针对调查中的认知控制网络与关联维度变化卡片分类性能的功能连通性年龄相关性差异的方法
Summary
本视频介绍了在审查通过有针对性的任务/进程从事认知控制网络功能连接年龄相关的变化的方法。该技术是基于fMRI数据的多变量分析。
Abstract
调整行为，在环境突然变化的能力，在童年和青春期逐渐发展。举例来说，在维度变化卡片分类任务中，参与者从切换卡排序方式之一，如形状，以对它们进行排序以不同的方式，如颜色。调整这样的行为需要付出很小的性能开销，或转换成本，这样的反应通常是缓慢和容易出错的开关试验中，排序规则的改变相比，重复试验中，排序规则保持不变。灵活调整行为的能力就是人们常说逐步发展，部分原因是行为的成本，如开关的成本通常随着年龄的增加降低。为什么高阶认知，如行为的灵活性方面，发展得这么渐渐仍然是一个悬而未决的问题。一个假设是，发生在与大尺度的认知控制网络功能改变的关联这些变化。按照这种观点，复杂的心理活动，如交换，涉及到多个分布式的大脑区域之间的快速互动，包括那些更新和维护任务的规则，重新定位的关注，并选择行为。随着发展，这些地区之间的功能连接增强，从而导致更快和更有效的切换操作。当前的视频描述了通过来自不同年龄的参与者fMRI数据的收集和多变量分析检验这一假设的方法。
Introduction
以规范行为的能力逐步发展在童年和青春期（综述参见钻石1）。在维度变化卡片分类任务，例如，参与者从切换卡排序方式之一，如形状，给它们排序以不同的方式，如颜色2（ 见图2）。切换苛求一个小的性能开销，或转换成本，这样的反应通常是缓慢和容易出错的开关试验中，排序规则的改变相比，重复试验中，排序规则保持不变3。这些成本的大小通常越小的孩子年龄的增长4，说明了一个事实，即对行为的调节能力发生在生命的早期继续发展。
因为复杂的心理操作，例如切换，涉及多个脑区域5之间的快速相互作用，有在relati日益增长的兴趣纳克高阶认知的发展变化，大规模皮层网络6的功能组织。
一种方法来研究在大规模网络的发展变化是通过使用基于种子的功能连通性分析6,7。在这种技术的第一步是与现有的研究文献进行磋商和定义感兴趣的先验地区，或投资回报，这似乎是相关的有问题的行为。这些感兴趣区，或节点，定义了网络的基本骨架。接着，在活动的低频波动，在这些感兴趣区域（或T2 *加权的信号强度）的测定进行5〜10分钟，同时参与者都处于静止状态的MRI扫描器。在网络的任意两个节点之间的功能连接，然后量化为各自的全日制课程的相关性。这是密切联系的功能节点应该有类似的，因而高度相关，信号读课程。在另一方面，即是弱连接功能的节点应该有不同的，因此弱相关，信号读课程。要完成网络的模型，边（或链接）的节点，其时间相关的课程上面选定的阈值之间绘制。测试在一个网络中的功能连接年龄有关的差异可以在任何单个节点到节点的连接，或在整组节点和边的拓扑结构来进行。这些差异在功能连接然后可以与认知表现离线收集的措施。
在本文中，采用不同的方法是基于基于任务的fMRI数据8组独立分量分析说明。独立成分分析（ICA或）是一味地揭示隐藏源相关的一组观察，这样的发现来源是最大的独立的统计过程。应用于fMRI数据分析中，procedure假定每个体积的空间上独立的来源有限数量的混合物。使用多种不同的算法，如Infomax算法之一，ICA然后估计的去混合矩阵，其时应用到原始数据产生一组最大的独立来源，或组件。每个组件可以被认为是一个网络，因为它包括一组体素都有一个共同的时间过程的。组ICA是一种特殊类型的ICA其中首先从整个数据集，估计一组通用组部件，然后该组部件的参与者专用集被计算在背重建步骤。一旦一个完整的数据集被分解成一组元件，下一个步骤是丢弃表示噪声源伪迹分量，并确定与所关注的网络对应理论上有意义的组件。在GLM的背景下对IDE这既可以实现通过建模组件时程ntify网络激活中的预测方式中，在空间上关联的组件与所关注的网络的模板，或者两者兼而有之。由此产生的组件集可以被提交到一个组间比较，以测试在理论上有趣的网络7,9,10在功能连接可能与年龄有关的差异。
通过ICA组的应用研究在功能连接年龄相关的变化，以基于任务的fMRI数据拥有种子为基础的技术应用到静息态功能磁共振数据的几个优点。首先，与种子为基础的技术，专注于一小部分的定义先验的ROI，当前组的ICA方法利用包括一个容积时间序列中所有体素。这削弱时，一小群的种子选择先验的感兴趣区域是必然出现的偏差的机会。其次，应用功能连接分析（ICA为基础或以其他方式）任务而不是静息态fMRI数据具有允许网络组织和网络功能可以更直接地相关联的优点。如果，例如，检查功能连接（如变异DCCS性能）的认知或行为的影响是当务之急，它表明所关注的网络与任务相关联的性能是很重要的。与静息状态协议，这是很困难的，因为研究人员具有数据采集过程中所经历的任何参与者认知，行为或情感状态的记录。因此，不可能提供直接的证据表明，任何感兴趣的网络相关的任务绩效。相反，当功能连接分析，如ICA，被施加到任务的数据，也能够确认在至少一个任务的执行相关联的感兴趣的网络。最后，ICA是受噪声的不利影响较少。噪声源，如相关的机智h须经运动和心律，具有独特的时空分布。因此，在一组ICA的情况下，这些源的分离和分配到单独的部件，而使其余部件相对自由的方差的这些不受欢迎的来源。因为种子为基础的分析使用原始时间课程功能连接的估计中，和时间的课程，顾名思义，神经电生理信号和伪迹噪声的混合物，在功能连接的估计组间差异可以反映于相关神经生理学，组间差异如此群体差异噪声的结构，或两者兼而有之11。
Protocol
Representative Results
Discussion
高阶心智操作，如切换排序规则的能力，在整个童年和青少年时期迅速发展。由于这些精神的业务涉及多个分散的大脑区域之间的相互作用，有开拓高阶认知和大尺度皮层网络的组织与年龄相关的变化发展之间的关系越来越大的兴趣。我们提出了一种基于应用到基于任务的fMRI数据作为直接检验这种关系的一种手段组独立分量分析的方法。
正如任何组之间的比较研究也是如此?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
这项研究成为可能赠款来自美国国家科学与工程研究理事会（NSERC），以J.布鲁斯·莫顿的支持。
Materials
| Name of equipment | Company | Catalog Number | Comments (optional) |
| SPM8 | The MathWorks, Inc. | R2013a |
References
