Protocol
Las técnicas de investigación utilizadas en este estudio fueron aprobados por las juntas de revisión institucional (IRB) de la Universidad de Duke y la Universidad de Carolina del Norte - Chapel Hill.
1. Imaging Diseño de tareas
- Generar una tarea conductual basada en eventos que presenta estímulos objetivo infrecuentes (un círculo) dentro de una secuencia de estímulos estándar más frecuentes (imágenes revueltos). Un esquema de la tarea se muestra en la Figura 1. Presentar la tarea utilizando software CIGAL 10.
Figura 1. Esquema de Diseño de tareas. Esta cifra ha sido modificado desde Hart et al. 20, con permiso. Por favor haga clic aquí para ver una versión más grande de esta figura.
- Seleccionar comoet de estímulos aversivos y un conjunto de estímulos neutros de la base de datos International Affective Picture System (IAPS). Imágenes del IAPS se clasifican en una escala de 1.9 a fin de reflejar los niveles de excitación y valencia 11. Los altos números indican valencia positiva más alta y la excitación. Seleccione un conjunto de imágenes que son apropiados para la edad para el grupo de estudio, tales como imágenes de serpientes, arañas, u otros animales.
Nota: Las imágenes estímulos aversivos irrelevantes para la tarea utilizados para este estudio tenían una calificación promedio valencia de 3,38 (SD = 1,78) y una calificación promedio de excitación de 6,14 (SD = 2,08). Las imágenes estímulos neutros tenían una valencia media de 6,21 (SD = 0,26) y una calificación promedio de excitación de 3,72 (SD = 2,15). - Programa de la secuencia de comandos de tareas de tal manera que las imágenes se presentan en un orden pseudo-aleatorio de 1.500 mseg con un 500 ms significa intervalo entre estímulos. Presente estímulos diana y las imágenes neutrales irrelevantes para la tarea no más frecuentemente que cada 15 segundos y hacen que cada uno de aproximadamente 4% de los estímulos. Jievento tter tiempos de inicio a fin de proporcionar una mejor resolución de la función de respuesta hemodinámica.
- Crear 8 conjuntos de imágenes, una para cada uno de 8 carreras funcionales tales que los participantes son presentados con un total de 40 metas y 40 imágenes neutros irrelevantes para la tarea en el transcurso de los 8 carreras.
2. Configuración del Participante y Digitalización
- Reclutar niños y adolescentes entre las edades de 9 y 18 años que son o bien los individuos control sanos o que están en alto riesgo familiar de psicosis.
- Asegúrese de que los individuos sanos no tienen enfermedades psiquiátricas o algún familiar de primer grado con una enfermedad psiquiátrica. Asegúrese de que los participantes de riesgo familiares tienen al menos un familiar de primer grado (padres o hermanos) con esquizofrenia. No excluirlos de la presencia de otras enfermedades psiquiátricas en familiares de primer grado.
- Participantes sanos de edad y de los partidos de género con los participantes del grupo de riesgo familiars.
- Adquirir el consentimiento informado de los participantes sobre la edad de 18. Para los menores, adquieren el consentimiento informado de los padres / tutores legales. Además, adquirir consentimiento por escrito de los menores que participan en el estudio.
- Coloca los participantes en un escáner de resonancia magnética simulacro con el fin de familiarizarlos con el medio ambiente. Reproducir una grabación de audio de ruido del escáner y pídales que completen una práctica de ejecución de la tarea de comportamiento a fin de asegurarse de que comprenden las instrucciones de la tarea.
- Coloque el participante en el MRI Scanner y adquirir cualquier análisis de localización cerebral necesarios y / o imágenes anatómicas.
- El uso de un cuadro de entrada-MRI segura, dígale a los participantes que pulsar un botón con el dedo índice en la respuesta a todos los estímulos objetivo y otro botón con su dedo medio para el resto de los estímulos.
- Tras la exploración de resonancia magnética funcional, recoger calificaciones subjetivas de excitación y valencia de las imágenes utilizadas en el estudio de un subgrupo de participantes. Los current estudio obtuvo calificaciones de 15 controles y 13 con alto riesgo familiar.
