Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

Netværk Analyse af standardtilstanden netværk ved hjælp af Funktionel Connectivity MRI ved FLE

Published: August 5, 2014 doi: 10.3791/51442
Automatic Translation
1,2, 3, 4, 4, 4
1Department of Neurology, Baylor College of Medicine, 2Neurology Care Line, Michael E. DeBakey VA Medical Center, 3Semel Institute for Neuroscience and Human Behavior, University of California, Los Angeles, 4Department of Neurology, University of California, Los Angeles

Summary

Standardtilstanden Network (DMN) ved FLE (TLE) er analyseret i den hvilende tilstand af hjernen ved hjælp af frø-baserede funktionelle konnektivitet MRI (fcMRI).

Abstract

Funktionel konnektivitet MRI (fcMRI) er en fMRI metode, der undersøger tilslutning af forskellige områder i hjernen baseret på korrelation af BOLD signal udsving over tid. FLE (TLE) er den mest almindelige form for voksen epilepsi og involverer flere netværk i hjernen. Standardtilstanden netværk (DMN) er involveret i bevidst hviletilstand kognition og menes at være påvirket i TLE hvor anfald medføre forringelse af bevidsthed. DMN i epilepsi blev undersøgt ved hjælp af frø baserede fcMRI. De forreste og bageste knudepunkter i DMN blev brugt som frø i denne analyse. Resultaterne viser en afbrydelse mellem den forreste og bageste knudepunkter i DMN i FLE under den basale tilstand. Desuden øgede DMN forbindelse til andre områder af hjernen i venstre TLE sammen med nedsat tilslutningsmuligheder i højre TLE er afsløret. Analysen viser, hvordan frø-baserede fcMRI kan anvendes til at probe cerebrale net hjernesygdomme såsom TLE.

Introduction

Funktionel Connectivity MRI (fcMRI) er en forholdsvis ny analytisk tilgang til fMRI data, der kvantificerer sammenhængen mellem de forskellige områder i hjernen baseret på ligheden mellem deres blodets iltning niveau afhængig signal serie (FED) tid - dette kaldes "funktionel" tilslutning, og er skelnes fra anatomisk konnektivitet, der beskriver eksistensen af fysiske forbindelser mellem regioner (f.eks hvide substans fibre). I en særlig anvendelse af denne fremgangsmåde, er tidsserien indsamles, når deltageren ikke er involveret i en opgave eller er i den såkaldte "hvile tilstand".

Selvom første gang beskrevet i 1995 1, har der været en enorm interesse i fcMRI resulterer i cirka 1.000 publikationer i forbindelse med teknikken i 2012. FcMRI har iboende fordele i forhold til task-baseret fMRI i (1), at der ikke er nogen specifik opgave, der skal udføres, ( 2) emne samarbejde erikke nødvendigt, (3) datasæt kan anvendes til at forespørge flere forskellige netværk (4) bedre signal-støj-forhold er til stede sandsynligvis på grund af forskelle i cerebrale energetik involveret, og (5) omgåelse af opgavemæssige confounds 2. Som et bevis på sit koncept, er blevet vist fcMRI ændringer at korrespondere med ændringer i EEG 3 og lokale feltpotentialer 4 i hjernen.

Teknikker til fcMRI analysen indeholde ROI / frø-baserede teknikker, uafhængig komponent analyse (ICA), grafteori analyse, Granger kausalitet analyse, lokale metoder (amplitude udsving lav frekvens, regional homogenitet analyse), og andre 5. Ingen enkelt teknik har endnu vist klar overlegenhed over en anden, selv om de mest populære metoder er frø-baserede og ICA-metoder 6. Seed-baserede fcMRI korrelerer tidsmæssige udsving i BOLD signal fra en forvalgt del af det formodede netværk under undersøgelse betegnes "seed1; eller "region af interesse (ROI)" til alle andre dele af hjernen. Områder af hjernen viser BOLD signal korrelerende til frøet område menes at afgrænse dele af de involverede netværk. I modsætning hertil bruger ICA en model-fri datastyret analyse til at udtrække spatio-tidsmæssigt korrelerede områder i hjernen (Independent Komponenter, ICS) ved at analysere de hæmodynamiske signal karakteristika hele hjernen 5..

