Protocol
Chapel Hill - Die Forschungstechniken in dieser Studie verwendet wurden durch die Institutional Review Boards (IRB) der Duke University und der University of North Carolina genehmigt.
1. Imaging Task-Entwurf
- Generieren Sie einen ereignisbasierten Verhaltens Aufgabe, seltene Zielreize (ein Kreis) innerhalb einer Sequenz von mehr häufige Standardreizen (Rührei Bilder) präsentiert. Eine schematische Darstellung der Aufgabe ist in Abbildung 1 dargestellt. Präsentieren Sie die Aufgabe mit Cigal Software 10.
Abbildung 1. Schematische der Task-Entwurf. Diese Zahl wurde von Hart et al. 20 geändert wurden, mit Genehmigung. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
- Wählen Sie, wieet des aversiven Reizen und eine Reihe von neutralen Stimuli vom internationalen Affective Picture System-Datenbank (IAPS). IAPS Bilder werden auf einer Skala von 1-9, um Ebenen der Erregung und Valenz 11 reflektieren bewertet. Hohe Zahlen zeigen höhere positive Valenz und Erregung. Wählen Sie eine Reihe von Bildern, die altersgerecht an die Studiengruppe sind, wie beispielsweise Bilder von Schlangen, Spinnen oder andere Tiere.
Hinweis: Die Stimuli Bilder aufgaben irrelevant aversiven für diese Studie verwendet hatte eine durchschnittliche Wertigkeit Rating von 3,38 (SD = 1,78) und einer mittleren Erregung Rating von 6,14 (SD = 2.08). Die neutrale Reize Bilder hatten eine durchschnittliche Wertigkeit von 6,21 (SD = 0,26) und einer mittleren Erregung Rating von 3,72 (SD = 2.15). - Programm der Task-Skript, so dass Bilder in einer pseudo-randomisiert Auftrag für 1.500 ms mit 500 ms präsentiert bedeuten Inter-Stimulus-Intervall. Gegenwärtige Zielreize und aufgaben irrelevant neutrale Bilder nicht häufiger als alle 15 Sekunden und stellen jeweils etwa 4% der Reize. Jitter Ereignis Einsetzen mal, um eine bessere Auflösung der hämodynamischen Antwort Funktion bereitzustellen.
- Erstellen 8 Sätze von Bildern, eine für jeden der 8 funktionelle so verläuft, dass die Teilnehmer mit einem Gesamtvolumen von 40 Zielen und 40 aufgaben irrelevant neutralen Bilder im Verlauf aller 8 verläuft dargestellt.
2. Teilnehmer einrichten und Scannen
- Rekrutieren Kinder und Jugendliche im Alter von 9 und 18 Jahren, die entweder gesunden Kontrollpersonen oder Personen, die bei familiären hohes Risiko für Psychosen sind zwischen.
- Stellen Sie sicher, dass gesunde Menschen haben keine psychiatrischen Erkrankungen oder jegliche ersten Grades Familienmitglieder mit einer psychiatrischen Erkrankung. Stellen Sie sicher, dass familiäres Risiko Teilnehmer mindestens einen Verwandten ersten Grades (Eltern oder Geschwister) mit Schizophrenie haben. Auf das Vorhandensein von anderen psychiatrischen Erkrankungen im ersten Grades ausschließen Sie sie nicht.
- Alter und Geschlecht Spiel gesunde Teilnehmer mit familiärer Risikogruppe Teilnehmers.
- Erwerben Sie informierten Einwilligung der Teilnehmer im Alter von über 18. Bei Minderjährigen erwerben informierte Einwilligung von den Eltern / Erziehungsberechtigten. Zusätzlich erwerben schriftliche Zustimmung von Minderjährigen, die nehmen an der Studie teil.
- Legen Sie die Teilnehmer in einem nachgebauten MRI-Scanner, um sie mit der Umgebung vertraut zu machen. Spielen Sie eine Audio-Aufnahme von Scannerrauschen und haben ihnen einen Probelauf des Verhaltens Aufgabe abzuschließen, um sicherzustellen, dass sie die Aufgabe, Anweisungen zu verstehen.
- Legen Sie die Teilnehmer in der MRI-Scanner und die erforderlichen Gehirn Lokalisierung Scans und / oder anatomische Bilder zu erwerben.