- Diamond, A. Normal Development of Prefrontal Cortex from Birth to Young Adulthood: Cognitive Functions Anatomy, and Biochemistry. Principles of Frontal Lobe Function. , 1-38 (2002).
- Zelazo, P. D. The Dimensional Change Card Sort (DCCS): a method of assessing executive function in children. Nat Protoc. 1, 297-301 (2006).
- Monsell, S. Task switching. Trends Cogn Sci (Regul Ed. 7, 134-140 (2003).
- Crone, E. A., Bunge, S. A., van der Molen, M. W., Ridderinkhof, K. R. Switching between tasks and responses: a developmental study. Developmental Science. 9, 278-287 (2006).
- Cole, M. W., Schneider, W. The cognitive control network: Integrated cortical regions with dissociable functions. Neuroimage. 37, 343-360 (2007).
- Fair, D. A., et al. Development of distinct control networks through segregation and integration. Proc Natl Acad Sci USA. 104, 13507-13512 (2007).
- Uddin, L. Q., Supekar, K., Menon, V. Typical and atypical development of functional human brain networks: insights from resting-state FMRI. Frontiers in systems neuroscience. 4, (2010).
- Calhoun, V. D., Adali, T., Pearlson, G. D., Pekar, J. J. A method for making group inferences from functional MRI data using independent component analysis. Human brain mapping. 14, 140-151 (2001).
- Fransson, P., et al. Resting-state networks in the infant brain. Proceedings of the National Academy of Sciences of the United States of America. 104, 15531-15536 (2007).
- Supekar, K., Menon, V. Developmental maturation of dynamic causal control signals in higher-order cognition: a neurocognitive network model. PLoS computational biology. 8, (2012).
- Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggar, B. L., Petersen, S. E. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59, 2142-2154 (2012).
- Raschle, N. M., et al. Making MR Imaging Child’s Play – Pediatric Neuroimaging Protocol, Guidelines and Procedure. (29), (2009).
- Morton, J. B., Bosma, R., Ansari, D. Age-related changes in brain activation associated with dimensional shifts of attention: an fMRI study. Neuroimage. 46, 249-256 (2009).
- Ezekiel, F., Bosma, R., Morton, J. B. Dimensional Change Card Sort performance associated with age-related differences in functional connectivity of lateral prefrontal cortex. Developmental Cognitive Neuroscience. , (2013).
- Calhoun, V. D., Kiehl, K. A., Pearlson, G. D. Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks. Human brain mapping. 29, 828-838 (2008).
- Allen, E. A., et al. A baseline for the multivariate comparison of resting-state networks. Front Syst Neurosci. 5, (2011).
- Calhoun, V. D., Liu, J., Adali, T. A review of group ICA for fMRI data and ICA for joint inference of imaging, genetic, and ERP data. Neuroimage. 45, (2009).
- Allen, E. A., et al. Tracking whole-brain connectivity dynamics in the resting state. Cerebral Cortex. , (2012).