I den nuværende manuskript er en beskrivelse af metoder, der anvendes i en tidligere offentliggjort undersøgelse af hviletilstand frø-baserede konnektivitet analyse af DMN i FLE præsenteret 7. TLE er den mest almindelige form for voksen epilepsi. Ud over anfald, TLE forårsager dysfunktion af flere hjernens netværk, herunder hukommelse, adfærd, tanker og sensorisk funktion 8. DMN udgøres af cerebrale regioner subserving bevidst, hvile-state kognition. DMN er blevet rapporteret at være involveret i anfald forbundet med reduceret consciousness 9,10. Derudover hippocampus er nøglen struktur involveret i TLE og er blevet anset for at være del af DMN. Men forbinde PCC til hippocampusformationen er svagere end med andre DMN komponenter, såsom mediale præfrontale og ringere parietale cortex. Dette antyder, at hippocampus er enten et undernetværk DMN eller interagerende netværk 11,12. Disse fællestræk mellem TLE og DMN hæve muligheden for, at DMN funktionelle konnektivitet er ændret i FLE. Denne analyse sammenligner DMN af forsøgspersoner med TLE til raske kontrolpersoner at få indsigt i inddragelse af DMN i FLE. Forbinde frø placeret i de vigtigste knudepunkter i DMN - de forreste og bageste hub regioner blev analyseret 12. Frøene blev placeret i den bageste nav bestående af retrosplenium / precuneus (Rsp / PCUN) samt den forreste nav bestående af ventromedial præfrontale cortex (vmPFC) hos patienter med TLE ograske kontrolpersoner at identificere de bageste og forreste subnetværk af DMN.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Emner

  1. Undersøgelsen befolkning på 36 forsøgspersoner omfatter 3 grupper: højre TLE (n = 11), venstre TLE (n = 12) og raske kontroller (n = 13). Indhente skriftligt informeret samtykke fra alle fag. Undersøgelsen følger retningslinjerne fra University of California, Los Angeles (UCLA) Institutional Review Board.
  2. Epilepsien faggrupper bør være patienter, der er kandidater til anterior tindingelappen resektion som bestemt ved hjælp af video-EEG overvågning, hjerne MRI, PET billedbehandling og neuropsykologiske test. Patienterne bør fortsætte deres sædvanlige medicin under fMRI scanning og bør ikke scannes umiddelbart efter et anfald. Sørg for, at alle fag har normale hjerne MRIs og er fri for neurologisk sygdom (bortset epilepsi i patientgrupperne) eller bruger neurologiske medicin.

2.. Imaging

  1. Brug en 3 Tesla MRI-system til billeddannelse. Anskaf aksiale skiver for funktionelle billeder med et ekko plane imagING (EPI) sekvens og anatomiske billeder ved hjælp af en forkælet gradient mindede (SPGR) sekvens.
  2. Udfør funktionel billeddannelse ved hjælp af de følgende parametre: TR = 2,000 msek, TE = 30 msek FOV = 210 mm, matrix = 64 x 64, skive tykkelse 4 mm, 34 skiver. Brug følgende parametre for høj opløsning strukturel billeddannelse: TR = 20 msek, TE = 3 msek, FOV = 256 mm, matrix = 256 x 256, skivetykkelse 1 mm, 160 skiver.
  3. Hver imaging session skal vare 20 minutter. Bed deltagerne om at slappe af med lukkede øjne. Ingen særlige auditive input er påkrævet.