- Mit Hilfe eines MRI-sicheren Eingabefeld, sagen die Teilnehmer auf eine Schaltfläche mit dem Zeigefinger in Reaktion auf alle Zielreize und eine andere Taste mit ihren Mittelfinger für alle anderen Reize zu drücken.
- Nach fMRI Scannen, sammeln subjektive Bewertungen von Erregung und Valenz für die in der Studie von einer Untergruppe von Teilnehmern verwendeten Bilder. Die current-Studie erhalten Bewertungen 15 Kontrollen und 13 mit familiärer hohes Risiko.
3. Image Acquisition
- Platz Teilnehmer in einen 3,0-Tesla-MRT. Zunächst erwerben eine Reihe von Strukturbildern einschließlich einer 3D-Bild anatomischen T1-Kontrast coplanar mit einem verdorbenen gradienten-wiederAkquisitionsPulsSequenz (TR: 5,16 ms, TE: 2,04 ms; FOV: 24 cm; Bildmatrix: 256 × 256; Flip Winkel: 20; Voxelgröße: 0,94 mm x 0,94 mm x 1,9 mm; 68 axiale Schichten).
- Erwerben funktionelle Bildgebung Daten unter Verwendung eines Gradienten-Echo-Echo-Planar-Bildgebungssequenz mit voller Hirn Abdeckung (TR: 2.000 ms, TE: 27 ms; FOV: 24 cm; Bildmatrix: 64 × 64; Flip-Winkel: 60; Voxelgröße: 3.75 mm × 3,75 mm × 3,8 mm; 34 axiale Schichten), so dass die Gehirnaktivität während der Leistung des Verhaltens Aufgabe gemessen werden. Führen Sie dieses Bildgebungssequenz für jeden Durchlauf des Verhaltens Aufgabe. Jeder Durchlauf sollte von 120 Bildgebungszeitpunkten bestehen.
- Präsentieren Sie die task in 8 Funktionsläufe von jeweils ca. 4 min.
4. Analysen
- Bildverarbeitung: Open fMRI Expert Analysis Tool (FEAT) in FSL 12. Wählen Sie zuerst Ebenenanalyse und Pre-stats.
- Auf der Registerkarte "Daten", wählen Sie die Anzahl der Eingabebilder und geben Sie den Pfad zu jedem der MR-Bilder, die Sie gehen, um zu verarbeiten sind. Stellen Sie das Ausgabeverzeichnis. Geben Sie die Gesamtmengen, die Anzahl der verworfen Übernahmen und die TR.
- Auf der Registerkarte "Pre-Statistik", stellen Bewegungskorrektur auf MCFLIRT, räumliche Glättung FWHM bis 5 mm, und "Slice-Zeitkorrektur". Wählen Sie "BET Gehirn-Extraktion" und "Highpass" zeitliche Filterung aber nicht B0 unwarping wählen (Uness Sie ein Gradientenfeld Karte haben) oder "Ich ntensitiy normaization". 12,14.
- Auf der Registerkarte "Registrierung", wählen Sie "Haupt structural Bild ". Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild der Person. Nutzen Sie eine lineare normalen Suche mit mindestens 6 DOF. Wählen Sie den Platzkontrollkästchen Norm. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie einen normalen, linearen Suche mit 12 DOF. Drücken Sie Fortfahren.
- Teilnehmer mit mehr als 3 mm Kopfbewegung in der X-, Y- oder Z-Richtung aus.
- Ebene 1: Daten zwischen Aufgabe Bedingungen Vergleichen in einem einzigen Durchlauf. Offene FEAT. Wählen Sie "First-Level-Analyse" und "Statistiken + Post-Statistik".
- Auf der Registerkarte Daten, stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis". Geben Sie die "Gesamtvolumen", die Anzahl der verworfen Übernahmen und die TR.
- Auf der Registerkarte "Statistik", wählen Sie das Kontrollkästchen "FILM prewhitening" 16. Drücken Sie die "Full-Modell setup "-Taste. Stellen Sie die "Anzahl der Original EVs" auf die Anzahl der Aufgabenbedingungen. Für jede Bedingung, wählen Sie "Benutzerdefiniert (3 Spalten-Format)" aus dem Drop-Down-Menü Grundform und "Double-Gama HRF von der" Faltung "Dropdown-Menü 17,18 und wählen Sie eine Textdatei mit der Aufgabe Timing.
