Biz daha fazla analiz için veri kullanılabilir yapmak için Jim Haxby ve arkadaşlarımıza teşekkür. Marc N. Coutanche Howard Hughes Tıp Enstitüsü&#39;nden bir burs tarafından finanse edildi. Bu çalışma NIH hibe R0I-DC009209 ve Sharon L. Thompson-Schill verilir R01-EY02171701 tarafından desteklenmiştir.

1.. FMRI verileri hazırlamak Not: Bir fMRI taraması gerçekleştirdikten sonra, ön-işlem (uzaysal düzgünleştirme kaçınılması ya da multi-voksel kalıplarını korumak için minimize edilmelidir rağmen) önce bu protokolü başlamadan en fMRI yazılım paketleri mevcut araçları kullanarak toplanan veriler. Uygun bir veri kümesi bir örnek yöntemin 7 önceki bir uygulama tarif edilmiştir. <ol><li> Hareket kaldırmak ve hareket parametreleri için belirleyicileri olan bir regresyon modeli (roll, pitch, yaw, x, y, z) oluşturarak ön-işlenmiş fMRI verilerin zaman serisi beyaz madde sinyallerini anlama ve beyaz cevher sinyal anlamına gelir. (Kalan varyans yani) elde edilen artıkların aşağıda analizlerini yürütürler. </li><li> Bir analiz paketi (örneğin, MATLAB, Python) içine oluşturulan artıklar aktarın. Açık kaynak Bildiri Bağlantı Kutusu (http://www.informationalconnectivity.org) MATLAB içine fMRI veri alabilirsiniz. </li><li> Z-skoru EACh vokselin zaman serisi. </li><li> Böyle farklı bir tarayıcı olarak çalışır bağımsız setleri (&#39;kıvrımları&#39;), içine DataSet timepoints ayırın. Not: Tarayıcı çalışır kullanılması aksi takdirde (örneğin, bağımlılıkları ön-işleme sırasında bir seferin timepoints arasında oluşturulan olabilir) garanti etmek zor olabilir kıvrımları arasında bağımsızlık sağlar. Runs tek çalışır kullanarak daha fazla eğitim veri verecek olmasına karşın, kıvrımların sayısını (örneğin, çift ve tek çalışır 2) azaltmak için birlikte gruplandırılmış olabilir. </li><li> N uzun zaman noktalarında bir durum etiketlerin bir vektör üreterek zaman noktalarında ilişkili durum etiket kaydını oluşturur. </li><li> Olaylar ve kaydedilen fMRI sinyalleri arasındaki hemodinamik lag için hesap için, 5 sn eşdeğer kat-to-tekrarlama (TRS) bir dizi her çalıştırdığınızda ileri koşul etiketleri Shift. </li></ol> 2.. Seçin ve bir Tohum Bölge Analiz <ol><li> Bir anatomik izole bir tohum bölge seçinal alan, işlevsel lokalize bölge veya &#39;bilgi beyin haritalama&#39; en iyi performans gösteren 10 ışıldaklar. Not: 2,2-4,2 aşağıda açık kaynak Bilgilendirme Bağlantı MATLAB Toolbox tarafından yapılabilir Adımlar ( <a href="http://www.informationalconnectivity.org">http://www.informationalconnectivity.org</a> ). </li><li> . (Not: Bu popüler korelasyon tabanlı yakın komşu sınıflandırıcı 2&#39;de kullanılan aynı yaklaşım) her durum için bir prototip MVP her zaman noktasının MVP karşılaştırın 1 (üst) Şekil olarak toplanan gerçek verilerden bir örnek verir Katılımcılar insan yapımı nesneler dört tip blokları inceledi. <ol><li> -Ama-tek kat olarak her durumun timepoints ortalama her durum için bir prototip (ortalama) MVP hesaplayın. Bu, her kat için &#39;eğitim&#39; verileri (örneğin, 5 kat 2, ortalama-MVP kıvrım 1, 3, 4 de zaman noktalarında hesaplanır, ve 5). </li><li> Her zaman noktası &#39;Correlate, Eğitim verileri her durumun ortalama-MVP ile s MVP. Bu (: burada en yüksek korelasyon ile durumu tabanlı MVPA sınıflandırıcı 2 popüler korelasyon tahmin olacağını unutmayın) her zaman noktasında, her durum için bir bağıntı değer verecektir </li><li> Z-puanları r-değerleri Fisher-dönüşümü. </li></ol></li><li> Her zaman noktasında için &#39;MVP discriminability&#39; ölçmek: İlk timepoint MVP ve timepoint durumunun ortalama-MVP arasındaki ilişkiyi temsil 2.2.3 dan korelasyonu belirlemek ve daha sonra doğru olan (yani &#39;korelasyon kalan korelasyonlarının yüksek çıkarma ) yanlış bir durum &#39;ile maksimum korelasyon&#39; eksi &#39;durumdur. Sonuç, bu timepoint MVP discriminability olduğunu. Alternatif bir (ve geçerli) yaklaşımı hatalı koşullar ortalama korelasyon çıkarma olacaktır. Not: Önerilen yaklaşım sezgisel advanta varnegatif değerleri ile zamannoktaları doğru tahmin değil iken pozitif discriminability değerleri ile timepoints ge doğru, korelasyon tabanlı sınıflandırıcı tarafından sınıflandırılır. Elde edilen değerler bir örneği, Şekil 1 (altta) içinde gösterilmektedir. Bu noktaya kadar olan adımlar, aşağıdaki formüllerde yakalanır. <img alt="2.3 denklemler" fo:content-width="4.5in" src="/files/ftp_upload/51226/51226_2.3_equations.jpg" /> X zaman noktası n at m voksel aktivasyon değerleri ile normalize 1-by-m satır vektörü, y doğru (c) ya da yanlıştır (i) koşullar için ortalama eğitim desen normalize 1-by-m satır vektör zaman noktası n. Artanh işlevi Fisher z dönüşümü uygular. </li></ol> 3.. Her Searchlight için MVP Discriminability bir Zaman Serisi hesaplayın <ol><li> Yerleştirin üç boyutlu c: Bir ışıldak analizi 10 Davranışsırayla her vokselın (bir &#39;ışıldak&#39;) etrafında parlaklık. </li><li> Her ışıldak MVP discriminability değerleri (timepoint başına bir) bir süre dizi ve böylece tekrarlayın, 2.2 ve her ışıldak için 2.3 adımları. </li></ol> Tohum ve Searchlights arasında 4.. Hesapla Bilgilendirme Bağlantı <ol><li> Spearman Rank korelasyon kullanılarak her bir projektör en discriminability zaman serisi (3.2 &#39;den) ile tohumun MVP discriminability zaman serisi (2.3 dan itibaren) ilişkilidir. Elde edilen r s değeri tohum ve ışıldak arasındaki bir IC. </li><li> Işıldak merkez voksellere her ışıldak IC değerini atayın ve sonuçta bireyin beyin haritası yazmak. </li></ol> 5.. Hesapla Grup İstatistiksel Haritası <ol><li> Veri standart uzayda zaten değilse (örn., Talairach veya MNI), dönüşümü katılımcıların IC aynı alana eşler. </li><li> İsteğe bağlı bireylerin ve pürüzsüz# 39; ışıldak haritalar. </li><li> Her ışıldak IC değeri sıfırdan anlamlı olarak daha fazla olup olmadığı için bir tek yönlü t-testi kullanılarak yapılan istatistiksel haritası yaratın. </li></ol> 6.. Testi Önemi Not: Çok sayıda yaklaşımlar fMRI grup haritaların istatistiksel önemini belirlemek için var. (Her sırası değiştirilmiş grup harita aynı işleme uğrar gibi) yumuşatma DataSet düzeyi için muhasebe yaparken bir permütasyon testi, minimal varsayımlar ile önemini belirlemek gibi, bu seçenek aşağıda belirtilmiştir. <ol><li> 1.000 permütasyon her biri için, rastgele zaman serisi boyunca tohumun MVP-discriminability değerlerini shuffle. (Örneğin, yerine bitişik TRs daha blokları akıttık) (örneğin, aynı blok içinde timepoints gibi) zamansal otokorelasyonları birlikte komşu timepoints tutun. </li><li> Her permütasyondaki (yukarıdaki adım 4) için bireylerin IC haritalar hesaplayın. </li><li> Randoml: 1.000 sırası değiştirilmiş grup haritaları oluşturuny her katılımcıya birer sırası değiştirilmiş IC haritasını seçin ve bu rasgele seti (yukarıdaki adım 5) bir grup testi yapıyoruz. </li><li> Eşik her sırası değiştirilmiş grup istenen eşik haritası (örneğin, p &lt;0.001) ve haritadan maksimum küme boyutu ayıklayın. </li><li> Sıralama 1,000 maksimum küme hacimleri çıkan ve 95 persentil (örneğin, 1.000 permütasyon 50 inci büyük) de küme boyutunu belirlemek. </li><li> O p &lt;0.05 küme-düzeltilmiş yapmak için 6.5 reel (non-sırası değiştirilmiş) IC grup haritasına 6.4 kullanılan eşik (örneğin, p &lt;0.001) ve minimum küme boyutu uygular. Her sırası değiştirilmiş haritası (farklı bir sırayla) aynı MVP discriminability değerler üzerine çekiyor, çünkü bu önemi harita tesadüfen beklenenden daha senkron discriminability değerlere sahip bölgeleri vurgular. </li></ol>