3.. Forbehandling af BOLD data

  1. Preprocess fMRI data ved hjælp af FSL (fMRIB Software Library) softwareversion 4.1.6 (Oxford, UK, www.fmrib.ox.ac.uk / FSL) 13,14. Forbehandlingsfasen skridt bør omfatte følgende: Brug FSL MCFLIRT at fjerne hoved bevægelse artefakt 15. Brug FSL BET at fjerne nonbrain væv 16 med BET option-F for BOLD filer. Dette hjælper én køre fDERLIGERE analyse trin på hjernevæv alene.
  2. I FEAT, køre en minimalt forarbejdet analyse med registrering. Vælg "Første niveau analyse" og ændre "Fuld analyse" til "pre-statistik" fra de to øverste knapper.
    1. Under Pre-statistik fane, skal du fjerne markeringen "SATS hjerne udvinding" og vælg "Ingen" for "Motion korrektion" (som disse allerede blev gjort ovenfor). Registrer de funktionelle (fed) billeder til anatomiske (SPGR) billeder, og derefter til en standard (MNI) billede. Dette resulterer i dannelsen af ​​transformationsmatricerne, som anvendes senere i løbet af analysen til at kæde de udvalgte i standard rum i individets hjerne plads frø.
  3. Brug den genererede transformationsmatrix (med navnet "standard2example_func.mat"), og omdanne CSF og hvid substans ROIs i individuelle BOLD rum.
    1. Uddrag tidsserien fra CSF og hvide substans ROIs vha. fslmeants kommando,ved hjælp af ROI i enkelte fag rummet som en maske. Normalisere serie den udtrukne tid ved hjælp af softwaren "R". Disse tidsrækker anvendes som regressorer i GLM senere at fjerne de tilsvarende kunstig signaler fra analysen.
  4. Det næste skridt er fjernelse af motivet bevæger relaterede artefakter. For regression af motion parametre indstille følgende i FSL FEAT før du kører det.
    1. Inden fanen data, skal du bruge motion-korrigeret og hjerne-udpakkede fil som input, indstilles TR værdi, der svarer til dit datasæt. Set højpasfiltrering ved hjælp af en 100 sek-filter. Den højpasfiltrering vil fjerne signaler af nogen interesse, som er af meget lav frekvens. Et lavpasfilter til at fjerne de højfrekvente signaler vil blive anvendt senere i trin 4.1.
    2. Inden fanen Pre-statistik, vælg "Ingen" under "Motion korrektion", som det allerede blev gjort. Fjern markeringen "SATS hjerne udvinding", som det allerede blev gjort. Udfør rumlig udjævningmed en 5 mm i fuld bredde halvt maksimum (FWHM).
    3. Inden fanen statistik, relatere de 6 motion parametre og deres timelige derivater. Vælg "None" for foldning og tjek "Anvend tidsmæssig filtrering." Brug af produktionen af ​​FSL MCFLIRT at få tekstfiler af bevægelsesparametre, som kan være så input til FEAT analyse model til at relatere disse i en generel lineær model (GLM)
    4. Også tilføje CSF og hvide substans signaler, der blev udtrukket og normaliseret i forrige trin for at GLM. Vælg "None" for foldning, tilføje tidsmæssig derivat og fjern markeringen "Anvend tidsmæssig filtrering".