- Formatieren Sie diese Textdatei in 3 Spalten mit einem Eintrag für jedes "Ereignis" des angegebenen Typs. Die erste Spalte sollte den Beginn der Zeit (in Sekunden) enthalten, sollte der zweite die Dauer (in Sekunden) enthalten, und der dritte sollte die Veranstaltung Gewicht enthalten. Auf der Registerkarte Contrasts & F-Tests, erstellen Sie einen Kontrast für jede Aufgabe Zustand und eine für jeden Vergleich.
- Auf den "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und Cluster P threshold bis 2,3 bzw. 0,05 8,19.
- Auf der Registerkarte "Registrierung", wählen Sie "Hauptstrukturbild". Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild des Subjekts. Verwenden Sie einen linearen normalen Suche mit mindestens 6 DOF. Wählen Sie den "Standard space" Kontrollkästchen. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie eine normale, lineare Suche mit 12 DOF. Drücken Sie auf "Go".
- Stufe 2: Vergleichsdaten zwischen den Läufen für jeden Task Zustand. Offene FEAT. Wählen Sie "Übergeordnete Analyse" und "Statistiken + Post-Statistiken" aus dem Dropdown-Menü.
- Auf der Registerkarte Daten, wählen Sie "Eingänge sind untergeordnete FEAT-Verzeichnisse". Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis".
- Auf der Registerkarte "Statistik", ändern Sie die "Mixed Effects: flame1" Auswahlfeld "Fixed EUSWIRKUNGEN ". Drücken Sie die" Model Setup-Assistent "klicken. Wählen Sie" Einzelgruppendurchschnitt "und klicken Sie auf" Bearbeiten "klicken.
- Auf der Registerkarte "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und "Cluster P" Schwellenwert auf 2,3 und 0,05 bzw. 8,19. Drücken Sie auf "Go".
- Stufe 3: Vergleichsdaten zwischen Fächern für jede Aufgabe Zustand in allen Läufen. Offene FEAT. Wählen Sie "Übergeordnete Analyse" und "Statistiken + Post-Statistiken" aus dem Dropdown-Menü.
- Auf der Registerkarte Daten, wählen Sie "Eingänge sind 3D bewältigen Bilder von FEAT-Verzeichnisse." Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die "Ausgabeverzeichnis".
- Auf der "Statistik" tab, Drücken Sie die "Full-Modell-Setup". Stellen Sie die Anzahl von Elektrofahrzeugen, die der Anzahl der Gruppengrößen und Kovariaten wie Diagnosegruppe, Alter, Geschlecht, usw. Geben Sie die Werte für jedes Fach (Eingang 1 - Eingang n) für jeden EV. Sie können das Fenster "Einfügen", um eine Tabelle dieser Werte kopieren.
- Auf der Registerkarte "Kontraste & F-Tests", fügen Sie einen Kontrast für jeden Test variabel und für jeden Kontrast (zB Diagnosegruppe). Für jede Testvariable, stellen Sie den Kontrast, indem Sie den Wert 1 in der Spalte unter dem entsprechenden EV. Für jeden Kontrast, stellen Sie den ersten Wert auf 1 und die zweite auf -1. Wählen Sie "Fertig".
- Auf der Registerkarte "Post-Statistik", wählen Sie "Cluster" auf dem "Thresholding" Dropdown-Menü und stellen Sie die "Z Grenzwert" und "Cluster P" Schwellenwert auf 2,3 und 0,05 bzw. 8,19 Drücken Sie auf "Go".
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Es gab keine Unterschiede zwischen den Gruppen auf Basis von demografischen Merkmalen 20. Verhaltensdaten zeigten, dass die Zielerfassung Aufgabe ist bei einer geeigneten Schwierigkeitsgrad für Kinder und Jugendliche im Alter von 9 bis 18 zwischen. In der aktuellen Studie, Bedienungselemente richtig 82,36% der Ziele (SD = 0,14) identifiziert und die familiäre Risikogruppe 76,8% der Ziele (SD = 0.17) korrekt identifiziert. Beide Gruppen zeigten verringerte Genauigkeit bei der Identifizierung emotionaler Bilder im Vergleich zu neutralen Bildern (F (1,40) = 5,63, p = 0,03).