3. Adquisición de imágenes
- Coloque los participantes en un 3,0 Tesla escáner de resonancia magnética. En primer lugar, adquirir un conjunto de imágenes estructurales, incluyendo una imagen 3D anatómica T1-contraste coplanar usando una secuencia de pulsos de adquisición gradiente-recordó mimada (TR: 5,16 ms; TE: 2,04 ms; FOV: 24 cm; matriz de la imagen: 256 × 256; tirón Ángulo: 20; tamaño de voxel: 0,94 mm x 0,94 mm x 1,9 mm; 68 cortes axiales).
- Adquirir datos de imagen funcional utilizando un gradiente de eco secuencia de imágenes de eco-planar con una cobertura cerebral completa (TR: 2000 ms; TE: 27 ms; FOV: 24 cm; matriz de imagen: 64 × 64; Voltear Ángulo: 60; tamaño de voxel: 3.75 mm x 3,75 mm x 3,8 mm; 34 cortes axiales) de modo que la actividad del cerebro se puede medir durante la ejecución de la tarea de comportamiento. Ejecutar esta secuencia de imágenes para cada ejecución de la tarea conductual. Cada ejecución debe consistir en 120 puntos de tiempo de imagen.
- Presentar la task en 8 carreras funcionales, con una duración de aproximadamente 4 min.
4. Análisis
- Preprocesamiento Image: Abrir herramienta fMRI Experto Análisis (FEAT) en FSL 12. Seleccione el análisis del primer nivel y Pre-stats.
- En la ficha "Datos", seleccione el número de imágenes de entrada y escriba la ruta de acceso a cada una de las imágenes de RM que se van a procesar. Establezca el directorio de salida. Introduzca los volúmenes totales, número de adquisiciones desechados, y el TR.
- En la pestaña "Pre-stats", ajuste la corrección de movimiento para MCFLIRT, espacial suavizado FWHM a 5 mm, y "corrección de temporización Slice". Seleccione "extracción cerebral BET" y filtrado temporal "paso alto", pero no seleccione unwarping B0 (UNESS tienes un mapa de gradiente de campo) o "Yo ntensitiy normaization". 12,14.
- En la pestaña "Registro", seleccione "estru Principalctural imagen ". Introduzca la ruta a la imagen ponderada en T1-cráneo-despojado del sujeto. Utilice una búsqueda normal lineal con al menos 6 DOF. Seleccione la casilla de verificación espacio estándar. Introduzca la ruta a la imagen del atlas MNI. Utilice un normal lineal buscar con 12 DOF. Pulse Continuar.
- Excluir los participantes con más de 3 mm de movimiento de la cabeza en el X, Y o Z.
- Nivel 1: Comparación de los datos entre las condiciones de trabajo dentro de un mismo plazo. FEAT Abrir. Seleccione "análisis de primer nivel" y "Estadísticas + Post-stats".
- En la ficha Datos, establezca el número de entradas y escriba la ruta a cada una de las imágenes de RM. Escriba una ruta para el "directorio de salida". Introduzca los "volúmenes totales", número de adquisiciones desechados, y el TR.
- En la pestaña "Estadísticas", active la casilla de verificación "Usar FILM prewhitening" 16. Pulse el "modelo completo en síbotón tup ". Ajuste el "Número de vehículos eléctricos originales" en el número de condiciones de trabajo. Para cada condición, seleccione "Personalizada (3 Formato de columna)" en el menú desplegable de forma básica y "doble Gama HRF del" "menú desplegable convolución 17,18 y seleccione un archivo de texto que contiene el calendario de tareas.
- Formatear este archivo de texto en 3 columnas con una entrada para cada "evento" del tipo dado. La primera columna debe contener el tiempo de inicio (en segundos), el segundo debe contener la duración (en segundos), y el tercero debe contener el peso evento. En la ficha Contrastes y pruebas F, cree uno contraste para cada condición de trabajo y uno para cada comparación.
- En los "Post-stats", seleccione "Cluster" en el menú desplegable "Umbral" y establecer el "umbral Z" y Cluster P threshold a 2,3 y 0,05, respectivamente, 8,19.
- En la ficha "Registro", seleccione "Principal imagen estructural". Introduzca la ruta a la imagen ponderada en T1-cráneo-despojado del sujeto. Utilice una búsqueda normal lineal con al menos 6 DOF. Seleccione la casilla de verificación "Standard espacio". Introduzca la ruta a la imagen del atlas MNI. Utilice una búsqueda normal, lineal con 12 DOF. Pulse el botón "Go".
