenli yaklaşımlar daha genel bir karşılaştırma sağlamak için, &quot;bölünmüş bir örnek&quot; simülasyonu gerçekleştirmek ve her seferinde, 20/20 türetme örnek oluşturan ve 75/82 yeniden örneklendiğinde veri hem adımları 1.000 kez tekrarlayın MS hastaları ve sağlıklı kontroller baştan çoğaltma. Tek değişkenli ve çok değişkenli bir hastalık işaretleri derivasyon örnek hesaplanmış ve karar eşiği AD (= özgüllük% 95) olarak en az 1 sağlıklı kontrol Sınıflandırılmamış olduğu gibi ayarlanır. Kendi özel karar eşikleri ile hastalık işaretleri çoğaltma örnekleri daha sonra ileriye dönük olarak uygulanır. Çoğaltma örnek sınıflandırma hata oranları tüm resampling iterasyon için kaydedilmektedir. </li></ol> Temsilcisi Sonuçlar Tek değişkenli performans sonuçları Şekil 3&#39;te ayrıntılı olarak görülebilir. Süper temporal girus, Brodmann alan 38 alanda büyük AD-FDG açığı tespit edildi. Elde ROC eğrisi altında kalan alan, AUC = 0.90 oldu. Bu kontrast çoğaltma örnek genelleme ROC eğrisi altında kalan alan, AUC = 0.84 ile oldukça iyiydi. Çok değişkenli performans sonuçları Şekil 4&#39;te ayrıntılı olarak görülebilir. Hastalık karşısında sinyal göreceli bir koruma ima pozitif yükleri ile ilişkili sinyal kaybı parietotemporal ve frontal alanlarda ve posterior singulat girus bulundu iken Alanları, beyincik bulundu. Türetme ve çoğaltma örnekleri hem de ROC eğrisi altındaki alanlar, sırasıyla 0.96 ve 0.88 &#39;da tek değişkenli marker biraz daha iyi idi. Split-örnek simülasyon sonuçları Şekil 5 ayrıntılı olarak görülebilir. Rakam çok değişkenli işaretleyici tek değişkenli marker tanısal performansının daha iyi çoğaltma verdiğini gösterir. Tek değişkenli işaretleyici için bu 0.307 iken, çok değişkenli bir işaretleyici için ortalama toplam hata oranı, 0.203. <img src="/files/ftp_upload/1988/1988fig1.jpg" alt="Şekil 1" /> Şekil 1. Bu basit şekil, tek ve çok değişkenli analitik stratejileri arasındaki farkı açıklar: varsayımsal bir 3-boyutlu veri seti bu resimde görüntülenir . Sol tarafta, çizilen 3 değişkenler arasında bir ilişki yoktur. Aksine sağ tarafında, biri üç vokseller arasında pozitif bir korelasyon gösteren varyans önemli bir kaynak görebilirsiniz. Tek değişkenli analiz sadece bir voksel-by-voksel bazda ortalama değerleri saydığı bu iki senaryo arasında herhangi bir fark söyleyemem. Çok değişkenli analiz, aksine, Varian en önemli kaynaklardan tanımlarnöral aktivasyon desenleri oluşturmak için devam etmeden önce veri ce (kırmızı ok), bu kaynakları oluşturmaktadır. <img src="/files/ftp_upload/1988/1988fig2.jpg" alt="Şekil 2" /> Şekil 2 Bu slayt basitleştirilmiş bir formu veri nörogörüntüleme herhangi bir çok değişkenli analiz temel başarı gösterir. Bir konu indeksi ve beyindeki voksel yerini gösteren bir voksel indeksi x bağlıdır veri dizi Y (s, x), birkaç açısından bir miktar ayrılacak. İlk olarak, tamamen tabi bir bağımlı faktör skoru, ssf (ler), ve tamamen bağımlı voksel kovaryans desen bir ürün, v (x). Kovaryans modeli ile açıklanabilecek gibi değildir İkincisi, aktivasyon bir konu ve voksel bağımlı gürültü terimi, e (x) yakalanır. Denklemi aşağıdaki iki grafik konu ölçekleme faktörü ve kovaryans desen bir örnek vermek. Her katılımcı sadece konu faktör skoru ile gösterildiği gibi farklı bir dereceye kadar, kovaryans desen tezahür eder. Ayrı ayrı her voksel davranışlarını takip etmek yerine, kovaryans deseni ve varyans ana kaynağı konusunu ifade cimri özet sağlar. Alanlarda eş zamanlı olarak ilişkili bir etkinleştirme artırmak kırmızı ile belirtilen büyüklüğü konu ölçekleme faktörü arttıkça, kovaryans desen mavi gösterilir alanları, ilişkili bir etkinleştirme azaltmak. Söz konusu faktör skoru konu, yaş ya da bilişsel bir görev davranışsal performans gibi ilgi dış değişkenler ile ilişkili, çoklu karşılaştırmalar için herhangi bir düzeltme ve bu ilişki için uygulanacak. Böyle bir ayrışma için çeşitli teknikler vardır, ama en yaygın olanı, Temel Bileşenler Analizi (PCA). Bu bizim için tercih edilen bir tekniktir. Tabi ölçekleme faktörleri ilk etapta kovaryans desen sadece veri seti, eşit boyutluluk herhangi bir veri kovaryans desen değil projelendirme elde edilebileceğini unutmayın. Bu bir veri seti gözlendi beyin-davranış ilişkileri, farklı bir veri seti çoğaltılmış olup olmadığını test etmek için kovaryans desenlerini uygun hale getirir. <img src="/files/ftp_upload/1988/1988fig3.jpg" alt="Şekil 3" /> Şekil 3. Bu rakam tek değişkenli analiz sonucu gösterir. Sol alt panelinde, FDG sinyal değerleri türetme örnek en büyük AD ile ilgili açık gösteren bölge için çizilir. Onun MNI koordinatları X = 2 mm, Y = -48 mm, Z = 30mm (Precuneus / PCG, Brodmann Alan 31). Sağ alt panel çoğaltma örneği bu çok yerde FDG sinyali gösterir. Bir çoğaltma örnek MS hastaları ve kontroller arasında FDG farklılıklar, genel olarak, hala önemli grupları arasında daha fazla örtüşme azalır takdir edebilirsiniz. <img src="/files/ftp_upload/1988/1988fig4.jpg" alt="Şekil 4" /> Şekil 4 Bu rakam çok değişkenli analiz sonuçlarını gösterir. Üst panelde, sırasıyla, kırmızı ve mavi kovaryans desen önemli ölçüde olumlu ve olumsuz ağırlıklı alanlarda (p &lt;0,001) göstermektedir çeşitli kesitler gösterir. Küresel ortalama değer her tarama ölçekli unutmayın, bu nedenle kırmızı ve mavi renk, hastalık şiddeti PET sinyal oldukça göreceli ve mutlak artar ve azalır göstermektedir. Kızıl bölgelerde mavi hastalığın bir sonucu olarak sinyal kaybı olduğunu gösterir, böylece hastalığın karşısında göreceli korunması hakkında ipucu. Posterior singulat girus, parietotemporal ve frontal bölgelerde görünür mavi alanlar ise Kızıl bölgelerde ağırlıklı olarak, beyincik bulunur. Alt sol paneli: AD-kovaryans desen konusu faktör puanlarının türetme örnek gösterilir. MS hastaları için Yüksek konusu puanları bulunur. Alt sağ panelde: çoğaltma örnek AD-kovaryans desen ileriye dönük uygulama söz konusu faktör puanları burada çizilmiştir. Bir çoğaltma örnek artış örtüşme tanısal kontrast hafif bir kötüleşme takdir, ancak tanısal etkinliğini genelleme tek değişkenli durumda daha iyidir. <img src="/files/ftp_upload/1988/1988fig5.jpg" alt="Şekil 5" /> Şekil 5 Bu rakam 1000 split-örnek simülasyon sonuçlarını gösterir. Listelenen anlamına gelir ve çoğaltma örnekleri tek ve çok değişkenli tanı hata oranlarının standart sapmaları. Bir çok değişkenli marker performans genelleme, tek değişkenli işaretinin daha olsa da biraz daha değişken oldukça iyi olduğunu takdir edebilirsiniz.