Die bildgebenden Daten zeigten, dass die experimentellen Bedingungen führte zu einer signifikanten Aktivierung in Regionen, die erwartungsgemäß in Exekutive und emotionalen Verarbeitung rekrutiert werden. Die Aktivierung wurde in präfrontalen, anterioren Nucleus caudatus, insulare, und posterioren parietalen Bereichen während der Ziel-Studien und in der rechten Amygdala, bilaterale orbitofrontalen Kortex, spindelförmig Rinde und visuelle cor gesehentischen Gebieten während aversiven Studien in beiden Gruppen. Tabelle 1 zeigt Bereichen signifikante Aktivierung in Steuerungen für jede Bedingung.
Dieses Paradigma hervorgerufen auch signifikante Unterschiede in der Aktivierung zwischen Kontrollen und Personen mit familiärer hohes Risiko für Schizophrenie. Die familiäre Gruppe mit hohem Risiko zeigte verminderte Aktivierung in fronto-striate Schaltung in Reaktion auf Reize zu zielen. Kontrollen dagegen zeigten eine größere Aktivierung im mittleren frontalen dentatus und insula. Gruppenunterschiede zwischen Bedingungen sind in Tabelle 2 und Abbildung 2 dargestellt. Die familiäre Hochrisikogruppe zeigte auch verschiedene Muster der altersbedingten Aktivierung verglichen mit den Kontrollen in Reaktion zum Ziel und aversive Reize (Abbildung 3).
Abbildung 2. Die Aktivierung der Karten Unterschiede zwischen den Gruppen. (A) Bereiche, in denen die familiären Hochrisikogruppe (n = 21) zeigte eine größere Aktivierungs als die Kontrollen (n = 21) während der Zielverarbeitung. Caud = caudatus; IFG = inferioren frontalen Gyrus; ITG = Mäßig Gyrus temporalis. (B) Bereiche, in denen Kontrollen zeigten größere Aktivierungs als die familiäre Gruppe mit hohem Risiko im Zielverarbeitungs. INS = Insula; MFG = Middle frontalen Gyrus; MTG = Middle Gyrus temporalis. (C) Bereiche, in denen die familiären Hochrisikogruppe aktiviert mehr als Kontrollen während des Aversive> Neutral Kontrast. COC = Zentralkiemendeckel Kortex. (D) Bereiche, in denen die Kontrollen während der Aversive> Neutral Gegensatz aktiviert mehr als die familiäre Gruppe mit hohem Risiko. ACC = anterioren cingulären Cortex; PC = Precuneus. Diese Zahl hat sich von Hart et al modifiziert worden ist. 20, mit Genehmigung. Bitte klicken Sie hier, um eine größere Version dieses f ansehenild.
Abbildung 3. Aktivierung Karten von altersbedingten Unterschiede zwischen den Gruppen. (A) Bereiche mit einer größeren positive Korrelation mit dem Alter in der familiären Gruppe mit hohem Risiko als bei den Kontrollen während der Zielverarbeitung. ACC = anterioren cingulären Cortex; INS = Insula; OFC = orbitofrontalen Kortex; TH = Thalamus. (B) Bereiche mit einer größeren positive Korrelation mit dem Alter in der Kontrollgruppe als in der familiären Gruppe mit hohem Risiko während der Aversive> Neutral Kontrast. IFG = inferioren frontalen Gyrus; PostCG = Gyrus postcentralis; PreCG = Gyrus praecentralis. Diese Zahl hat sich von Hart et al. 20 geändert wurden, mit Genehmigung. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