- Nivel 2: Comparación de datos entre carreras para cada condición de trabajo. FEAT Abrir. Seleccione "análisis a nivel superior" y "Estadísticas + Post-stats" desde el menú desplegable.
- En la ficha Datos, seleccionar "Los insumos son directorios FEAT de nivel inferior". Establecer el número de entradas y escriba la ruta a cada una de las imágenes de RM. Escriba una ruta para el "directorio de salida".
- En la pestaña "Estadísticas", cambiar los "Efectos mixtos: flame1" cuadro de selección a "Fijo Efectos ". Pulse el" asistente de configuración de modelo "botón. Seleccione" promedio del grupo sencillo "y haga clic en el botón" Proceso ".
- En la pestaña "Post-estadísticas", seleccione "clúster" en el menú desplegable "Umbral" y establecer el "umbral Z" y el umbral "Cluster P" a 2,3 y 0,05, respectivamente, 8,19. Pulse el botón "Go".
- Nivel 3: Comparación de datos entre los sujetos para cada condición de trabajo en todas las carreras. FEAT Abrir. Seleccione "análisis a nivel superior" y "Estadísticas + Post-stats" desde el menú desplegable.
- En la ficha Datos, seleccionar "Los insumos son 3D lidiar imágenes de directorios FEAT." Establecer el número de entradas y entrar en la ruta de acceso a cada una de las imágenes de RM. Escriba una ruta para el "directorio de salida".
- En la "estadísticas" tab, la prensa de la "configuración completa modelo". Ajuste el número de vehículos eléctricos igual al número de variables grupales y covariables como grupo diagnóstico, edad, sexo, etc. Introduzca los valores para cada sujeto (entrada 1 - entrada n) para cada EV. Puede utilizar la ventana "Pegar" para copiar una hoja de cálculo de estos valores.
- En la pestaña "Contrastes y pruebas F", añade un contraste para cada variable de prueba y para cada contraste (por ejemplo, el grupo de diagnóstico). Para cada variable de contraste, ajuste el contraste seleccionando el valor 1 en la columna bajo el EV apropiado. Para cada cambio, establecer el primer valor a 1 y el segundo a -1. Seleccione "Hecho".
- En la ficha "Post-stats", seleccione "Cluster" en el menú desplegable "Umbral" y establecer el "umbral Z" y el umbral "Cluster P" a 2,3 y 0,05, respectivamente, 8,19 Pulse el botón "Go".
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
No hubo diferencias entre los grupos en función de las características demográficas 20. Datos de comportamiento indicaron que la tarea de detección de objetivo en un nivel apropiado de dificultad para los niños y adolescentes entre las edades de 9.18. En el estudio actual, los controles correctamente identificados 82,36% de blancos (SD = 0,14), y el grupo de riesgo familiar identificó correctamente el 76,8% de los blancos (SD = 0,17). Ambos grupos mostraron disminución de la exactitud en la identificación de imágenes emocionales en comparación con las imágenes neutras (F (1,40) = 5.63, p = 0.03).
Los datos de imágenes indicaron que las condiciones experimentales dieron lugar a una activación significativa en las regiones que se espera sean reclutados durante el ejecutivo y el procesamiento emocional. La activación se observó en prefrontal, caudado anterior, insulares y zonas parietales posteriores durante los ensayos de destino y en la amígdala derecha, la corteza orbitofrontal bilateral, corteza fusiforme y cor visualáreas ticos durante ensayos aversivas en ambos grupos. La Tabla 1 muestra las áreas de activación significativa en los controles para cada condición.
Este paradigma también provocó diferencias significativas en la activación entre los controles y los individuos con alto riesgo familiar para la esquizofrenia. El grupo de alto riesgo familiar mostró disminución de la activación de los circuitos fronto-estriado en respuesta a estímulos objetivo. Controles, en contraste, mostraron una mayor activación en la circunvolución frontal media y la ínsula. Las diferencias de grupo entre las condiciones se muestran en la Tabla 2 y la Figura 2. El grupo de alto riesgo familiar también mostraron diferentes patrones de activación relacionada con la edad comparado con los controles en la respuesta para apuntar y estímulos aversivos (Figura 3).
