שיטה לחקירת הבדלי גיל הקשורים בקישוריות התפקודית של קוגניטיבית בקרת רשתות הקשורים למיון כרטיס שינוי ממדי ביצועים

היכולת לווסת התנהגות מתפתחת בהדרגה בילדות ובגיל התבגרות (לסקירה, ראה ¹ יהלומים). במשימת מיון שינוי כרטיס ממדים, למשל, משתתפים לעבור ממיון כרטיסי דרך אחת, כגון צורה, למיונם בצורה שונה, כגון צבע ² (ראה איור 2). מיתוג גובה מחיר קטן ביצועים, או עלות בורר, כך שתגובות הן בדרך כלל איטיות יותר ויותר מועדת לטעויות בניסויי מתג שבו כלל מיון השינויים לעומת לחזור על ניסויים שבו שלטון המיון נשאר זהים ^3. סדר הגודל של עלויות אלה בדרך כלל מקבל קטן כמו ילדים מתבגרים ^4, הממחיש את העובדה שהיכולת לויסות התנהגותי עוברת המשיכה בפיתוח בשלב מוקדם בחיים.

מכיוון שפעולות מנטליות מורכבות, כגון מיתוג, כוללות אינטראקציות מהירים בין אזורים במוח המרובים ^5, יש עניין הולך וגובר בrelating הפיתוח של הכרה מסדר גבוה לשינויים בארגון הפונקציונלי של רשתות בקליפת המוח רחב היקף ^6.

גישה אחת לחקירת שינוי התפתחותי ברשתות רחב היקף היא באמצעות השימוש של ^6,7 ניתוח קישוריות התפקודי המבוסס על זרעים. הצעד הראשון בטכניקה זו הוא להתייעץ עם ספרות מחקר זמינה ולהגדיר אזורים מראש של ריבית, או ROIs, נראים שכדי להיות רלוונטי להתנהגות בשאלה. ROIs אלה, או צמתים, להגדיר את השלד הבסיסי של הרשת. בשלב הבא, תנודות בתדירות נמוכה בפעילות (או T2 * משוקללת עוצמת אות) בROIs אלה נמדדים ל5-10 דקות ואילו משתתפים הם במנוחה בסורק ה-MRI. קישוריות פונקציונלית בין כל שני צמתים ברשת לאחר מכן לכמת כמתאם של קורסי הזמן שלהם בהתאמה. צמתים שהם מאוד מחוברים מבחינה תפקודית צריכים דומים, ולכן מאוד מתואמים, אותקורסי זמן. מצד השני, בלוטות, כי הם חלשים מחוברים מבחינה תפקודית צריכים שונות ובכך קורלציה חלשה, לאותת קורסי זמן. כדי להשלים את המודל של הרשת, קצוות (או קישורים) נמשכים בין הצמתים קורסים שזמנו לתאם מעל לסף שנבחר. מבחנים להבדלים הקשורים בגיל בקישוריות תפקודית בתוך רשת ניתן לבצע על כל חיבור יחיד צומת לצומת, או על הטופולוגיה של כל הקבוצה של צמתים וקצוות. הבדלים אלה בקישוריות תפקודית אז יכולים להיות קשורים למדדים של תפקוד הקוגניטיבי שנאספו במצב לא מקוון.