| ST1. Innerhalb-Gruppe Aktivierung Foci in den Kontrollen (n = 21) | ||||||
| MNI-Koordinaten | ||||||
| Region | Hemisphäre | x | y | z | Max Z-Wert | Max p-Wert 1 |
| Ziel Aktivierung (p <0.05, False Discovery Rate korrigiert) | ||||||
| Mitte frontalen Gyrus / Frontal polig | B | -30 | -2 | 50 | 5.57 | <0.0000001 |
| Inferioren frontalen Gyrus | B | 46 | 12 | 32 | 5.41 | <0.0000001 |
| Insula | B | -32 | 24 0 | 5.4 | <0.0000001 | |
| Gyrus praecentralis | B | -40 | -22 | 48 | 5.53 | <0.0000001 |
| Thalamus | B | -12 | -16 | 12 | 5.03 | <0.0000001 |
| Caudatus | B | -12 | 12 | 4 | 4.07 | 0.000003 |
| Putamen | B | 18 | 8 | 2 | 4.27 | 0.00009 |
| Anterioren cingulären / Paracingulate Gyrus | B | 0 | 12 | 46 | 5.6 | <0.0000001 |
| Posterioren Gyrus cinguli | B | 8 | -16 | 28 | 5.2 | <0.0000001 |
| Superior / Middle Gyrus temporalis | <td> B48 | -46 | 10 | 5.88 | <0.0000001 | |
| Spindelförmig / inferior temporalen Gyrus | B | -30 | -50 | -12 | 5.64 | <0.0000001 |
| Lobulus parietalis superior / Gyrus supramarginalis / Gyrus postcentralis | B | 30 | -44 | 44 | 6 | <0.0000001 |
| Lateral Occipitalrinde | B | 48 | -62 | 12 | 6.12 | <0.0000001 |
| Aversiven> Neutral-Aktivierung (p <0.05, False Discovery Rate korrigiert) | ||||||
| Inferioren frontalen Gyrus | L | -44 | 14 14 | 3.16 | 0,0004 | |
| Frontal pole / Medial frontalen Kortex | B | -2 | 64 | 0 | 3.42 | 0,0005 |
| Gyrus postcentralis | L | -62 | -22 | 34 | 3.12 | 0,0004 |
| Anterioren cingulären Kortex | B | -4 | 34 | 8 | 3.27 | 0,0002 |
| Posterioren Gyrus cinguli | B | 0 | -44 | 28 | 3.26 | 0,0002 |
| Unteren Schläfen / Gyrus fusiformis | B | -44 | -44 | -14 | 3.03 | 0,0006 |
| Angular Gyrus | B | 46 | -64 | 8 | 3.42 | 0,0001 |
| Gyrus supramarginalis | L | -40 | -56 | 20 | 3.59 | 0,00005 |
| Aversiven Aktivierung (p <0.05, False Discovery Rate korrigiert) | ||||||
| Amygdala | R | 22 | -4 | -18 | 2.86 | 0,001 |
| Orbitofrontalen Cortex / Insula | B | 36 | 22 | -4 | 4.93 | <0.0000001 |
| Mitte frontalen Gyrus | B | 32 | 4 | 40 | 4.7 | <0.0000001 |
| Frontal polig | B | -38 | 36 | 10 | 4.95 | <0.0000001 |
| Anterioren cingulären /paracingulate Gyrus | B | 6 | 16 | 50 | 4.85 | <0.0000001 |
| Posterioren Gyrus cinguli | B | 2 | -28 | 24 | 5.88 | <0.0000001 |
| Thalamus | B | 18 | -26 | 2 | 5.44 | <0.0000001 |
| Gyrus praecentralis | B | -44 | 8 | 34 | 4.54 | <0.0000001 |
| Lobulus parietalis superior | B | -20 | -56 | 54 | 6.05 | <0.0000001 |
| Lateral Occipitalrinde | B | -36 | -82 | 4 | 6.05 | <0.0000001 |
| Okzipitalpol | B | -16 | -90 | 18 | 5.18 <0.0000001 | |
| B, bilaterale | ||||||
| 1 Berichtet p-Werte sind nicht korrigiert, signifikant bei FDR-korrigierten Wert von <0,05 | ||||||
Tabelle 1 innerhalb der Gruppe Aktivierung Foci in den Kontrollen (n = 21). Diese Tabelle wurde von Hart et al. 20 geändert wurden, mit Genehmigung.