Figura 2. Mapas de activación de las diferencias entre grupos. (A) Las áreas donde el grupo de alto riesgo familiar (n = 21) mostraron una mayor activación que los controles (n = 21) durante el procesamiento de destino. CAUD = caudado; IFG = giro frontal inferior; ITG = giro temporal inferior. (B) Las zonas donde los controles mostraron una mayor activación que el grupo de alto riesgo familiar durante el procesamiento de destino. INS = Insula; MFG circunvolución frontal = Medio; MTG = circunvolución temporal media. (C) Áreas en las que el grupo de alto riesgo familiar activa más de los controles durante el aversivo> contraste neutral. COC = corteza opercular Central. (D) Las zonas donde los controles activados más que el grupo de alto riesgo familiar durante el aversivo> contraste neutral. ACC = anterior corteza cingulada; PC = precuneus. Esta cifra ha sido modificado desde Hart et al. 20, con permiso. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3. Activación Mapas de diferencias relacionadas con la edad del grupo. Áreas (A) con una mayor correlación positiva con la edad en el grupo de alto riesgo familiar que en los controles durante el proceso objetivo. ACC = anterior corteza cingulada; INS = Insula; Córtex orbitofrontal OFC =; TH = Tálamo. (B) Las áreas con una mayor correlación positiva con la edad en los controles que en el grupo de alto riesgo familiar durante el aversivo> contraste neutral. IFG = giro frontal inferior; Circunvolución PostCG = postcentral; Circunvolución PreCG = precentral. Esta cifra ha sido modificado desde Hart et al. 20, con permiso. Por favor haga clic aquí para ver una versión más grande de esta figura.
| ST1. Dentro del grupo de activación de focos en los controles (n = 21) | ||||||
| Coordenadas MNI | ||||||
| Región | Hemisferio | X | y | z | Max Z-valor | Max valor de p 1 |
| La activación de destino (p <0,05, la tasa de falso descubrimiento corregida) | ||||||
| Giro frontal medio / polo frontal | segundo | -30 | -2 | 50 | 5.57 | <0.0000001 |
| Circunvolución frontal inferior | segundo | 46 | 12 | 32 | 5.41 | <0.0000001 |
| Insula | segundo | -32 | 24 0 | 5.4 | <0.0000001 | |
| Precentral circunvolución | segundo | -40 | -22 | 48 | 5.53 | <0.0000001 |
| Tálamo | segundo | -12 | -16 | 12 | 5.03 | <0.0000001 |
| Con la cola | segundo | -12 | 12 | 4 | 4.07 | 0.000003 |
| Putamen | segundo | 18 | 8 | 2 | 4.27 | 0.00009 |
| Cingulada anterior / paracingular circunvolución | segundo | 0 | 12 | 46 | 5.6 | <0.0000001 |
| Circunvolución cingulada posterior | segundo | 8 | -16 | 28 | 5.2 | <0.0000001 |
| Circunvolución temporal superior / Oriente | <td> B48 | -46 | 10 | 5.88 | <0.0000001 | |
| Fusiforme / circunvolución temporal inferior | segundo | -30 | -50 | -12 | 5.64 | <0.0000001 |
| Lóbulo parietal superior / supramarginal circunvolución / postcentral circunvolución | segundo | 30 | -44 | 44 | 6 | <0.0000001 |
| Corteza occipital lateral | segundo | 48 | -62 | 12 | 6.12 | <0.0000001 |
| Aversivo> activación Neutro (p <0,05, la tasa de falso descubrimiento corregida) | ||||||
| Circunvolución frontal inferior | L | -44 | 14 14 | 3.16 | 0.0004 | |
| Polo frontal / Medial corteza frontal | segundo | -2 | 64 | 0 | 3.42 | 0.0005 |
| Giro postcentral | L | -62 | -22 | 34 | 3.12 | 0.0004 |
| Corteza cingulada anterior | segundo | -4 | 34 | 8 | 3.27 | 0.0002 |
| Circunvolución cingulada posterior | segundo | 0 | -44 | 28 | 3.26 | 0.0002 |