4.. Statistiske metoder

  1. Residualerne fra forbehandlingsfasen beskrevet ovenfor, bør anvendes for frø-baserede korrelation. Disse residualer skal først passeret gennem en low-pass filter på 0,1 Hz, så nedværdiget ved at fratrække middelværdien, dividere med standardafvigelsen og derefter skaleres ved at tilføje100. Frø bør defineres med en diameter på 6 mm i standard MNI rummet ved hjælp MRICron software.
  2. Den bageste og de forreste frø bør svare til følgende koordinater: (1) RSP / PCUN region (x = 2, y = -60, z = 36) og (2) ventromedial præfrontale cortex (vmPFC, x = 3, y = 60, z = -1). Disse frø steder er blevet defineret inden for raske kontrolpersoner og omsættes til emnet plads i det næste trin 17-19.
    1. Frøene bør efterfølgende omdannes til hvert emne individuelle funktionelle hjerne plads fra standard MNI plads. Til dette skal du bruge transformationsmatrix genererede ovenfor (med navnet "standard2example_func.mat") for at omdanne frø fra standard (MNI) plads til den enkelte funktionelle (BOLD) plads.
    2. Brug de fslmeants kommando til at udtrække tidsserien fra den tidligere nedværdiget og skaleres residual, ved hjælp af frø i det enkelte fag rummet som en maske. Normalisere serie den udtrukne tid ved hjælp af blødeware "R".
  3. Delvise korrelationer mellem de frø voxels og alle andre hjerne voxels skal beregnes særskilt for hver emne for hver kørsel. Til dette inden for den FSL FEAT GUI, skal du vælge "First-niveau analyse", og derefter "statistik + Post-statistik". Inden fanen Data, skal den tidligere nedværdiget og skaleres residual blive brugt som input til FEAT.
  4. Indstil High pass filter cutoff til 10.000, da den resterende allerede høj passeret ved 100 sek. Inden fanen Statistik, fravælge "Use FILM prewhitening", og anvende frø serien tidligere udvindes og normaliseret tid i GLM. Inden fanen Post-statistik, indstille den ønskede Z-stat tærsklen til en værdi på 2,0.
  5. Forud for at køre gruppe analyse kombinerer kørsler inden for fag, bør en Fishers Z omdanne udføres på COPE (kontrast af parameterestimater) fil genereres fra den tidligere kørt korrelationsanalyse (trin 4.3). Kopier registreringsdata frabout "REG"-biblioteket til FEAT analyse udført i trin 3.1 i sammenhængen køre af trin 4.3.
  6. Kør et højere niveau analyse ved at kombinere kørsler inden for hvert emne. Til dette inden for den FSL FEAT GUI, skal du vælge "Højere niveau analyse", og derefter "statistik + Post-statistik". Inden for "Data" fanen, vælg "Inputs er laverestående FEAT mapper" og indtaste personens løber fra trin 4.4. Inden fanebladet "Statistik", vælg "blandede effekter: Simpel OLS". Opsæt model som middelværdi virkning; indtaste værdien 1 for hver af motivets løb.
  7. At kombinere data over kørsler mellem fag, en almindelig Least Squares (OLS) bør anvendes simple blandede effekter analyse. Til dette inden for den FSL FEAT GUI, vælg "Higher-level analyse", og "Stats + Post-statistik". Inden fanen Data, vælg "Inputs er laverestående FEAT mapper" og indtaste forsøgspersonernes tilsammen løber fra trin 4.5.
  8. Inden fanen Statistik, vælg "Mixed effekter: Simpel OLS" 'Opsæt en model som 3 grupper; indtaste værdien 1 for den gruppe, hvert fag tilhører, 0 ellers. Gruppe analyse skal ske på hver voxel ved hjælp af en envejs ANOVA med tre niveauer, som svarede til de tre grupper (højre TLE, venstre TLE og raske kontrolpersoner).
  9. Til tærsklen Z statistik billeder bruger klynge danner grænsen af Z> 2,0 og korrigeres klynge betydelig tærskel p = 0.05 20. At opnå korrekte z-værdier på sammenhængen kortet, bør en omvendt Fishers Z omdanne udføres på resultaterne.
  10. Følgende specifikke kontraster skal sammenlignes (1) højre TLE> kontrol; (2) forlod TLE> kontrol; (3) til højre TLE> venstre TLE; (4) venstre TLE> højre TLE; (5) kontrol> højre TLE; (6) kontrol> venstre TLE; (7) TLE (kombineret højre og venstre)> kontrol; og (7) kontrol> TLE (kombineret højre og venstre).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figur 1 viser DMN afsløret med tilslutning fra en posterior frø (RSP / PCUN, rød-gule farver) og en forreste frø (vmPFC, blå-grønne farver), og sammenligner de netværk, der findes i de forskellige faggrupper (figur 1A-C) og mellem hinanden, nemlig raske kontroller i forhold til alle patienter med TLE (figur 1D og 1E), og derefter raske kontroller sammenlignet separat til venstre TLE (figur 1F og 1G) og højre TLE (figur 1H og 1I). Direkte sammenligning mellem venstre og højre TLE er også vist (figur 1J og 1K).