<ol>
	<li>Moeller, J. R., Strother, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+regional+covariance+approach+to+the+analysis+of+functional+patterns+in+positron+emission+tomographic+data.">A regional covariance approach to the analysis of functional patterns in positron emission tomographic data.</a> J Cereb Blood Flow Metab. 11 (2), A121-A121 (1991).</li><li>Scarmeas, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Covariance+PET+patterns+in+early+Alzheimer's+disease+and+subjects+with+cognitive+impairment+but+no+dementia:+utility+in+group+discrimination+and+correlations+with+functional+performance.">Covariance PET patterns in early Alzheimer's disease and subjects with cognitive impairment but no dementia: utility in group discrimination and correlations with functional performance.</a> Neuroimage. 23 (1), 35-35 (2004).</li><li>Siedlecki, K. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Examining+the+multifactorial+nature+of+cognitive+aging+with+covariance+analysis+of+positron+emission+tomography+data.">Examining the multifactorial nature of cognitive aging with covariance analysis of positron emission tomography data.</a> J Int Neuropsychol Soc. 15 (6), 973-973 (2009).</li><li>Burnham, K. P., Anderson, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Model selection and multimodel inference a practical information-theoretic approach. , (2002).</li><li>Moeller, J. R., Strother, S. C., Sidtis, J. J., Rottenberg, 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=Scaled+subprofile+model:+a+statistical+approach+to+the+analysis+of+functional+patterns+in+positron+emission+tomographic+data.">Scaled subprofile model: a statistical approach to the analysis of functional patterns in positron emission tomographic data.</a> J Cereb Blood Flow Metab. 7 (5), 649-649 (1987).</li><li>Habeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multivariate+and+univariate+neuroimaging+biomarkers+of+Alzheimer's+disease.">Multivariate and univariate neuroimaging biomarkers of Alzheimer's disease.</a> Neuroimage. 40 (4), 1503-1503 (2008).</li><li>Habeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+approach+to+spatial+covariance+modeling+of+functional+brain+imaging+data:+ordinal+trend+analysis.">A new approach to spatial covariance modeling of functional brain imaging data: ordinal trend analysis.</a> Neural Comput. 17 (7), 1602-1602 (2005).</li><li>McIntosh, A. R., Bookstein, F. L., Haxby, J. V., Grady, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+pattern+analysis+of+functional+brain+images+using+partial+least+squares.">Spatial pattern analysis of functional brain images using partial least squares.</a> Neuroimage. 3 Pt 1, 143-143 (1996).</li><li>McIntosh, A. R., Lobaugh, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Partial+least+squares+analysis+of+neuroimaging+data:+applications+and+advances.">Partial least squares analysis of neuroimaging data: applications and advances.</a> Neuroimage. 23, S250-S250 (2004).</li></ol>