<ol>
	<li>Norman, K. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Beyond+mind-reading:+multi-voxel+pattern+analysis+of+fMRI+data.">Beyond mind-reading: multi-voxel pattern analysis of fMRI data.</a> Trends Cogn Sci. 10 (9), 424-430 (2006).</li><li>Haxby, J. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distributed+and+overlapping+representations+of+faces+and+objects+in+ventral+temporal+cortex.">Distributed and overlapping representations of faces and objects in ventral temporal cortex.</a> Science. 293 (5539), 2425-2430 (2001).</li><li>Tong, F., Pratte, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Decoding+patterns+of+human+brain+activity.">Decoding patterns of human brain activity.</a> Annu Rev Psychol. 63, 483-509 (2012).</li><li>Coutanche, M. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distinguishing+multi-voxel+patterns+and+mean+activation:+Why,+how,+and+what+does+it+tell+us.">Distinguishing multi-voxel patterns and mean activation: Why, how, and what does it tell us.</a> Cogn Affect Behav Neurosci. 13 (3), (2013).</li><li>Biswal, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+in+the+motor+cortex+of+resting+human+brain+using+echo-planar+mri.">Functional connectivity in the motor cortex of resting human brain using echo-planar mri.</a> Magn Res Med. 34 (4), 537-541 (1995).</li><li>Friston, K. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Psychophysiological+and+modulatory+interactions+in+neuroimaging.">Psychophysiological and modulatory interactions in neuroimaging.</a> Neuroimage. 6 (3), 218-229 (1997).</li><li>Coutanche, M. N., Thompson-Schill, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Informational+Connectivity:+Identifying+synchronized+discriminability+of+multi-voxel+patterns+across+the+brain.">Informational Connectivity: Identifying synchronized discriminability of multi-voxel patterns across the brain.</a> Front Hum Neurosci. 7 (15), 1-14 (2013).</li><li>Chiu, Y. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tracking+cognitive+fluctuations+with+multivoxel+pattern+time+course+(MVPTC)+analysis.">Tracking cognitive fluctuations with multivoxel pattern time course (MVPTC) analysis.</a> Neuropsychologia. 50 (4), 479-486 (2012).</li><li>Nelissen, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Frontal+and+parietal+cortical+interactions+with+distributed+visual+representations+during+selective+attention+and+action+selection.">Frontal and parietal cortical interactions with distributed visual representations during selective attention and action selection.</a> J Neurosci. 33 (42), 16443-16458 (2013).</li><li>Kriegeskorte, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Information-based+functional+brain+mapping.">Information-based functional brain mapping.</a> Proc Natl Acad Sci U S A. 103 (10), 3863-3868 (2006).</li><li>Cox, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=AFNI:+software+for+analysis+and+visualization+of+functional+magnetic+resonance+neuroimages.">AFNI: software for analysis and visualization of functional magnetic resonance neuroimages.</a> Comput Biomed Res. 29 (3), 162-173 (1996).</li><li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cortical+surface-based+analysis.+II:+Inflation,+flattening,+and+a+surface-based+coordinate+system.">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> Neuroimage. 9 (2), 195-207 (1999).</li><li>Jimura, K., Poldrack, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analyses+of+regional-average+activation+and+multivoxel+pattern+information+tell+complementary+stories.">Analyses of regional-average activation and multivoxel pattern information tell complementary stories.</a> Neuropsychologia. 50 (4), 544-552 (2012).</li><li>Coutanche, M. N., Thompson-Schill, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+advantage+of+brief+fMRI+acquisition+runs+for+multi-voxel+pattern+detection+across+runs.">The advantage of brief fMRI acquisition runs for multi-voxel pattern detection across runs.</a> Neuroimage. 61 (4), 1113-1119 (2012).</li><li>Coutanche, M. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-voxel+pattern+analysis+of+fMRI+data+predicts+clinical+symptom+severity.">Multi-voxel pattern analysis of fMRI data predicts clinical symptom severity.</a> Neuroimage. 57 (1), 113-123 (2011).</li></ol>