TLE

TLE omfatter individer med enten højre eller venstre TLE. Sammenlignet med kontrolgruppen, havde denne kombinerede gruppe reduceret tilslutning fra den bageste til den forreste DMN region (figur 1D, Røde farver) en samt reduceret tilslutning fra den forreste DMN region til den bageste komponenter (figur 1D, blå farver). Patienter med TLE viste også øget fronto-parietale tilslutningsmuligheder med forreste og bageste DMN (Figur 1E, blå / røde farver).

Venstre TLE

Patienter med venstre TLE havde reduceret konnektivitet den bageste DMN med de forreste DMN regionerne og hippocampus, parahippocampus, hjernestammen og mediale occipital cortex (figur 1F, røde farver). Ved hjælp af en forreste frø, nedsat tilslutningsmuligheder med posteriore komponenter (hippocampus, parahippocampal gyrus, fusiform gyrus, flersprogede gyrus, cingulate gyrus) blev også set (figur 1F, blå farver). Patienter med venstre TLE fandtes at have en udvidet peri-opercular netværk forbundet til den bageste og forreste frø (figur 1G, røde og blå farver) compARED til raske kontrolpersoner.

Højre TLE

Som i tilfældet af personer med venstre TLE havde dem med højre TLE reduceret konnektivitet den bageste DMN frø med forreste DMN komponenter (figur 1H, røde farver). Den forreste frø havde reduceret tilslutning til posteriore regioner (bilateral hippocampus, putamen, spiegelske) og forreste DMN selv. (Figur 1H, blå farver). Områder med øget konnektivitet af de bageste og forreste frø i højre TLE inkluderet venstre lateral temporal cortex, precuneus, cingulum og supplerende motor cortex. (Figur 1I).

Højre vs Venstre TLE

Direkte sammenligning af højre TLE med venstre TLE afslørede øget konnektivitet af den bageste DMN frø til venstre supramarginal gyrus i venstre TLE (figur 1J, røde farver) samt den forreste DMN frø til frontalområder (figur 1J, blå farver) i forhold til højre TLE. Områder med øget konnektivitet af den bageste frø i højre TLE omfattede venstre hippocampus, fusiform og regionerne bilaterale thalamus og hjernestammen. Områder med øget konnektivitet af den forreste frø i højre TLE inkluderet precuneus, bilaterale thalamiske regioner og hjernestammen regioner. (Figur 1K).

Figur 1
Figur 1.. Sammenligning af DMN i TLE sammenlignet med raske kontrolpersoner. DMN tilslutning ved hjælp af en posterior frø (posterior DMN, RSP / PCUN, rød-gule farver) og en forreste frø (vmPFC, blå-grønne farver) vises i de forskellige emnegrupper (AC), TLE sammenlignet med raske kontrolpersoner (DE), forlod TLE sammenlignet med raske kontrolpersoner (FG), Højre TLE sammenlignet med raske kontrolpersoner (HI) og højre TLE sammenlignet med venstre TLE (JK). C-Control; L-venstre TLE; R-Right TLE. Klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Epilepsi menes at være et netværk sygdom og abnormiteter i de involverede netværk er til stede under anfald og interictal tilstand 21. Task-baserede fMRI er blevet anvendt til at analysere abnormiteter i sprog og hukommelse net TLE 8. FcMRI har iboende fordele i at studere DMN 12, da det er et netværk primært aktiv i hviletilstand. DMN er et netværk af områder af hjernen, der har vist sig at være aktive i vågne personer, der er uforstyrret og er engageret i spontane tanker. Disse regioner har vist sig at indeholde vmPFC, RSP / PCUN, posterior cingulate cortex, ringere parietale regioner laterale temporale områder, og hippocampi 12,17. DMN menes at være et substrat for den bevidste tilstand. Det er blevet rapporteret at blive ændret i forhold, der påvirker bevidsthed, hukommelse og social kognition såsom absencer, Alzheimers sygdom og autisme / skizofreni, respectively 22-26.