Biz izleyicinin çok değişkenli analiz temel bir tat vermiş umut; ilgili izleyiciler web sitemizden kontrol etmek için teşvik edilmektedir. Önemli tartışmalara konu tartışmaya çok değişkenli analiz parametreleri için birkaç seçenek olabilir yapıldı. Biz bu makalede önemli sorunları ortadan kalkar, bu konuların tartışmaya ayırdı. İlk olarak, AD-kovaryans desen oluşturmak için ilk 6 Temel Bileşenler seçti. 4 tartışmak olmadığını, bu seçim için teorik nedenler vardır . 6 Temel Bileşenler özellikle seçim olsa argümanı için önemli değildir: Biri, 2 ila 20 PC aralığında seçti ve hala split-örnek simülasyonlar çok değişkenli marker üstün genelleme performans elde edebilirsiniz. Sonuçları, türetme ve çoğaltma örnekleri deneklerin sayıları seçimine saygı ile benzer sağlamdır. Biz çoğaltma örnek her iki grup için 20 denek seçti, ama bu tamamen matematiksel hesaplamaları hızlandırmak için kolaylık oldu. Derivasyon örnekleri deneklerin sayıları artmış olsaydı, her iki tekniğin göreceli esası hakkında sonuçlar benzer şekilde tutun. İkincisi, biz sadece çok değişkenli analizde en temel türlü sundu. Makine-Öğrenme edebiyat, PCA önce doğrusal ve doğrusal olmayan dönüşümler ve diğer çeşitli kırışıklıkları ödünç teknikleri ile önemli bir komplikasyon daha genelleme performans artırmak olabilir uygulanabilir. Basitlik için, bu makalede bu olanakları dokunulmaz değil.