The authors declare that they have no competing financial interests.

Bilgilendirici bağlantı dağıtılmış model bilgilere MVPA duyarlılığını vardır ve bir bağlantı yaklaşımla arası bölgeye etkileşimleri çalışmak için bir yetenek verir. MVPA ve standart tek değişkenli analizler her bazen sonuçlar 1 3 arasında çok az çakışma ile, farklı bölgelerin katılımını ortaya çıkarabilir. Bu analiz yaklaşımlar berabere bir yöntem beklendiği gibi, IC ve FC de tamamlayıcı sonuçlar 7 verir. IC istihdam isteyip karar sonuçta soruşturma kapsamında koşulları ve ortaya olan teorik sorulara bağlıdır. Tasarım hususları MVPA bir veri kümesi üzerinde yapılır mı bu etkisi de IC kullanılır olup olmadığını etkileyecektir. Akılda açıkça IC ile tasarlanmış çalışmalar da deneme-seviyeli veri taramanın timecourse genelinde elde edilebilir sağlarken, MVPA 1 4 için tavsiyeler takip etmek isteyeceksiniz. Incelerkenve IC sonuçları rapor, bu tohum ile üst üste projektörler daireselliğe önlemek için kaldırılır önemlidir. Doğrudan IC ve FC sonuçları karşılaştırarak, ayrıca, o da yerine sadece vokselleri daha ışıldaklar ortalama aktivasyonu dayalı bir FC analiz karşılaştırmak için tavsiye edilir. Bu ek analiz sonuçları arasında herhangi bir fark çünkü sinyal-gürültü voksellerden karşı ışıldaklar içinde düzeylerinde farklılıklar olmadığını sağlayabilirsiniz. Burada açıklanan prosedür ışıldaklar istihdam keşfedici bir analize odaklanmaktadır. Bu bölgelerin-faiz ile ışıldaklar değiştirerek, IC Ayrıca ben bir önceki seçilen bölgeleri karşılaştırabilirsiniz fazlalaştı. Geçerli discriminability metrik - maksimum alternatif durum için korelasyona &#39;gerçek&#39; bir durum için MVP korelasyon karşılaştırarak - da değiştirilebilir olduğunu. Birçok makine öğrenme sınıflayıcılar fark için tahmini ağırlıkları varKolayca (örneğin, zamanla bir sınıflandırıcı &#39;güvenini&#39; izlemek için) burada yapılan korelasyon karşılaştırmalar yerini alabilecek erent sınıfları. IC potansiyel, çeşitli kullanımlara sahiptir. Yanı sıra bilgi ağları araştırmak için birincil analiz olarak, IC bir MVPA ışıldak için ikincil bir izlem analiz olabilir. MVPA ışıldak haritalar bölgeler farklı koşullar ayırt edebilir anlaşılması için değerlidir, ancak tipik olarak farklı ağlara bölünebilir değildir. IC yaklaşım ışıldaklar senkron discriminability yok ve hangi ayarlar ortaya koyarak, burada yardımcı olabilir. Son olarak, farklı görevleri IC harita görev ağları anlamak için mukayese edilebilir ve hastalar daha çok Voxel farkları 1 5 ağ düzeyinde tezahür nasıl anlamak için kontrollere göre olabilir.