במאמר זה, בגישה שונה מתוארת, המבוססת על ניתוח מרכיבים עצמאי קבוצה של נתוני ה-fMRI מבוסס משימת ^8. ניתוח עצמאי רכיב (או ICA) הוא הליך סטטיסטי לעיוורון חושף מקורות נסתרים שבבסיס סדרה של תצפיות כך שהמקורות חשפו הנן בלתי תלויים באופן מקסימאלי. פניתי לניתוח של נתוני ה-fMRI, עמ 'rocedure מניח שכל כרך הוא תערובת של מספר סופי של מקורות במרחב עצמאיים. שימוש באחד ממגוון של אלגוריתמים שונים, כגון אלגוריתם infomax, ICA אז מעריך מטריצת unmixing, שכאשר הוא מוחל על הנתונים המקוריים מניבה סט של מקורות עצמאיים מקסימאלי, או רכיבים. כל רכיב יכול להיות מחשבה של כ רשת, ככל שהיא מורכבת מסדרה של voxels שחולקים כמובן זמן משותף. הקבוצה ICA הוא סוג מסוים של יק"א שבמערך משותף של רכיבי קבוצה מוערך ראשון ממערכת הנתונים כולו, ולאחר מכן סטי משתתף ספציפי של רכיבי הקבוצה מחושבים בצעד אחורה, שיקום. ברגע שמערכת הנתונים כולו מפורקת לאוסף של רכיבים, הצעד הבא הוא לבטל רכיבי artifactual המייצגים את מקורות רעש, ולזהות מרכיבים משמעותיים באופן תיאורטי, כי להתכתב עם רשתות של עניין. זו יכולה להיות מושגת גם על ידי קורסי זמן רכיב דוגמנות בהקשר של GLM לIDEntify רשתות המפעילות באופן חזה, מרחבית מקשר רכיבים עם תבנית של רשת של עניין, או שניהם. הקבוצה של רכיבים וכתוצאה מכך לאחר מכן ניתן להגיש להשוואת קבוצה כדי לבחון הבדלים הקשורים לגיל אפשריים בקישוריות תפקודית בתוך רשתות מעניינות באופן תיאורטי ^7,9,10.

יש נתונים fMRI המבוססים על משימות לימוד הקשורות לגיל שינויים בקישוריות תפקודית באמצעות היישום של ICA קבוצה למספר יתרונות על פני היישום של טכניקות המבוססים על זרעים לנתוני ה-fMRI-נחה מדינה. ראשית, טכניקות המבוססים על זרעים שלא כמו המתמקדות בקבוצה קטנה של ROIs פריורי מוגדר, הגישה הרשפ"ת קבוצה הנוכחית מנצלת כל voxels הכוללים סדרת נפחית זמן. זה מפחית הזדמנויות להטיה שבהכרח להתעורר כאשר קבוצה קטנה של זרעים שנבחרו מראש כאזורים של עניין. שנית, החלת אנליזה פונקציונלית קישוריות (מבוסס ICA או אחר) למשימהולא נתוני ה-fMRI-נחה מדינה יש את היתרון של שמאפשר ארגון רשת ופונקציית רשת להיות קשור באופן ישיר יותר. אם, למשל, בוחנים את ההשלכות קוגניטיביות או התנהגותיות של קישוריות תפקודית (כגון שינוי בביצועי DCCS) הוא בראש סדר עדיפויות, חשוב להראות שהרשת של עניין קשורה לביצוע משימה. עם פרוטוקולים-מנוחת מדינה, זה קשה מאוד, כי החוקר אין שום תיעוד של כל מצבים קוגניטיביים, התנהגותיים, רגשיים או חוו על ידי המשתתף במהלך רכישת נתונים. לכן זה בלתי אפשרי לספק הוכחה ישירה שכל רשת של עניין היא רלוונטית לביצוע משימה. לעומת זאת, כאשר ניתוח קישוריות פונקציונלי, כגון ICA, מוחל על משימת נתונים, זה אפשרי כדי לוודא שהרשת של ריבית לפחות קשורים לביצועים של משימה. לבסוף, ICA הוא פחות נתון להשפעה השלילית של רעש. מקורות רעש, כגון שנינות הקשורים אלהתנועת נושא שעות וקצב הלב, יש פרופילי מרחב ובזמן ייחודיים. לכן, בהקשר של ICA קבוצה, מקורות אלה מבודדים ומוקצים לרכיבים נפרדים, והשאירו את הרכיבים שנותרו חופשיים יחסית של מקורות לא רצויים אלה של שונות. מכיוון שניתוחים המבוססים על זרעים להשתמש קורסי זמן גלם בהערכה של קישוריות פונקציונלית, וקורסי זמן הם, בהגדרה, תערובות של אות נוירופיזיולוגיות ורעש artifactual, הבדלים בין קבוצות באומדני קישוריות תפקודיות יכולות לשקף את ההבדלים בין קבוצות אמיתיים בנוירופיזיולוגיה בסיסית, הבדלים בין קבוצות ב המבנה של רעש, או שניהם ^11.