basics of multivariate analysis in neuroimaging data

Beyin görüntüleme verileri için çok değişkenli analiz teknikleri, daha yaygın kullanılan tek değişkenli, voksel-bilge, teknikleri kolayca gerçekleştirilmesi mümkün değildir pek çok çekici özelliklere sahip olarak son zamanlarda giderek artan bir ilgi aldık<sup&gt; 1,5,6,7,8,9</sup&gt;. Çok değişkenli yaklaşımlar voksel-by-voksel bazında devam ziyade, beyin bölgeleri arasında korelasyon / aktivasyon kovaryans değerlendirir. Böylece, sonuç daha kolay yapay sinir ağları bir imza olarak yorumlanır olabilir. Öte yandan tek değişkenli yaklaşımlar, doğrudan beyin bölgelerarası korelasyon adresi olamaz. Voksel-bilge çoklu karşılaştırmalar için çok sıkı düzeltmeler istihdam etmek zorunda olan tek değişkenli teknikleri ile karşılaştırıldığında çok değişkenli yaklaşımlar, aynı zamanda, daha büyük bir istatistiksel güç neden olabilir. Ayrıca, çok değişkenli teknikler, aynı zamanda tamamen yeni veri setleri bir veri analiz sonuçlarının geleceğe dönük uygulama için kendilerini çok daha iyi ödünç. Çok değişkenli teknikleri böylece potansiyel olarak daha büyük bir istatistiksel güç ve daha iyi tekrarlanabilirlik kontrolleri ile benzer tek değişkenli yaklaşımlar davranışları ile ortalama farklılıkları ve korelasyon, hakkında bilgi vermek için konur. Bu avantajları aksine, kullanımı çok değişkenli yaklaşımlar giriş yüksek bariyer, önlenmesi, toplum içinde daha yaygın bir uygulamadır. Çok değişkenli analiz teknikleri ile aşina olma sinirbilimci için, alanında bir ilk anket, algoritmik benzer olmasına rağmen, genellikle Matematik geçmişlere sahip insanlar tarafından farklı vurguları ile sunulmaktadır yaklaşımların şaşırtıcı bir çeşitlilik sunar. Çok değişkenli analiz teknikleri, daha iyi yayılması emri için yeterli bir potansiyele sahip olduğumuza inanıyoruz. Araştırmacılar, bilgili ve erişilebilir bir şekilde onları istihdam etmek gerekir. Mevcut makalede, yeni başlayanlar için çok değişkenli teknikler didaktik bir giriş bir girişimdir. Kavramsal bir giriş, çok değişkenli bir yaklaşım açıkça üstün performans gösteren Alzheimer Hastalığı Nörogörüntüleme Girişimi (ADNI), bir tanı veri için çok basit bir uygulama ile takip edilmektedir.

Watch this Scientific Journal Video about Basics of Multivariate Analysis in Neuroimaging Data at JoVE.com

Basics of Multivariate Analysis in Neuroimaging Data

Mevcut makalede, çok değişkenli analiz temelleri açıklar ve daha sık kullanılan voksel-bilge Tek değişkenli analizde tezat. Her iki tür analiz bir klinik nörobilim veri seti uygulanır. Ek iki yarım simülasyonları bağımsız veri setleri çok değişkenli sonuçların daha iyi çoğaltma göstermektedir.

Veri Nörogörüntüleme Çok Değişkenli Analiz Temelleri

Multivariate analysis techniques for neuroimaging data have recently received increasing attention as they have many attractive features that cannot be ...

basics-of-multivariate-analysis-in-neuroimaging-data

Microsoft Bing

Research

JoVE Journal

Neuroscience

16.8K Görüntüleme.  Columbia University. Mevcut makalede, çok değişkenli analiz temelleri açıklar ve daha sık kullanılan voksel-bilge Tek değişkenli analizde tezat. Her iki tür analiz bir klinik nörobilim veri seti uygulanır. Ek iki yarım simülasyonları bağımsız veri setleri çok değişkenli sonuçların daha iyi çoğaltma göstermektedir.

Video: Basics of Multivariate Analysis in Neuroimaging Data

Automated Sholl Analysis of Digitized Neuronal Morphology at Multiple Scales

Neuronal morphology plays a significant role in determining how neurons function and communicate1-3. Specifically, it affects the ability of neurons to receive inputs from other cells2 and contributes to the propagation of action potentials4,5. The morphology of the neurites also affects how information is processed. The diversity of dendrite morphologies facilitate local and long range signaling and allow individual neurons or groups of neurons to carry out specialized functions within the neuronal network6,7. Alterations in dendrite morphology, including fragmentation of dendrites and changes in branching patterns, have been observed in a number of disease states, including Alzheimer's disease8, schizophrenia9,10, and mental retardation11. The ability to both understand the factors that shape dendrite morphologies and to identify changes in dendrite morphologies is essential in the understanding of nervous system function and dysfunction.
Neurite morphology is often analyzed by Sholl analysis and by counting the number of neurites and the number of branch tips. This analysis is generally applied to dendrites, but it can also be applied to axons. Performing this analysis by hand is both time consuming and inevitably introduces variability due to experimenter bias and inconsistency. The Bonfire program is a semi-automated approach to the analysis of dendrite and axon morphology that builds upon available open-source morphological analysis tools. Our program enables the detection of local changes in dendrite and axon branching behaviors by performing Sholl analysis on subregions of the neuritic arbor. For example, Sholl analysis is performed on both the neuron as a whole as well as on each subset of processes (primary, secondary, terminal, root, etc.) Dendrite and axon patterning is influenced by a number of intracellular and extracellular factors, many acting locally. Thus, the resulting arbor morphology is a result of specific processes acting on specific neurites, making it necessary to perform morphological analysis on a smaller scale in order to observe these local variations12.
The Bonfire program requires the use of two open-source analysis tools, the NeuronJ plugin to ImageJ and NeuronStudio. Neurons are traced in ImageJ, and NeuronStudio is used to define the connectivity between neurites. Bonfire contains a number of custom scripts written in MATLAB (MathWorks) that are used to convert the data into the appropriate format for further analysis, check for user errors, and ultimately perform Sholl analysis. Finally, data are exported into Excel for statistical analysis. A flow chart of the Bonfire program is shown in Figure 1.