Burada anlatılan analiz yönteminin amacı onların çok Voxel bilgi dalgalanmalara dayalı beyin bölgeleri arasındaki bağlantı ölçmektir. Fonksiyonel manyetik rezonans görüntüleme (fMRI) analiz tekniklerindeki gelişmeler, bilgi büyük miktarda birden voksellerden 1-3 dağılmış olan kan oksijenlenme seviyesi bağımlı (BOLD) faaliyet kalıpları içinde bulunan edilebileceğini ortaya koymuştur. Multi-voksel model analizi (MVPA) olarak bilinen - - değişkenli bilgilere duyarlı tekniklerin bir dizi koşulları ayırt değişkenli cevapları 1,2,4 olmasına rağmen ayırt MVP sahip olduğunu göstermek için kullanılır olmuştur. Tek değişkenli cevapları karşılaştırmak Standart analizler, bu çok Voxel bilgilere duyarsız olabilir. Insanlar uyaranlara işlemek ve bilişsel işlemleri gerçekleştirdiğinizde Çoklu beyin bölgeleri ilgileniyoruz. Fonksiyonel bağlantısı (YP) yaygın investi kullanılan bir yöntemdirkapı gibi fonksiyonel ağları 5,6. En temel haliyle, FC farklı voksellerden veya bölgeler arasındaki işbirliğini etkinleştirme veya senkronizasyonunu, rakamlarla. FC çok başarı ile işlevsel olarak bağlantılı beyin ağları tanımlamak için kullanılmıştır. Birçok bölge ve koşulları için, ancak, tek değişkenli tepkiler BOLD faaliyet içerisinde tüm mevcut bilgileri yansıtmamaktadır. Dinamik değişkenli tepki düzeylerini değiştirerek izlemek FC teknikleri çok Voxel bilgilerin ortak dalgalanmalara duyarlılık eksikliği olabilir. Analiz yöntemi Burada sunulan, bilgilendirme bağlanabilirlik (BM; önce bir son yazıda 7&#39;de açıklanan), zaman içinde çok Voxel bilgilere duyarlı bir metrik ile bağlantı ölçerek, MVPA ve FC arasında bir köprü. FC dinamik değişkenli aktivasyonunu değişen parça iken, IC dinamik MVP discriminability değişen izler - Bir MVP gerçek durumu (yanlış) alternatifler ayırt edilebilir ne kadar iyi bir ölçü. Önemli bir şekilde, in tO aynı şekilde farklı bölgelerde farklı hesaplamalar (bir kişi adam yapılan nesneler hit örneğin, görsel işleme veya eylem planlaması) sahne rağmen bir duruma değişkenli yanıtların benzer seviyelerde gösterebilir, farklı bölgelerde de MVP benzer (ve senkronize) seviyelerine sahip olabilirler discriminability onlar farklı işlem koşulları ise. Yeni bir soruşturma IC standart FC yaklaşımla 7 ile saptanabilir değildir bölgelerarası bağlantısı ortaya göstermiştir. Müfettişler bu nedenle katılımcılar karakteristik dağıtılan desenleri var koşulları veya uyaranlara yanıt olarak beyin bölgeleri arasındaki etkileşimleri araştırmak için IC kullanabilirsiniz. IC sınıflandırma sonuçları 8, 9 ile ilgili olarak tek değişkenli aktivasyon dalgalanmalara incelenen çeşitli son bağlantı uygulamalardan farklıdır. Bu yaklaşımlardan farklı olarak, IC bölgeler arasındaki senkron çok voksel model discriminability tespit eder.

<table border="0" cellpadding="0" cellspacing="0" width="585">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">MATLAB software package</td>
			<td style="width:83px;">MathWorks</td>
			<td style="width:119px;"></td>
			<td style="width:167px;"></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">AFNI software package</td>
			<td style="width:83px;">NIMH</td>
			<td style="width:119px;"></td>
			<td></td>
		</tr>
	</tbody>
</table>

using informational connectivity to measure the synchronous emergence of fmri multi-voxel information across time

Şimdi durum-ilgili bilgiler bile tek değişkenli aktivasyon benzer seviyelerde koşulları için, fonksiyonel manyetik rezonans görüntüleme (fMRI) beyin aktivitesinin dağıtılan kalıpları içinde mevcut olabileceği takdir edilmektedir. Çoklu voksel model (MVP) analizi büyük bir başarı ile bu bilgileri dekode edilmesi için kullanılmaktadır. FMRI araştırmacılar da sık sık beyin bölgeleri birbirine bağlı ağların etkileşim nasıl anlamak için aramak, ve zamanla yanıtları iliĢkilendirdiği bölgeleri belirlemek için fonksiyonel bağlantı (FC) kullanın. Tek değişkenli analizler MVP&#39;leri bilgilere duyarsız olabilir gibi, FC tamamen karakteristik MVP imza ile işlem koşulları beyin ağları karakterize olmayabilir. Yöntem Burada tarif, bilgilendirme bağlantısı (IC), FC erişilebilir değil bağlantısı ortaya, zaman içinde MVP-discriminability içinde ilişkili değişikliklerle olan bölgeleri tespit edebilir. Yöntem tohum dümene tanımlamak için ışıldaklar kullanarak keşif olabilir,Seniyye alanlar, ya da önceden seçilmiş bölgelerde-faiz arasında, planlı. Sonuçlar, MVP ile ilgili işlem koşulları bölgelerin ağlarını aydınlatmak dökümü MVPA ışıldak harita can ayrı ağlarına veya görevleri ve hasta grupları arasında karşılaştırılabilir yapabilirsiniz.