| Inferior temporal fusiforme circunvolución / | segundo | -44 | -44 | -14 | 3.03 | 0.0006 |
| Circunvolución angular | segundo | 46 | -64 | 8 | 3.42 | 0.0001 |
| Circunvolución supramarginal | L | -40 | -56 | 20 | 3.59 | 0.00005 |
| Activación aversiva (p <0,05, la tasa de falso descubrimiento corregida) | ||||||
| Amígdala | R | 22 | -4 | -18 | 2.86 | 0,001 |
| Corteza orbitofrontal / Insula | segundo | 36 | 22 | -4 | 4.93 | <0.0000001 |
| Giro frontal medio | segundo | 32 | 4 | 40 | 4.7 | <0.0000001 |
| Polo frontal | segundo | -38 | 36 | 10 | 4.95 | <0.0000001 |
| Cingulada anterior /circunvolución paracingular | segundo | 6 | 16 | 50 | 4.85 | <0.0000001 |
| Circunvolución cingulada posterior | segundo | 2 | -28 | 24 | 5.88 | <0.0000001 |
| Tálamo | segundo | 18 | -26 | 2 | 5.44 | <0.0000001 |
| Precentral circunvolución | segundo | -44 | 8 | 34 | 4.54 | <0.0000001 |
| Lóbulo parietal superior | segundo | -20 | -56 | 54 | 6.05 | <0.0000001 |
| Corteza occipital lateral | segundo | -36 | -82 | 4 | 6.05 | <0.0000001 |
| Polo occipital | segundo | -16 | -90 | 18 | 5.18 <0.0000001 | |
| B, Bilateral | ||||||
| 1 p-valores reportados están sin corregir, significativo al valor corregido-FDR <0,05 | ||||||
Tabla 1. Dentro-Grupo de Activación focos en los controles (n = 21). Esta tabla se ha modificado desde Hart et al. 20, con permiso.
| Tabla 2. Diferencias entre grupos de activación | |||||||||||||
| Coordenadas MNI | Hemisferio | X | y | z | Max Z-valor | Max valor de p 1 | |||||||
| Blancos | |||||||||||||
| Familiar de alto riesgo> Controles (p <0,05, la tasa de falso descubrimiento corregida) | |||||||||||||
| Polo frontal | segundo | 16 | 76 | 6 | 3.52 | 0.00007 | |||||||
| Circunvolución frontal inferior | L | -58 | 16 | 18 | 3.37 | 0.0001 | |||||||
| Con la cola | segundo | -14 | 20 | 10 | 3.2 | 0.0003 | |||||||
| Giro temporal inferior | L | -52 | -44 | -20 | 2.94 | 0.0009 | |||||||
| Controles> familiar de alto riesgo (p <0,05, la tasa de falso descubrimiento corregida) | |||||||||||||
| Giro frontal medio / circunvolución precentral | R | 48 | 8 | 34 | 3 | 0.0007 | |||||||
| Corteza opérculo frontal | L | -46 | 16 | -4 | 2.94 | 0.0009 | |||||||
| Área motora suplementaria | R | 18 | -16 | 40 | 3.02 | 0.0007 | |||||||
| Insula | L | -34 | -18 | 4 | 2.94 | 0.0009 | |||||||
| Precentral circunvolución | segundo | 10 | -26 | 60 3.29 | 0.0002 | ||||||||
| Giro postcentral | segundo | 14 | -38 | 54 | 3.57 | 0.0001 | |||||||
| Circunvolución temporal superior | R | 54 | -6 | -4 | 3.18 | 0.0003 | |||||||
| Giro temporal medio | R | 48 | -46 | 8 | 3.65 | 0.00004 | |||||||
| Precuneus | R | 2 | -40 | 46 | 2.89 | 0,001 | |||||||
| Corteza occipital lateral | segundo | -20 | -74 | 36 | 3.36 | 0.0002 | |||||||
| Aversivo - Neutro | |||||||||||||
| Corteza opercular central | R | 50 | -2 | 6 | 3.01 | 0.0007 | |||||||
| Controles> familiar de alto riesgo (p <0,05, la tasa de falso descubrimiento corregida) | |||||||||||||
| Corteza cingulada anterior | L | -6 | 38 | 8 | 2.68 | 0,002 | |||||||
| Precuneus | L | -10 | -54 | 36 | 2.7 | 0,002 | |||||||
| B, Bilateral | |||||||||||||
| 1 p-valores reportados están sin corregir, significativo al valor corregido-FDR <0,05 | |||||||||||||
Tabla 2. Diferencias entre grupos de activación focos. Esta tabla se ha modificado desde Hart et al. 20, con permiso.
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).