Tindingelappen er uløseligt forbundet til DMN. Sekundær inddragelse af DMN kan mægle virkningerne af TLE på kognition og bevidsthed 12,27. Sådan en sekundær inddragelse af DMN kan også være sygdomsfremkaldende for den kliniske effekt af andre forhold, der påvirker tindingelappen / limbiske system, såsom skizofreni 25 og Alzheimers sygdom 22,26. Tidligere undersøgelser har vist DMN engagement i TLE og andre former for epilepsi under anfald under interictal udledninger epilepsilignende og i interictal tilstand 9,28-33. Disse studier indikerer en potentielt vigtig rolle DMN i interictal elektrografisk og Ictal adfærdsmæssige karakteristika TLE. I det nuværende forsøg blev frø-baserede fcMRI anvendes til at analysere DMN i TLE i den basale tilstand for at evaluere effekten af ​​TLE på DMN. Navet og eger model af DMN postulerer, at dets vigtigste delsystemer er den bageste(RSP / PCUN) og forreste (vmPFC) komponenter. Her er de tilslutningsmuligheder kendetegn ved disse to vigtigste regioner undersøges enkeltvis at vurdere, hvordan TLE påvirker deres sammenkobling og deres tilknyttede undernetværk.

Den nuværende frø-baseret analyse afslører en adskillelse mellem forreste og bageste knudepunkter i DMN. En sådan funktionel forbindelse reduktion er sandsynligvis relateret til en reduktion af den anatomiske hvide substans forbindelse mellem de involverede strukturer, som er blevet påvist i en undersøgelse, der viser samtidig reduktion i funktionel og hvid substans forbindelse mellem den bageste DMN og hippocampus hos patienter med TLE 34. Desuden demonstrerer det generelt øget konnektivitet i venstre TLE af forreste og bageste knudepunkter i DMN til andre områder af hjernen og generelt faldet tilslutningsmuligheder i højre TLE. Dette er i overensstemmelse med tidligere undersøgelser, der viser en reduceret tilslutningsmuligheder i højre TLE og kompenserende stigningeraf tilslutningsmuligheder i venstre TLE 30,35. Generelt ret TLE tendens til at inddrage de bilaterale strukturer, mens venstre TLE indebærer omfordeling af funktionel aktivering 36,37. Dette er særligt fremtrædende i den forreste frø hvor venstre TLE har en større tilslutning til de peri-opercular områder, i forhold til lige TLE (figur 1G, 1I, og 1J). Dette, kombineret med den lavere tilslutning af den bageste frø i venstre TLE i forhold til kontrolgruppen (figur 1F og 1K), tyder på, at den øgede forreste tilslutningsmuligheder i venstre TLE kan skyldes en afbrydelse af den bageste frø eller forbindelserne mellem den bageste og forreste frø. Hippocampus er forbundet til den forreste DMN via bageste DMN 34.

Den teknik, der anvendes i denne undersøgelse, kan ændres ved at ændre frø placering og generere netværk i hjernen, der svarer til andre områder i hjernen. Alalternativ analyse software kan bruges til at gøre tilsvarende analyse (f.eks SPM, AFNI). Frø baseret Korrelationsanalyser er begrænset ved, at de kræver en hypotese om strukturen af ​​det formodede netværk under undersøgelse for en forudgående bestemmelse af frø placering. Hvis det underliggende hypotese er behæftet med fejl, ville resultatet ikke være import.