IC sonuçları artık araştırmacının tercih fMRI analiz yazılım paketi kullanılarak görüntülenebilir. Şekil 2, görsel olarak sunulan insanın bloklardan hesaplanan IC sonuçları, nesneleri (ilişkili yayında 7 tam detayları) yapılan gösterir. IC analizi MVP ilişkili olduğu bilinen şartlar için özellikle değerlidir: karakteristik MVP ile Koşullar, ancak tek değişkenli yanıtlarında farklılıklar olmadan, IC ve FC arasında ayrım olması daha muhtemeldir (katılımcı olarak kaydedilen veri ile gösterilen insanın farklı inceledi ) Şekil 3&#39;te nesneleri yaptı. önemli multi-Voxel bilgi yüksek IC olabilir, ama daha az iyi FC sonuçlar temsil ile ışıldaklar 4: Şekil. <img alt="Şekil 1" fo:content-width="5in" src="/files/ftp_upload/51226/51226fig1highres.jpg" wiDTH = &quot;500&quot; /&gt; .. Şekil 1. zamanla desen discriminability örnekleri Top:. Ark Haxby bir konu hesaplanan MVP discriminability ve yüzeyler (2001) 2, Coutanche &amp; Thompson-Schill (2013) analiz gibi 7. Mavi hat zaman-noktaların MVP&#39;leri ve ortalama (&#39;eğitim&#39;) doğru sınıf desen arasındaki z attı korelasyon göstermektedir. Yeşil çizgiler üç yanlış sınıfları ile MVP &#39;korelasyonu temsil eder. Alt: Desen discriminability doğru sınıf ve yüksek yanlış sınıf için korelasyon arasındaki farktır. Olumlu desen discriminability değerleri ile zaman noktaları doğru bir korelasyon tabanlı sınıflandırıcı tarafından sınıflandırılır. Başlangıçta Coutanche &amp; Thompson-Schill (2013) yayınlanan Şekil 7. <a href="https://www.jove.com/files/ftp_upload/51226/51226fig1highres.jpg" target="_blank">, bu rakamın daha büyük bir versiyonunu görmek için buraya tıklayınız</a>. <img alt="Şekil 2," fo:content-width="5in" src="/files/ftp_upload/51226/51226fig2highres.jpg" width="500" /> Şekil 2.. Örnek bağlantı haritalar. Her bir sıra önemli ölçüde (mavi gösterilmiştir) bir tohuma bağlı bölgelerini göstermektedir. Önemi permütasyon testlerden en az küme boyutu olan bir grup t-testi (p &lt;0.001) ile tespit edilir. IC Sonuçlar FreeSurfer 1 2 ile üretilen yüzey haritalar üzerinde AFNI 1 1 kullanılarak görüntülenir. Şekil Coutanche &amp; Thompson-Schill (2013) modifiye edilir 7. <a href="https://www.jove.com/files/ftp_upload/51226/51226fig2highres.jpg" target="_blank">, bu rakamın daha büyük bir versiyonunu görmek için buraya tıklayınız.</a> <img alt="Şekil 3," fo:content-width="5in" src="/files/ftp_upload/51226/51226fig3highres.jpg" width="500" /> Rakam. 3. Senkronize MVP discriminability aktivasyonunu anlamına göre senkron ortalama aktivasyon (yani fonksiyonel bağlantısı olmadan) senkron MVP discriminability (yani bilgi bağlantısı) ile iki bölgede MVP discriminability örnekleri.; Veri Haxby et al bir hastaya gelmektedir. (2001) 2, Coutanche ve Thompson-Schill (2013) de olduğu gibi analiz 7. Konu çok Voxel desenleri ile ayırt edilebilen, ancak tepkiler demek insan yapımı nesneler, görsel sunumlar izlendi ise bu veri noktaları toplanmıştır. <a href="https://www.jove.com/files/ftp_upload/51226/51226fig3highres.jpg" target="_blank">, bu rakamın daha büyük bir versiyonunu görmek için buraya tıklayınız.</a> <img alt="Şekil 4," fo:content-width="5in" src="/files/ftp_upload/51226/51226fig4highres.jpg" width="500" /> Şekil 4,. Örnek IC ve LEF bir tohum arasında FC değerlert fusiform girus ve beyin arasında projektörler. Bilgi ve fonksiyonel bağlantı güçlü (z-ekseni) dört her bir projektör ait ortalama tepki (x-ekseni) ve MVPA sınıflandırma doğruluğu (y-ekseni) göre bir tohum ve projektör, arasında gösterilir insan yapımı nesneler (şans =% 25) türleri. Tohum bölge ile vokseller paylaşan projektör çıkarıldı. IC grafiği yüksek sınıflandırma performansını ama (doğru grafiğin sol üst OCTANT boşluğu tarafından görülen) tipik FC yaklaşımla aldı değildir düşük ortalama tepki düzeyleri, güçlü bağlantısı ile ışıldaklar örneklerini içerir. Başlangıçta Coutanche &amp; Thompson-Schill (2013) yayınlanan Şekil 7. <a href="https://www.jove.com/files/ftp_upload/51226/51226fig4highres.jpg" target="_blank">, bu rakamın daha büyük bir versiyonunu görmek için buraya tıklayınız.</a>

Watch this Scientific Journal Video about Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time at JoVE.com

Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time

Informational connectivity measures the correspondence between time courses of multi-voxel information across different brain regions. Multi-voxel pattern discriminability time series are extracted from regions and compared, revealing networks that are not identified in a typical functional connectivity approach.

Across Time fMRI Multi-voksel Bilgi Senkron Çıkışı Tedbir Bilgilendirici Bağlantı kullanma

It is now appreciated that condition-relevant information can be present within distributed patterns of functional magnetic resonance imaging (fMRI) brain ...

using-informational-connectivity-to-measure-synchronous-emergence

Research

JoVE Journal

Neuroscience

12.2K Görüntüleme.  University of Pennsylvania. Informational connectivity measures the correspondence between time courses of multi-voxel information across different brain regions. Multi-voxel pattern discriminability time series are extracted from regions and compared, revealing networks that are not identified in a typical functional connectivity approach.