We have developed a computer program to analyze neuronal morphology. In combination with two existing open source analysis tools, our program performs Sholl analysis and determines the number of neurites, branch points, and neurite tips. The analyses are performed so that local changes in neurite morphology can be observed.

Çoklu Ölçeklerde Sayısallaştırılmış Nöronal Morfoloji Otomatik Sholl Analizi

Neuronal morphology plays a significant role in determining how neurons function and communicate1-3.  Specifically, it affects the ability of neurons to ...

Nörobilim

Cross-Modal Multivariate Pattern Analysis

Multivariate pattern analysis (MVPA) is an increasingly popular method of analyzing functional magnetic resonance imaging (fMRI) data1-4. Typically, the method is used to identify a subject's perceptual experience from neural activity in certain regions of the brain. For instance, it has been employed to predict the orientation of visual gratings a subject perceives from activity in early visual cortices5 or, analogously, the content of speech from activity in early auditory cortices6.
Here, we present an extension of the classical MVPA paradigm, according to which perceptual stimuli are not predicted within, but across sensory systems. Specifically, the method we describe addresses the question of whether stimuli that evoke memory associations in modalities other than the one through which they are presented induce content-specific activity patterns in the sensory cortices of those other modalities. For instance, seeing a muted video clip of a glass vase shattering on the ground automatically triggers in most observers an auditory image of the associated sound; is the experience of this image in the "mind's ear" correlated with a specific neural activity pattern in early auditory cortices? Furthermore, is this activity pattern distinct from the pattern that could be observed if the subject were, instead, watching a video clip of a howling dog?
In two previous studies7,8, we were able to predict sound- and touch-implying video clips based on neural activity in early auditory and somatosensory cortices, respectively. Our results are in line with a neuroarchitectural framework proposed by Damasio9,10, according to which the experience of mental images that are based on memories - such as hearing the shattering sound of a vase in the "mind's ear" upon seeing the corresponding video clip - is supported by the re-construction of content-specific neural activity patterns in early sensory cortices.

Classical multivariate pattern analysis predicts sensory stimuli a subject perceives from neural activity in the corresponding cortices (e.g. visual stimuli from activity in visual cortex). Here, we apply pattern analysis cross-modally and show that sound- and touch-implying visual stimuli can be predicted from activity in auditory and somatosensory cortices, respectively.

Cross-Modal Çok değişkenli Örüntü Analizi

Multivariate pattern analysis (MVPA) is an increasingly popular method of analyzing functional magnetic resonance imaging (fMRI) data1-4. Typically, the ...

Functional Neuroimaging Using Ultrasonic Blood-brain Barrier Disruption and Manganese-enhanced MRI