| Tabelle 2. Unterschiede zwischen den Gruppen in Aktivierungs | |||||||||||||
| MNI-Koordinaten | Hemisphäre | x | y | z | Max Z-Wert | Max p-Wert 1 | |||||||
| Ziele | |||||||||||||
| Familiäre Hohes Risiko> Steuerungen (p <0.05, False Discovery Rate korrigiert) | |||||||||||||
| Frontal polig | B | 16 | 76 | 6 | 3.52 | 0,00007 | |||||||
| Inferioren frontalen Gyrus | L | -58 | 16 | 18 | 3.37 | 0,0001 | |||||||
| Caudatus | B | -14 | 20 | 10 | 3.2 | 0,0003 | |||||||
| Inferior Gyrus temporalis | L | -52 | -44 | -20 | 2.94 | 0,0009 | |||||||
| Steuerungen> Familiäre High Risk (p <0.05, False Discovery Rate korrigiert) | |||||||||||||
| Mitte frontalen Gyrus / Gyrus praecentralis | R | 48 | 8 | 34 | 3 | 0,0007 | |||||||
| Frontal operculum Kortex | L | -46 | 16 | -4 | 2.94 | 0,0009 | |||||||
| Ergänzende Motorbereich | R | 18 | -16 | 40 | 3.02 | 0,0007 | |||||||
| Insula | L | -34 | -18 | 4 | 2.94 | 0,0009 | |||||||
| Gyrus praecentralis | B | 10 | -26 | 60 3.29 | 0,0002 | ||||||||
| Gyrus postcentralis | B | 14 | -38 | 54 | 3.57 | 0,0001 | |||||||
| Gyrus temporalis superior | R | 54 | -6 | -4 | 3.18 | 0,0003 | |||||||
| Middle Gyrus temporalis | R | 48 | -46 | 8 | 3.65 | 0.00004 | |||||||
| Precuneus | R | 2 | -40 | 46 | 2.89 | 0,001 | |||||||
| Lateral Occipitalrinde | B | -20 | -74 | 36 | 3.36 | 0,0002 | |||||||
| Aversiven - Neutral | |||||||||||||
| Zentralkiemendeckel Kortex | R | 50 | -2 | 6 | 3.01 | 0,0007 | |||||||
| Steuerungen> Familiäre High Risk (p <0.05, False Discovery Rate korrigiert) | |||||||||||||
| Anterioren cingulären Kortex | L | -6 | 38 | 8 | 2.68 | 0,002 | |||||||
| Precuneus | L | -10 | -54 | 36 | 2.7 | 0,002 | |||||||
| B, bilaterale | |||||||||||||
| 1 Berichtet p-Werte sind nicht korrigiert, signifikant bei FDR-korrigierten Wert von <0,05 | |||||||||||||
Tabelle 2. Unterschiede zwischen den Gruppen in Aktivierung Foci. Diese Tabelle wurde von Hart et al. 20 geändert wurden, mit Genehmigung.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| 3T MRI scanner | GE | BIAC 3T scanner (replaced) |
References
- Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. Mental illness in the biological and adoptive families of adpoted schizophrenics. Am J Psyc. 128, 302-306 (1971).
- Weinberger, D. R. Implications of normal brain development for the pathogenesis of schizophrenia. Arch Gen Psychia. 44, 660-669 (1987).
- Nuechterlein, K. H., Dawson, M. E. Information processing and attentional functioning in the developmental course of schizophrenic disorders. Schizophr Bul. 10, 160-203 (1984).
- Nuechterlein, K. H. The vulnerability/stress model of schizophrenic relapse: a longitudinal study. Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.
- Keshavan, M. S. Premorbid cognitive deficits in young relatives of schizophrenia patients. Front Hum Neurosc. 3 (62), (2010).
- Kiehl, K. A., Liddle, P. F. An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia. Schizophr Re. 48, 159-171 (2001).
- Bramon, E. Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study. Neuroimag. 27, 960-968 (2005).
- Dichter, G. S., Bellion, C., Casp, M., Belger, A. Impaired modulation of attention and emotion in schizophrenia. Schizophr Bul. 36, 595-606 (2010).
- Fichtenholtz, H. M. Emotion-attention network interactions during a visual oddball task. Brain Res Cogn Brain Re. 20, 67-80 (2004).
- Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimag. 10, 91-106 (1999).
- International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6. , The Center for Research in Psychophysiology, University of Florida. (2005).
- Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimag. 23, 208-219 (2004).
- Smith, S. M.
- Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimag. 17, 825-841 (2002).
- Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Med Image Ana. 5, 143-156 (2001).
- Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimag. 14, 1370-1386 (2001).
- Beckmann, C. F., Jenkinson, M., Smith, S. M. General multilevel linear modeling for group analysis in FMRI. Neuroimag. 20, 1052-1063 (2003).
- Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. Multilevel linear modelling for FMRI group analysis using Bayesian inference. Neuroimag. 21, 1732-1747 (2004).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimag. 15, 870-878 (2002).
- Hart, S. J. Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia. Psychiatry Re. 212, 19-27 (2013).
- Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. Modulating emotional responses: effects of a neocortical network on the limbic system. Neurorepor. 11, 43-48 (2000).
- Gottesman, I. I., Gould, T. D. The endophenotype concept in psychiatry: etymology and strategic intentions. Am J Psyc. 160, 636-645 (2003).
- Glahn, D. C., Thompson, P. M., Blangero, J. Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function. Hum Brain Map. 28, 488-501 (2007).