Resting-state fcMRI 2 kan give et mål for funktionel konnektivitet baseret på spontane modulationer (dvs. t spørge relateret) i BOLD signaler. To almindeligt anvendte metoder til dette formål er frø (område af interesse) baseret korrelationer og ICA 6. Frø baseret korrelationsanalyse kræver en hypotese om strukturen af ​​den formodede netværk under efterforskning for en forudgående fastsættelse af frøet placering. Efter valg af frø placering og udvinding af BOLD signal af voxler udgør frøet, en voxel-by-voxel analyse af hele hjernener udført for at identificere andre områder af hjernen med lignende BOLD signalmønstre, og det belyser en korreleret netværk. En anden metode til frø analyse ved at korrelere signalet mellem to eller flere regioner af interesse. Ved hjælp af en sådan metode, blev konnektivitet fundet at blive reduceret mellem de lesional hippocampus og den bageste DMN i TLE 38. På den anden side, ICA er data drevet uden en allerede eksisterende hypotese og skildrer spatio-timeligt adskilte netværk i hviletilstand hjernen. En undersøgelse af DMN i TLE er også blevet udført ved hjælp af ICA og bestemmes reduceret tilslutning af den forreste DMN hos patienter med højre og venstre TLE sammenlignet med kontrolgruppen. Men vores ROI (seed)-analyse viste tilstedeværelsen af ​​et forreste DMN netværk i TLE, som faktisk var mere omfattende i venstre TLE forhold til kontrolpersoner. Denne uoverensstemmelse kan være relateret til den foreslåede afbrydelse af den forreste fra bageste DMN, hvor en adskilt forreste netvork er mindre synlig, når de evaluerer et netværk identificeres primært af posterior DMN forbindelser. Efter aftale med en forudgående undersøgelse, kan vi gentage den mesiale engagement i TLE 39..

Den aktuelle analyse viser, hvordan frø-baserede fcMRI kan anvendes til at probe cerebrale net hjernesygdomme såsom TLE. Identifikation af sådanne gruppeforskelle hjælper at forstå de funktionelle abnormiteter i sygdomstilstande åbner muligheden for fremtidige applikationer, der implementerer analyser, der kan fortolkes på enkelt emne niveau 2.

En begrænsning af denne analyse er den manglende evne til at bestemme vågen / søvn tilstand af emnet. Søvn er blevet forbundet med nedsat DMN konnektivitet frontale cortex med dyb søvn 40 eller med generel anæstesi 41. Yderligere undersøgelser er påkrævet for at undersøge, om disse resultater kan reproduceres ved at kontrollere for søvn tilstand.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Dr. Engel er finansieret af NIH Tilskud P01 NS02808, R01 NS33310 og U01 NS42372, har patenter WO 2009/123734A1, og WO 2009/123735A1, modtager royalties fra Medlink, Wolters Kluwer, Blackwell, og Elsevier, og har modtaget honorarer fra Medtronics , Wolters Kluwer, og bedste læger. Dr. Stern har fungeret som en betalt konsulent for UCB og Lundbeck. Dr. Stern er en redaktør af Medlink Neurology, og har modtaget royalties fra Wolters Kluwer og fra McGraw-Hill. De resterende Forfatterne har ingen oplysninger eller interessekonflikter at erklære.

Acknowledgments

Finansieringen af denne forskning blev leveret af Epilepsi Foundation of America, Baylor College of Medicine Computational og Integrativ Biomedical Research Center (CIBR) Frø Grant Awards (ZH), NIH-NINDS K23 Grant NS044936 (JMS); . og The Leff Family Foundation (JMS) Dataopsamling blev bistået af: Elizabeth Pierce (UCLA).

Materials

Name Company Catalog Number Comments
MRI machine
Linux workstation with image analysis software installed