Video: Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time

Combining Transcranial Magnetic Stimulation and fMRI to Examine the Default Mode Network

The default mode network is a group of brain regions that are active when an individual is not focused on the outside world and the brain is at "wakeful rest."1,2,3 It is thought the default mode network corresponds to self-referential or "internal mentation".2,3
It has been hypothesized that, in humans, activity within the default mode network is correlated with certain pathologies (for instance, hyper-activation has been linked to schizophrenia 4,5,6 and autism spectrum disorders 7 whilst hypo-activation of the network has been linked to Alzheimer's and other neurodegenerative diseases 8). As such, noninvasive modulation of this network may represent a potential therapeutic intervention for a number of neurological and psychiatric pathologies linked to abnormal network activation. One possible tool to effect this modulation is Transcranial Magnetic Stimulation: a non-invasive neurostimulatory and neuromodulatory technique that can transiently or lastingly modulate cortical excitability (either increasing or decreasing it) via the application of localized magnetic field pulses.9
In order to explore the default mode network's propensity towards and tolerance of modulation, we will be combining TMS (to the left inferior parietal lobe) with functional magnetic resonance imaging (fMRI). Through this article, we will examine the protocol and considerations necessary to successfully combine these two neuroscientific tools.

In this article, we examine the methodology and considerations relevant to the combination of TMS and fMRI to examine the effects of brain stimulation on the default network.

Varsayılan Modu Ağ inceleyin Transkraniyal Manyetik Uyarım ve fMRI birleştiren

The default mode network is a group of brain regions that are active when an individual is not focused on the outside world and the brain is at "wakeful ...

Nörobilim

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when studying the brain, as the functional role that a brain area fulfills may be largely defined by its connections to other brain areas. In this report, we describe a novel, non-invasive approach for relating brain structure and function using magnetic resonance imaging (MRI). This approach, a combination of structural imaging of long-range fiber connections and functional imaging data, is illustrated in two distinct cognitive domains, visual attention and face perception. Structural imaging is performed with diffusion-weighted imaging (DWI) and fiber tractography, which track the diffusion of water molecules along white-matter fiber tracts in the brain (Figure 1). By visualizing these fiber tracts, we are able to investigate the long-range connective architecture of the brain. The results compare favorably with one of the most widely-used techniques in DWI, diffusion tensor imaging (DTI). DTI is unable to resolve complex configurations of fiber tracts, limiting its utility for constructing detailed, anatomically-informed models of brain function. In contrast, our analyses reproduce known neuroanatomy with precision and accuracy. This advantage is partly due to data acquisition procedures: while many DTI protocols measure diffusion in a small number of directions (e.g., 6 or 12), we employ a diffusion spectrum imaging (DSI)1, 2 protocol which assesses diffusion in 257 directions and at a range of magnetic gradient strengths. Moreover, DSI data allow us to use more sophisticated methods for reconstructing acquired data. In two experiments (visual attention and face perception), tractography reveals that co-active areas of the human brain are anatomically connected, supporting extant hypotheses that they form functional networks. DWI allows us to create a "circuit diagram" and reproduce it on an individual-subject basis, for the purpose of monitoring task-relevant brain activity in networks of interest.

We describe a novel approach for simultaneous analysis of brain function and structure using magnetic resonance imaging (MRI). We assess brain structure with high-resolution diffusion-weighted imaging and white-matter fiber tractography. Unlike standard structural MRI, these techniques allow us to directly relate anatomical connectivity to functional properties of brain networks.

FMRI ve difüzyon ağırlıklı görüntüleme ile Beyin Yapısı ve Fonksiyonu Co-analizi

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Functional Imaging of Auditory Cortex in Adult Cats using High-field fMRI

Current knowledge of sensory processing in the mammalian auditory system is mainly derived from electrophysiological studies in a variety of animal models, including monkeys, ferrets, bats, rodents, and cats. In order to draw suitable parallels between human and animal models of auditory function, it is important to establish a bridge between human functional imaging studies and animal electrophysiological studies. Functional magnetic resonance imaging (fMRI) is an established, minimally invasive method of measuring broad patterns of hemodynamic activity across different regions of the cerebral cortex. This technique is widely used to probe sensory function in the human brain, is a useful tool in linking studies of auditory processing in both humans and animals and has been successfully used to investigate auditory function in monkeys and rodents. The following protocol describes an experimental procedure for investigating auditory function in anesthetized adult cats by measuring stimulus-evoked hemodynamic changes in auditory cortex using fMRI. This method facilitates comparison of the hemodynamic responses across different models of auditory function thus leading to a better understanding of species-independent features of the mammalian auditory cortex.

Functional studies of the auditory system in mammals have traditionally been conducted using spatially-focused techniques such as electrophysiological recordings. The following protocol describes a method of visualizing large-scale patterns of evoked hemodynamic activity in the cat auditory cortex using functional magnetic resonance imaging.

Yüksek alan fMRI kullanılarak Yetişkin kedilerde işitme korteksi Fonksiyonel Görüntüleme

Current knowledge of sensory processing in the mammalian auditory system is mainly derived from electrophysiological studies in a variety of animal ...

A Free-breathing fMRI Method to Study Human Olfactory Function

The study of human olfaction is a highly complex and valuable field with applications ranging from biomedical research to clinical evaluation. Currently, evaluation of the functions of the human central olfactory system with functional magnetic resonance imaging (fMRI) is still a challenge because of several technical difficulties. There are some significant variables to take into account when considering an effective method for mapping the function of the central olfactory system using fMRI, including proper odorant selection, the interaction between odor presentation and respiration, and potential anticipation of or habituation to odorants. An event-related, respiration-triggered olfactory fMRI technique can accurately administer odorants to stimulate the olfactory system while minimizing potential interference. It can effectively capture the precise onsets of fMRI signals in the primary olfactory cortex using our data post-processing method. The technique presented here provides an efficient and practical means for generating reliable olfactory fMRI results. Such a technique can ultimately be applied in the clinical realm as a diagnostic tool for diseases associated with olfactory degeneration, including Alzheimer&#39;s and Parkinson&#39;s disease, as we begin to further understand the complexities of the human olfactory system.

We present the technical challenges and solutions for obtaining reliable functional magnetic resonance imaging (fMRI) data from the human central olfactory system. This includes special considerations in olfactory fMRI paradigm design, descriptions of fMRI data acquisition with an MRI-compatible olfactometer, odorant selection, and a special software tool for data post-processing.

İnsanın Koku Fonksiyonunu İncelemek İçin Free-breathing fMRI Yöntemi

The study of human olfaction is a highly complex and valuable field with applications ranging from biomedical research to clinical evaluation. Currently, ...

A Simple Way to Measure Alterations in Reward-seeking Behavior Using Drosophila melanogaster

We describe a protocol for measuring ethanol self-administration in fruit flies (Drosophila melanogaster) as a proxy for changes in reward states. We demonstrate a simple way to tap into the fly reward system, modify experiences related to natural reward, and use voluntary ethanol consumption as a measure for changes in reward states. The approach serves as a relevant tool to study the neurons and genes that play a role in experience-mediated changes of internal state. The protocol is composed of two discrete parts: exposing the flies to rewarding and nonrewarding experiences, and assaying voluntary ethanol consumption as a measure of the motivation to obtain a drug reward. The two parts can be used independently to induce the modulation of experience as an initial step for further downstream assays or as an independent two-choice feeding assay, respectively. The protocol does not require a complicated setup and can therefore be applied in any laboratory with basic fly culture tools.

A Simple Way to Measure Alterations in Reward-seeking Behavior Using Drosophila melanogaster

We describe a protocol for inducing rewarding and nonrewarding experiences in fruit flies (Drosophila melanogaster) using voluntary ethanol consumption as a measure for changes in reward states.

Kullanımı Ödül arayan davranış değişiklikleri Tedbir Basit Yolu<em&gt; Drosophila melanogaster</em

We describe a protocol for measuring ethanol self-administration in fruit flies (Drosophila melanogaster) as a proxy for changes in reward states. We ...

Analyzing Dendritic Morphology in Columns and Layers

In many regions of the central nervous systems, such as the fly optic lobes and the vertebrate cortex, synaptic circuits are organized in layers and columns to facilitate brain wiring during development and information processing in developed animals. Postsynaptic neurons elaborate dendrites in type-specific patterns in specific layers to synapse with appropriate presynaptic terminals. The fly medulla neuropil is composed of 10 layers and about 750 columns; each column is innervated by dendrites of over 38 types of medulla neurons, which match with the axonal terminals of some 7 types of afferents in a type-specific fashion. This report details the procedures to image and analyze dendrites of medulla neurons. The workflow includes three sections: (i) the dual-view imaging section combines two confocal image stacks collected at orthogonal orientations into a high-resolution 3D image of dendrites; (ii) the dendrite tracing and registration section traces dendritic arbors in 3D and registers dendritic traces to the reference column array; (iii) the dendritic analysis section analyzes dendritic patterns with respect to columns and layers, including layer-specific termination and planar projection direction of dendritic arbors, and derives estimates of dendritic branching and termination frequencies. The protocols utilize custom plugins built on the open-source MIPAV (Medical Imaging Processing, Analysis, and Visualization) platform and custom toolboxes in the matrix laboratory language. Together, these protocols provide a complete workflow to analyze the dendritic routing of Drosophila medulla neurons in layers and columns, to identify cell types, and to determine defects in mutants.

Here, we show how to analyze dendritic routing of Drosophila medulla neurons in columns and layers. The workflow includes a dual-view imaging technique to improve the image quality and computational tools for tracing, registering dendritic arbors to the reference column array and for analyzing the dendritic structures in 3D space.

Sütunlar ve Katmanlar dendritik Morfoloji Analizi

In many regions of the central nervous systems, such as the fly optic lobes and the vertebrate cortex, synaptic circuits are organized in layers and ...

A Protocol for the Administration of Real-Time fMRI Neurofeedback Training

Neurologic disorders are characterized by abnormal cellular-, molecular-, and circuit-level functions in the brain. New methods to induce and control neuroplastic processes and correct abnormal function, or even shift functions from damaged tissue to physiologically healthy brain regions, hold the potential to dramatically improve overall health. Of the current neuroplastic interventions in development, neurofeedback training (NFT) from functional Magnetic Resonance Imaging (fMRI) has the advantages of being completely non-invasive, non-pharmacologic, and spatially localized to target brain regions, as well as having no known side effects. Furthermore, NFT techniques, initially developed using fMRI, can often be translated to exercises that can be performed outside of the scanner without the aid of medical professionals or sophisticated medical equipment. In fMRI NFT, the fMRI signal is measured from specific regions of the brain, processed, and presented to the participant in real-time. Through training, self-directed mental processing techniques, that regulate this signal and its underlying neurophysiologic correlates, are developed. FMRI NFT has been used to train volitional control over a wide range of brain regions with implications for several different cognitive, behavioral, and motor systems. Additionally, fMRI NFT has shown promise in a broad range of applications such as the treatment of neurologic disorders and the augmentation of baseline human performance. In this article, we present an fMRI NFT protocol developed at our institution for modulation of both healthy and abnormal brain function, as well as examples of using the method to target both cognitive and auditory regions of the brain.

The ability to induce and/or control neural plasticity may be critical in future treatments for neurologic disorders and the recovery from brain injury. In this paper, we present a protocol on the use of neurofeedback training with functional magnetic resonance imaging to modulate human brain function.

Gerçek zamanlı yönetim fMRI psikoterapi eğitimi için bir iletişim kuralı

Neurologic disorders are characterized by abnormal cellular-, molecular-, and circuit-level functions in the brain. New methods to induce and control ...

Assay to Measure Nucleocytoplasmic Transport in Real Time within Motor Neuron-like NSC-34 Cells

Nucleocytoplasmic transport refers to the import and export of large molecules from the cell nucleus. Recently, a number of studies have shown a connection between amyotrophic lateral sclerosis (ALS) and impairments in the nucleocytoplasmic pathway. ALS is a neurodegenerative disease affecting the motor neurons and resulting in paralysis and ultimately in death, within 2-5 years on average. Most cases of ALS are sporadic, lacking any apparent genetic linkage, but 10% are inherited in a dominant manner. Recently, hexanucleotide repeat expansions (HREs) in the chromosome 9 open reading frame 72 (C9orf72) gene were identified as a genetic cause of ALS and frontotemporal dementia (FTD). Importantly, different groups have recently proposed that these mutants affect nucleocytoplasmic transport. These studies have mostly shown the final outcome and manifestations caused by HREs on nucleocytoplasmic transport, but they do not demonstrate nuclear transport dysfunction in real time. As a result, only severe nucleocytoplasmic transport deficiency can be determined, mostly due to high overexpression or exogenous protein insertion. 
This protocol describes a new and very sensitive assay to evaluate and quantify nucleocytoplasmic transport dysfunction in real time. The rate of import of a NLS-NES-GFP protein (shuttle-GFP) can be quantified in real time using fluorescent microscopy. This is performed by using an exportin inhibitor, thus allowing the shuttle GFP only to enter the nucleus. To validate the assay, the C9orf72 HRE translated dipeptide repeats, poly(GR) and poly(PR), which have been previously shown to disrupt nucleocytoplasmic transport, were used. Using the described assay, a 50% decrease in the nuclear import rate was observed compared to the control. Using this system, minute changes in nucleocytoplasmic transport can be examined and the ability of different factors to rescue (even partially) a nucleocytoplasmic transport defect can be determined.

This protocol describes a method to sensitively measure the nucleocytoplasmic transport rate within motor neuron-like NSC-34 cells by quantifying the real-time change in the nuclear import of a NLS-NES-GFP protein.

Motor Nöron benzeri NSC-34 Hücrelerinde Gerçek Zamanlı Nükleositoplazmik Taşınımı Ölçüm Testi

Nucleocytoplasmic transport refers to the import and export of large molecules from the cell nucleus. Recently, a number of studies have shown a ...

Using Near-infrared Fluorescence and High-resolution Scanning to Measure Protein Expression in the Rodent Brain

Neuroscience is the study of how cells in the brain mediate various functions. Measuring protein expression in neurons and glia is critical for the study of neuroscience as cellular function is determined by the composition and activity of cellular proteins. In this article, we describe how immunocytochemistry can be combined with near-infrared high-resolution scanning to provide a semi-quantitative measure of protein expression in distinct brain regions. This technique can be used for single or double protein expression in the same brain region. Measuring proteins in this fashion can be used to obtain a relative change in protein expression with an experimental manipulation, molecular signature of learning and memory, activity in molecular pathways, and neural activity in multiple brain regions. Using the correct proteins and statistical analysis, functional connectivity among brain regions can be determined as well. Given the ease of implementing immunocytochemistry in a laboratory, using immunocytochemistry with near-infrared high-resolution scanning can expand the ability of the neuroscientist to examine neurobiological processes at a systems level.

Here, we present a protocol that uses near-infrared dyes in conjunction with immunohistochemistry and high-resolution scanning to assay proteins in brain regions.

Kemirgen beyninde protein Ifadesini ölçmek için yakın kızılötesi floresan ve yüksek çözünürlüklü tarama kullanma

Neuroscience is the study of how cells in the brain mediate various functions. Measuring protein expression in neurons and glia is critical for the study ...

Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms

Non-invasive electrophysiological recordings are useful for the evaluation of nervous system function. These techniques are inexpensive, fast, replicable, and less resource-intensive than imaging. Further, the functional data produced have excellent temporal resolution, which is not achievable with structural imaging.
Current applications of electroencephalograms (EEG) are limited by data processing methods. Standard analysis techniques using raw time series data at individual channels are very limited methods of interrogating nervous system activity. More detailed information about cortical function can be achieved by examining relationships between channels and deriving statistical models of how areas are interacting, allowing visualization of connectivity between networks.
This manuscript describes a method for deriving statistical models of cortical network activity by recording EEG in a standard manner, then examining the interelectrode coherence measures to assess relationships between the recorded areas. Higher order interactions can be further examined by assessing the covariance between the coherence pairs, producing high-dimensional &#34;maps&#34; of network interactions. These data constructs can be examined to assess cortical network function and its relationship to pathology in ways not achievable with traditional techniques.
This approach offers greater sensitivity to network level interactions than is achievable with raw time series analysis. It is, however, limited by the complexity of drawing specific mechanistic conclusions about the underlying neural populations and the high volumes of data generated, requiring more advanced statistical techniques for evaluation, including dimensionality reduction and classifier-based approaches.

Standard EEG analysis techniques offer limited insight into nervous system function. Deriving statistical models of cortical connectivity offers far greater ability to investigate underlying network dynamics. Improved functional assessment opens new possibilities for diagnosis, prognostication, and outcome prediction in nervous system diseases.

Non-invaziv Elektroensefalogramlar Kullanarak Kortikal Bağlantının İstatistiksel Modellemesi

Non-invasive electrophysiological recordings are useful for the evaluation of nervous system function. These techniques are inexpensive, fast, replicable, ...