Although mice are the dominant model system for studying the genetic and molecular underpinnings of neuroscience, functional neuroimaging in mice remains technically challenging. One approach, Activation-Induced Manganese-enhanced MRI (AIM MRI), has been used successfully to map neuronal activity in rodents 1-5. In AIM MRI, Mn2+ acts a calcium analog and accumulates in depolarized neurons 6,7. Because Mn2+ shortens the T1 tissue property, regions of elevated neuronal activity will enhance in MRI. Furthermore, Mn2+ clears slowly from the activated regions; therefore, stimulation can be performed outside the magnet prior to imaging, enabling greater experimental flexibility. However, because Mn2+ does not readily cross the blood-brain barrier (BBB), the need to open the BBB has limited the use of AIM MRI, especially in mice.
One tool for opening the BBB is ultrasound. Though potentially damaging, if ultrasound is administered in combination with gas-filled microbubbles (i.e., ultrasound contrast agents), the acoustic pressure required for BBB opening is considerably lower. This combination of ultrasound and microbubbles can be used to reliably open the BBB without causing tissue damage 8-11.
Here, a method is presented for performing AIM MRI by using microbubbles and ultrasound to open the BBB. After an intravenous injection of perflutren microbubbles, an unfocused pulsed ultrasound beam is applied to the shaved mouse head for 3 minutes. For simplicity, we refer to this technique of BBB Opening with Microbubbles and UltraSound as BOMUS 12. Using BOMUS to open the BBB throughout both cerebral hemispheres, manganese is administered to the whole mouse brain. After experimental stimulation of the lightly sedated mice, AIM MRI is used to map the neuronal response.
To demonstrate this approach, herein BOMUS and AIM MRI are used to map unilateral mechanical stimulation of the vibrissae in lightly sedated mice 13. Because BOMUS can open the BBB throughout both hemispheres, the unstimulated side of the brain is used to control for nonspecific background stimulation. The resultant 3D activation map agrees well with published representations of the vibrissae regions of the barrel field cortex 14. The ultrasonic opening of the BBB is fast, noninvasive, and reversible; and thus this approach is suitable for high-throughput and/or longitudinal studies in awake mice.

A technique is described for broadly opening the blood-brain barrier in the mouse using microbubbles and ultrasound. Using this technique, manganese can be administered to the mouse brain. Because manganese is an MRI contrast agent that accumulates in depolarized neurons, this approach enables imaging of neuronal activity.

Ultrasonik Kan-beyin bariyeri bozulması ve Manganez kontrastlı MRG kullanma İşlevsel beyin görüntüleme

Although mice are the dominant model system for studying the genetic and molecular underpinnings of neuroscience, functional neuroimaging in mice remains ...

Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain signal. Typically, researchers represent the brain's response as the mean across repeated experimental trials and disregard signal fluctuations over time as "noise". However, it is becoming clear that brain signal variability conveys meaningful functional information about neural network dynamics. This article describes the novel method of multiscale entropy (MSE) for quantifying brain signal variability. MSE may be particularly informative of neural network dynamics because it shows timescale dependence and sensitivity to linear and nonlinear dynamics in the data.

Neuroimaging researchers typically consider the brain's response as the mean activity across repeated experimental trials and disregard signal variability over time as "noise". However, it is becoming clear that there is signal in that noise. This article describes the novel method of multiscale entropy for quantifying brain signal variability in the time domain.

Olay İlişkili Potansiyeller, Spektral Güç ve Çok Ölçekli Entropi: EEG beyin görüntüleme Veri Uygulamaları

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain ...

TIRFM and pH-sensitive GFP-probes to Evaluate Neurotransmitter Vesicle Dynamics in SH-SY5Y Neuroblastoma Cells: Cell Imaging and Data Analysis

Synaptic vesicles release neurotransmitters at chemical synapses through a dynamic cycle of fusion and retrieval. Monitoring synaptic activity in real time and dissecting the different steps of exo-endocytosis at the single-vesicle level are crucial for understanding synaptic functions in health and disease.
Genetically-encoded pH-sensitive probes directly targeted to synaptic vesicles and Total Internal Reflection Fluorescence Microscopy (TIRFM) provide the spatio-temporal resolution necessary to follow vesicle dynamics. The evanescent field generated by total internal reflection can only excite fluorophores placed in a thin layer (&#60;150 nm) above the glass cover on which cells adhere, exactly where the processes of exo-endocytosis take place. The resulting high-contrast images are ideally suited for vesicles tracking and quantitative analysis of fusion events.
In this protocol, SH-SY5Y human neuroblastoma cells are proposed as a valuable model for studying neurotransmitter release at the single-vesicle level by TIRFM, because of their flat surface and the presence of dispersed vesicles. The methods for growing SH-SY5Y as adherent cells and for transfecting them with synapto-pHluorin are provided, as well as the technique&#160;to perform TIRFM and imaging. Finally, a strategy aiming to select, count, and analyze fusion events at whole-cell and single-vesicle levels is presented.
To validate the imaging procedure and data analysis approach, the dynamics of pHluorin-tagged vesicles are&#160;analyzed under resting and stimulated (depolarizing potassium concentrations) conditions. Membrane depolarization increases the frequency of fusion events and causes a parallel raise of the net fluorescence signal recorded in whole cell. Single-vesicle analysis reveals modifications of fusion-event behavior (increased peak height and width). These data suggest that potassium depolarization not only induces a massive neurotransmitter release but also modifies the mechanism of vesicle fusion and recycling.
With the appropriate fluorescent probe, this technique can be employed in different cellular systems to dissect the mechanisms of constitutive and stimulated secretion.

This paper provides a method for investigating neurotransmitter vesicle dynamics in neuroblastoma cells, using a synaptobrevin2-pHluorin construct and Total Internal Reflection Fluorescence Microscopy. The strategy developed for image processing and data analysis is also reported.

TIRFM ve pH-duyarlı GFP-sondalar SH-SY5Y Nöroblastom Hücrelerinde nörotransmitter Vesikül Dynamics değerlendirin: Hücre Görüntüleme ve Veri Analizi

Synaptic vesicles release neurotransmitters at chemical synapses through a dynamic cycle of fusion and retrieval. Monitoring synaptic activity in real ...

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

The nervous system has the remarkable ability to adapt and respond to various stimuli. This neural adjustment is largely achieved through plasticity at the synaptic level. The Active Zone (AZ) is the region at the presynaptic membrane that mediates neurotransmitter release and is composed of a dense collection of scaffold proteins. AZs of Drosophila melanogaster (Drosophila) photoreceptors undergo molecular remodeling after prolonged exposure to natural ambient light. Thus the level of neuronal activity can rearrange the molecular composition of the AZ and contribute to the regulation of the functional output.
Starting from the light exposure set-up preparation to the immunohistochemistry, this protocol details how to quantify the number, the spatial distribution, and the delocalization level of synaptic molecules at AZs in Drosophila photoreceptors. Using image analysis software, clusters of the GFP-fused AZ component Bruchpilot were identified for each R8 photoreceptor (R8) axon terminal. Detected Bruchpilot spots were automatically assigned to individual R8 axons. To calculate the distribution of spot frequency along the axon, we implemented a customized software plugin. Each axon&#39;s start-point and end-point were manually defined and the position of each Bruchpilot spot was projected onto the connecting line between start and end-point. Besides the number of Bruchpilot clusters, we also quantified the delocalization level of Bruchpilot-GFP within the clusters. These measurements reflect in detail the spatially resolved synaptic dynamics in a single neuron under different environmental conditions to stimuli.

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

Here we show how to quantify the number and spatial distribution of synaptic active zones in Drosophila melanogaster&#160;photoreceptors, highlighted with a genetically encoded molecular marker, and their modulation after prolonged exposure to light.

Synaptic Modülasyon Analizi<em&gt; Drosophila melanogaster</em&gt; Uzun süreli ışığa maruz kaldıktan sonra Fotoreseptörler

The nervous system has the remarkable ability to adapt and respond to various stimuli. This neural adjustment is largely achieved through plasticity at ...

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy (NIRS) Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in remote locations. This paper shows the development of field functional Near Infrared Spectroscopy (fNIRS) imaging to the study of child language, reading, and cognitive development in a rural village setting of C&#244;te d&#39;Ivoire. Innovation in methods and the development of culturally appropriate neuroimaging protocols allow&#160;a first-time look into the brain&#39;s development and children&#39;s learning outcomes in understudied environments. This paper demonstrates protocols for transporting and setting up a mobile laboratory, discusses considerations for field versus laboratory neuroimaging, and presents a guide for developing neuroimaging consent procedures and building meaningful long-term collaborations with local government and science partners. Portable neuroimaging methods can be used to study complex child development contexts, including the impact of significant poverty and adversity on brain development. The protocol presented here has been developed for use in C&#244;te d&#39;Ivoire, the world&#39;s primary source of cocoa, and where reports of child labor in the cocoa sector are common. Yet, little is known about the impact of child labor on brain development and learning. Field neuroimaging methods have the potential to yield new insights into such urgent issues, and the development of children globally.

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy NIRS Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Portable neuroimaging approaches (functional Near Infrared Spectroscopy) provide advances to the study of the brain in previously inaccessible regions; here, rural C&#244;te d&#39;Ivoire. Innovation in methods and development of culturally-appropriate neuroimaging protocols permits novel study of the brain&#39;s development and children&#39;s learning outcomes in environments with significant poverty and adversity.

Kullanarak küresel çocuk gelişimi eğitimi için kızılötesi spektroskopi (NIRS) Nörogörüntüleme fonksiyonel beyin görüntüleme alanı yöntemleri: kırsal Sahra Güneyi Afrika

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in ...

Data Acquisition and Analysis In Brainstem Evoked Response Audiometry In Mice

Brainstem evoked response audiometry (BERA) is of central relevance in the clinical neurophysiology. As other evoked potential (EP) techniques, such as visually evoked potentials (VEPs) or somatosensory evoked potentials (SEPs), the auditory evoked potentials (AEPs) are triggered by the repetitive presentation of identical stimuli, the electroencephalographic (EEG) response of which is subsequently averaged resulting in distinct positive (p) and negative (n) deflections. In humans, both the amplitude and the latency of individual peaks can be used to characterize alterations in synchronization and conduction velocity in the underlying neuronal circuitries. Importantly, AEPs are also applied in basic and preclinical science to identify and characterize the auditory function in pharmacological and genetic animal models. Even more, animal models in combination with pharmacological testing are utilized to investigate for potential benefits in the treatment of sensorineural hearing loss (e.g., age- or noise-induced hearing deficits). Here we provide a detailed and integrative description of how to record auditory brainstem-evoked responses (ABRs) in mice using click and tone-burst application. A specific focus of this protocol is on pre-experimental animal housing, anesthesia, ABR recording, ABR filtering processes, automated wavelet-based amplitude growth function analysis, and latency detection.

Brainstem evoked response audiometry is an important tool in clinical neurophysiology. Nowadays, brainstem evoked response audiometry is also applied in the basic science and preclinical studies involving both pharmacological and genetic animal models. Here we provide a detailed description of how auditory brainstem responses can be successfully recorded and analyzed in mice.

Farelerde beyin sapı uyarılmış yanıt odyometrisi veri edinme ve Analizi

Brainstem evoked response audiometry (BERA) is of central relevance in the clinical neurophysiology. As other evoked potential (EP) techniques, such as ...

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a convergence of peaks of statistical significance, and reduce the assessment of the evidence to a binary classification exclusively based on p-values (i.e., voxels can only be &ldquo;statistically significant&rdquo; or &ldquo;non-statistically significant&rdquo;). Here, we detail how to conduct a meta-analysis using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI), a novel method that uses a standard permutation test to assess whether effects are not null. We also show how to grade the strength of the evidence according to a set of criteria that considers a range of statistical significance levels (from more liberal to more conservative), the amount of data or the detection of potential biases (e.g., small-study effect and excess of significance). To exemplify the procedure, we detail the conduction of a meta-analysis of voxel-based morphometry studies in obsessive-compulsive disorder, and we provide all the data already extracted from the manuscripts to allow the reader to replicate the meta-analysis easily. SDM-PSI can also be used for meta-analyses of functional magnetic resonance imaging, diffusion tensor imaging, position emission tomography and surface-based morphometry studies.

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI

We detail how to conduct a meta-analysis of voxel-based neuroimaging studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI).

Konu Görüntülerinin Permütasyonu ile Tohum Bazlı d Haritalama Kullanılarak Voxel Tabanlı Nörogörüntüleme Çalışmalarının Meta-analizi (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a ...

Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques

Statistical learning, a fundamental skill to extract regularities in the environment, is often considered a core supporting mechanism of the first language development. While many studies of statistical learning are conducted within a single domain or modality, recent evidence suggests that this skill may differ based on the context in which the stimuli are presented. In addition, few studies investigate learning as it unfolds in real-time, rather focusing on the outcome of learning. In this protocol, we describe an approach for identifying the cognitive and neural basis of statistical learning, within an individual, across domains (linguistic vs. non-linguistic) and sensory modalities (visual and auditory). The tasks are designed to cast as little cognitive demand as possible on participants, making it ideal for young school-aged children and special populations. The web-based nature of the behavioral tasks offers a unique opportunity for us to reach more representative populations nationwide, to estimate effect sizes with greater precision, and to contribute to open and reproducible research. The neural measures provided by the functional magnetic resonance imaging (fMRI) task can inform researchers about the neural mechanisms engaged during statistical learning, and how these may differ across individuals on the basis of domain or modality. Finally, both tasks allow for the measurement of real-time learning, as changes in reaction time to a target stimulus is tracked across the exposure period. The main limitation of using this protocol relates to the hour-long duration of the experiment. Children might need to complete all four statistical learning tasks in multiple sittings. Therefore, the web-based platform is designed with this limitation in mind so that tasks may be disseminated individually. This methodology will allow users to investigate how the process of statistical learning unfolds across and within domains and modalities in children from different developmental backgrounds.

Presented here is a protocol introducing a set of child-friendly statistical learning tasks geared towards examining children&#8217;s learning of temporal statistical patterns across domains and sensory modalities. The developed tasks collect behavioral data using the web-based platform and task-based functional magnetic resonance imaging (fMRI) data for examining neural engagement during statistical learning.