DOWNLOAD MATERIALS LIST

References

  1. Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 34, 537-541 (1995).
  2. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 1-13 (2010).
  3. Laufs, H., et al. Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest. Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).
  4. Shmuel, A., Leopold, D. A. Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest. Hum. Brain Mapp. 29, 751-761 (2008).
  5. Margulies, D. S., et al. Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity. Magn. Mater. Phys. Biol. 23, 289-307 (2010).
  6. Biswal, B. B., et al. Toward discovery science of human brain function. Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).
  7. Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. Effect of lateralized temporal lobe epilepsy on the default mode network. Epilepsy Behav. 25, 350-357 (2012).
  8. Pillai, J. J., Williams, H. T., Faro, S. Functional imaging in temporal lobe epilepsy. Semin. Ultrasound. CT MR. 28, 437-450 (2007).
  9. Blumenfeld, H., et al. Positive and negative network correlations in temporal lobe epilepsy. Cereb. Cortex. 14, 892-902 (2004).
  10. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).
  11. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  12. Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. The brain's default network. Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).
  13. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimage. 14, 1370-1386 (2001).
  14. Forman, S. D., et al. Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold. Magn. Reson. Med. 33, 636-647 (1995).
  15. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimage. 17, 825-841 (2002).
  16. Smith, S. M. Fast robust automated brain extraction. Hum. Brain Mapp. 17, 143-155 (2002).
  17. Raichle, M. E., et al. A default mode of brain function. Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).
  18. Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Functional connectivity of default mode network components: correlation. Hum. Brain Mapp. 30, 625-637 (2009).
  19. Singh, K. D., Fawcett, I. P. Transient and linearly graded deactivation of the human default-mode network by a visual detection task. Neuroimage. 41, 100-112 (2008).
  20. Worsley, K. J., Evans, A., Marrett, S., Neelin, P. A three-dimensional statistical analysis for CBF activation studies in human brain. J. Cereb. Blood Flow Metab. 12, 900-918 (1992).
  21. Spencer, S. S. Neural networks in human epilepsy: evidence of and implications for treatment. Epilepsia. 43, 219-227 (2002).
  22. Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI. Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).
  23. Kennedy, D. P., Redcay, E., Courchesne, E. Failing to deactivate: resting functional abnormalities in autism. Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).
  24. Garrity, A. G., et al. Aberrant "default mode" functional connectivity in schizophrenia. Am. J. Psychiatry. 164, 450-457 (2007).
  25. Mannell, M. V., et al. Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls. Hum. Brain Mapp. 31, 424-437 (2010).
  26. Jones, D., et al. Age-related changes in the default mode network are more advanced in Alzheimer disease. Neurology. 77, 1524-1531 (2011).
  27. Kobayashi, Y., Amaral, D. G. Macaque monkey retrosplenial cortex II. Cortical afferents. J. Comp. Neurol. 466, 48-79 (2003).
  28. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).
  29. Laufs, H., et al. Temporal lobe interictal epileptic discharges affect cerebral activity in “default mode” brain regions. Hum. Brain Mapp. 28, 1023-1032 (2007).
  30. Morgan, V. L., Gore, J. C., Abou-Khalil, B. Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI. Epilepsy Res. 88, 168-178 (2010).
  31. Gotman, J., et al. Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain. Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).
  32. Hamandi, K., et al. EEG-fMRI of idiopathic and secondarily generalized epilepsies. Neuroimage. 31, 1700-1710 (2006).
  33. Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. Patterns of altered functional connectivity in mesial temporal lobe epilepsy. Epilepsia. 53, 1013-1023 (2012).
  34. Liao, W., et al. Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI. Hum. Brain Mapp. 32, 883-895 (2011).
  35. Pereira, F. R., et al. Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI. BMC Neurosci. 11, 1-13 (2010).
  36. Dupont, S., et al. Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy. J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).
  37. Vlooswijk, M. C., et al. Functional MRI in chronic epilepsy: associations with cognitive impairment. Lancet Neurol. 9, 1018-1027 (2010).
  38. McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy. Epilepsia. 54, (2013).
  39. Zhang, Z., et al. Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy. Brain Res. 1323, 152-160 (2010).
  40. Horovitz, S. G., et al. Decoupling of the brain's default mode network during deep sleep. Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).
  41. Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. Altered local coherence in the default mode network due to sevoflurane anesthesia. Brain Res. 1318, 110-121 (2010).

Tags

Medicine standardtilstand Network (DMN) FLE (TLE) fMRI MRI funktionel konnektivitet MRI (fcMRI) blodets iltning niveau afhængig (BOLD)
Netværk Analyse af standardtilstanden netværk ved hjælp af Funktionel Connectivity MRI ved FLE
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Haneef, Z., Lenartowicz, A., Yeh, H. … More

Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel Jr., J., Stern, J. M. Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy. J. Vis. Exp. (90), e51442, doi:10.3791/51442 (2014).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter