باستخدام الربط المعلوماتي لقياس ظهور متزامن من الرنين المغناطيسي الوظيفي متعدد فوكسل معلومات عبر الزمن
Summary
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.
Abstract
هو محل تقدير الآن أن المعلومات ذات الصلة حالة يمكن أن تكون موجودة ضمن أنماط توزيعها من التصوير بالرنين المغناطيسي الوظيفي (fMRI) نشاط الدماغ، حتى بالنسبة للظروف مع مستويات مماثلة من التنشيط وحيد المتغير. وقد استخدم نمط متعدد فوكسل (MVP) تحليل لفك هذه المعلومات مع نجاحا كبيرا. المحققون FMRI أيضا غالبا ما تسعى إلى فهم كيفية تفاعل مناطق الدماغ في شبكات مترابطة، واستخدام اتصال وظيفية (FC) لتحديد المناطق التي ترتبط الاستجابات مع مرور الوقت. تماما كما تحليلات حيد المتغير يمكن أن يكون غير حساس إلى المعلومات في مفبس، FC قد لا تميز بشكل كامل شبكات الدماغ التي تعالج الظروف مع التوقيعات MVP مميزة. الطريقة الموصوفة هنا، والربط المعلوماتي (IC)، ويمكن تحديد المناطق التي التغييرات المترابطة في MVP-discriminability عبر الزمن، وكشف عن الاتصال التي لا يمكن الوصول إلى FC. الأسلوب يمكن أن يكون استكشافية، وذلك باستخدام الكشافات لتحديد البذور كونالمناطق ected، أو المخطط لها، وبين المناطق من الفائدة المحددة مسبقا. النتائج يمكن توضيح شبكات المناطق التي معالجة الظروف المرتبطة MVP، يمكن انهيار نشاطهم البدني عنهن بنحو خرائط كشاف في شبكات منفصلة، أو يمكن مقارنة عبر المهام ومجموعات المرضى.
Introduction
الهدف من أسلوب التحليل الموصوفة هنا هو قياس الربط بين مناطق الدماغ يعتمد على التقلبات في المعلومات متعددة فوكسل الخاصة بهم. وقد كشفت التطورات في مجال التصوير بالرنين المغناطيسي الوظيفي (fMRI) تقنيات التحليل أن كمية كبيرة من المعلومات التي يمكن الواردة في مستوى الأوكسجين في الدم التي تعتمد على (بولد) أنماط النشاط التي يتم توزيعها عبر voxels متعددة 1-3. وقد استخدمت لإظهار أن الظروف يمكن أن يكون مفبس مميزة على الرغم من وجود استجابات وحيد المتغير تمييزه 1،2،4 – هناك مجموعة من التقنيات التي تعتبر حساسة للمعلومات متعدد المتغيرات – المعروف باسم تحليل نمط متعدد فوكسل (نشاطهم البدني عنهن بنحو). التحليلات القياسية، التي تقارن استجابات حيد المتغير، يمكن أن يكون غير حساس لهذه المعلومات متعددة فوكسل.
وتشارك عدة مناطق الدماغ عند البشر معالجة المحفزات وإجراء العمليات المعرفية. اتصال وظيفية (FC) هو أسلوب يستخدم عادة لinvestiالبوابة مثل هذه الشبكات وظيفية 5،6. في أبسط أشكاله، FC الكمي شارك في التنشيط، أو التزامن، بين voxels أو مناطق مختلفة. وقد استخدم FC لتحديد شبكات الدماغ متصلة وظيفيا مع الكثير من النجاح. بالنسبة للعديد من المناطق والظروف، ومع ذلك، والاستجابات وحيد المتغير لا تعكس جميع المعلومات المتاحة داخل النشاط BOLD. تقنيات FC أن تتبع بشكل حيوي تغيير مستويات الاستجابة وحيد المتغير قد تفتقر حساسية لتقلبات شيوعا في المعلومات متعددة فوكسل. طريقة التحليل المقدم هنا، والربط المعلوماتي (IC؛ وصف لأول مرة في ورقة حديثة 7)، يسد فجوة بين نشاطهم البدني عنهن بنحو وFC، من خلال قياس الربط مع متري التي تعتبر حساسة للمعلومات متعددة فوكسل عبر الوقت. بينما FC المسارات المتغيرة بشكل ديناميكي تفعيل حيد المتغير، IC المسارات المتغيرة بشكل ديناميكي MVP discriminability – وهو مقياس لمدى يمكن تمييزها حالة وMVP الحقيقية من (غير صحيحة) بدائل. الأهم من ذلك، في رانه بنفس الطريقة التي يمكن أن تظهر مناطق مختلفة مستويات مماثلة من الردود وحيد المتغير إلى حالة الرغم من أداء حسابات متميزة (على سبيل المثال، وتجهيز مرئي أو التخطيط للعمل عندما يكون الشخص يرى الأشياء من صنع الإنسان)، ويمكن لها أيضا مناطق متميزة مستويات مماثلة (ومتزامنة) من لقاح التهاب السحايا discriminability في حين أنها معالجة ظروف مختلفة. أظهر التحقيق الأخيرة التي يمكن أن تكشف عن IC الربط بين المناطق التي لا يمكن كشفها مع FC نهج موحد 7. وبالتالي يمكن استخدام IC المحققين للتحقيق التفاعل بين مناطق الدماغ كما تستجيب لظروف المشاركين أو المحفزات التي لديها أنماط توزيع مميزة. IC تتميز عن العديد من التطبيقات اتصال حديثة أن فحص التقلبات في تفعيل وحيد المتغير بالنسبة للنتائج تصنيف 8، 9. خلافا لهذه المناهج، IC بالكشف متزامن متعددة فوكسل نمط discriminability بين المناطق.
Protocol
Representative Results
Discussion
الربط المعلوماتي لديه حساسية نشاطهم البدني عنهن بنحو على المعلومات نمط توزيعها، ويعطي القدرة على دراسة التفاعلات بين الإقليم من خلال نهج الاتصال. ونشاطهم البدني عنهن بنحو التحليلات حيد المتغير القياسية يمكن أن تكشف عن تورط كل من مناطق مختلفة، وأحيانا مع تداخل كبير بين نتائجها 1 3. كما هو متوقع للأسلوب الذي يعتمد على تحليل هذه المناهج، وجيم وFC أيضا تعطي نتائج التكميلية 7. فإن قرار ما إذا كان لتوظيف IC تعتمد في نهاية المطاف على شروط قيد التحقيق والأسئلة النظرية التي طرحت. اعتبارات التصميم التي تؤثر سواء تتم على نشاطهم البدني عنهن بنحو مجموعة البيانات سوف تؤثر أيضا على ما إذا كان يتم استخدام IC. سوف دراسات مصممة مع IC صراحة في الاعتبار تريد أن تتبع توصيات لنشاطهم البدني عنهن بنحو 1 4، مع ضمان أيضا يمكن استخراج تلك البيانات على مستوى المحاكمة من مختلف أنحاء timecourse الفحص و.
عند دراسةوالإبلاغ عن النتائج IC، فمن المهم أن الكشافات متداخلة مع البذور تتم إزالة، لتجنب دائرية. بالإضافة إلى ذلك، إذا IC ومقارنة النتائج FC مباشرة، فمن المستحسن للمقارنة أيضا تحليلا FC استنادا إلى تفعيل متوسط الكشافات، بدلا من voxels فقط. يمكن هذا التحليل إضافية ضمان أن أي خلافات بين النتائج ليست بسبب الاختلافات في مستويات الإشارة إلى الضوضاء في الكشافات مقابل voxels.
الإجراء الموضح هنا يركز في المقام الأول على تحليل استكشافية توظيف الكشافات. ومن الجدير بالذكر أنه من خلال استبدال الكشافات مع المناطق من الفائدة، IC يمكن أيضا مقارنة المناطق التي تم تحديدها لقبل ط. متري discriminability الحالي – مقارنة علاقة لقاح التهاب السحايا للحالة الحقيقية 'إلى ارتباط لأقصى قدر من شرط البديل – هو أيضا للتعديل. العديد من المصنفات تعلم الآلة لها أوزان التنبؤ للفرقerent الطبقات، والتي يمكن بسهولة استبدال مقارنات علاقة يؤديها هنا (على سبيل المثال، لتعقب 'الثقة' من المصنف على مر الزمن). IC لديها مجموعة متنوعة من الاستخدامات المحتملة. فضلا عن كونه تحليلا الأولية للتحقيق في شبكات إعلامية، يمكن أن تكون IC تحليل متابعة الثانوي إلى كشاف نشاطهم البدني عنهن بنحو. نشاطهم البدني عنهن بنحو خرائط كشاف هي قيمة لفهم المناطق التي يمكن أن نميز ظروف مختلفة، ولكن لم يتم كسر عادة أسفل إلى شبكات مختلفة. يمكن للنهج IC المساعدة هنا، من خلال الكشف الذي يحدد من الكشافات لديها discriminability متزامن. أخيرا، يمكن مقارنة الخرائط IC من مهام مختلفة من أجل فهم الشبكات المهمة، والمرضى يمكن مقارنة ضوابط لفهم أفضل لكيفية تتجلى اختلافات متعددة فوكسل-1 5 على مستوى الشبكة.
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
نشكر جيم Haxby وزملاؤه لصنع بياناتها متاحة لمزيد من التحليلات. وقد تم تمويل مارك N. Coutanche بواسطة زمالة من معهد هوارد هيوز الطبي. وأيد هذا العمل من قبل المعاهد الوطنية للصحة منح DC009209 R0I-R01-EY02171701 ومنحت لشارون L. تومسون Schill.
Referenzen
- Norman, K. A., et al. Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends Cogn Sci. 10 (9), 424-430 (2006).
- Haxby, J. V., et al. Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science. 293 (5539), 2425-2430 (2001).
- Tong, F., Pratte, M. S. Decoding patterns of human brain activity. Annu Rev Psychol. 63, 483-509 (2012).
- Coutanche, M. N. Distinguishing multi-voxel patterns and mean activation: Why, how, and what does it tell us. Cogn Affect Behav Neurosci. 13 (3), (2013).
- Biswal, B., et al. Functional connectivity in the motor cortex of resting human brain using echo-planar mri. Magn Res Med. 34 (4), 537-541 (1995).
- Friston, K. J., et al. Psychophysiological and modulatory interactions in neuroimaging. Neuroimage. 6 (3), 218-229 (1997).
- Coutanche, M. N., Thompson-Schill, S. L. Informational Connectivity: Identifying synchronized discriminability of multi-voxel patterns across the brain. Front Hum Neurosci. 7 (15), 1-14 (2013).
- Chiu, Y. C., et al. Tracking cognitive fluctuations with multivoxel pattern time course (MVPTC) analysis. Neuropsychologia. 50 (4), 479-486 (2012).
- Nelissen, N., et al. Frontal and parietal cortical interactions with distributed visual representations during selective attention and action selection. J Neurosci. 33 (42), 16443-16458 (2013).
- Kriegeskorte, N., et al. Information-based functional brain mapping. Proc Natl Acad Sci U S A. 103 (10), 3863-3868 (2006).
- Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Comput Biomed Res. 29 (3), 162-173 (1996).
- Fischl, B., et al. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
- Jimura, K., Poldrack, R. A. Analyses of regional-average activation and multivoxel pattern information tell complementary stories. Neuropsychologia. 50 (4), 544-552 (2012).
- Coutanche, M. N., Thompson-Schill, S. L. The advantage of brief fMRI acquisition runs for multi-voxel pattern detection across runs. Neuroimage. 61 (4), 1113-1119 (2012).
- Coutanche, M. N., et al. Multi-voxel pattern analysis of fMRI data predicts clinical symptom severity. Neuroimage. 57 (1), 113-123 (2011).
