管理のリアルタイム fMRI ニューロフィード バック トレーニングのプロトコル

ライト州立大学制度検討委員会の定めるガイドラインに準拠している次の fMRI NFT プロトコル。 1 です。 コントロール グループ は慎重に考慮し、コントロール グループの 事前 決定します。評価される hypothesis(es) を許可するコントロール グループを設計し、練習や期待のフィードバックなどの要因からの影響を考慮して 44 を表示します。 2。ハードウェア セットアップ 参加者として伝統的な fMRI のと同じ手順を使用して MRI 室に入る前にすべてのハードウェアを準備します。 氏互換表示・応答装置を刺激コンピューター (PC) に接続します。 氏と互換性のあるデバイスの応答のためのケーブルを配線し、ヘッドフォンまたは MRI の周りの穴します。 刺激 PC MRI から TR トリガー出力に接続します 。 注: いくつかのセットアップでは、この可能性がありますに接続する刺激コンピューターに接続し、氏互換対応デバイスのハードウェア。これは同期の刺激とデータ収集のために不可欠です。 位置氏互換表示するミラーを介して参加者に表示できるようにヘッドのコイルに貼付します。 3。参加者の位置決め 注: 典型的な脳 MRI に類似した方法で、伝統的な fMRI と同じ方法で、参加者がスキャナー テーブルに配置される。 ダウン スキャナー テーブルに仰臥位で参加者の嘘があります。頭のコイルの中に自分の頭を維持するためにそれらを求める。 は、参加者にヘッドフォンを置く ' s、頭し、耳が覆われていることを確認します。追加ヒアリング保護が必要な場合は頭を携帯電話を提案する前に耳栓を挿入します。 参加者の下にパッドを配置 ' 追加された快適さのため s 膝。 ヘッドのコイルの上半身を所定の位置にロックします。 ヘッドのコイルに鏡を貼る。 参加者で対応デバイスの位置 ' s 手。 ランドマークの参加者の場所 ' スキャナーの相対的な s ナジオン。 MRI の中心に landmarked の場所の穴に移動します。 参加者がミラーを使用して全体表示を表示することができます確認します。必要に応じて、ミラーを調整する参加者をお願いします。 4。対象地域のローカライズ 実行する " 機能 " ローカライザー。関心領域 (ROI) 11 のターゲットを定義する機能のローカライザーから脳の活動を使用します 。 注: この実行は、伝統的な fMRI と同様の方法で実行されます。ただし、ターゲット投資収益率は個々 の解剖学を使用して定義することもできるまたは機能ローカライザーを実行する必要を削除するアトラスを標準化します。 提供するスクリプトおよび/または視覚タスクの参加者に指示します 。 メモ: 手順必要があります簡潔が機能ローカライザーの中に実行されるタスクを正常に実行する参加者を許可する十分な情報が含まれます。ここでは、指示通知画面にドットになります参加者と彼らはヘッドフォンで音を聞くことがあります。彼らの目標は、リラックスしてドットに焦点を当てるです。 開始は同期を押して音刺激 (例えば、 二国間の連続的なホワイト ノイズ 29) とデータ収集の管理、" スキャン " MR 装置のボタン 。 注: これは、fMRI の買収から TR トリガーを使用して刺激のプレゼンテーションをプログラミングによって実行されます。TR トリガーは、ただし、これは MRI およびインストールされているパッケージの製造元による影響は fMRI プロトコル経由で制御されます。視覚や触覚、聴覚刺激は、他のタスクを実行またはその他の地域をターゲットに指定できます。 ブロック パターンで 代替配信タスク刺激 (ホワイト ノイズ) と一致するコントロールの刺激 (ノイズがない)。コントロール刺激を使用して望ましくないネットワーク/システム タスクの刺激で活性化をアクティブにします 。 注: この交替は、fMRI の獲得に刺激を同期して、TR のパルスを監視します。 収集グラデーション リコール エコー MRI パルス シーケンスを使用して全体の脳エコー平面イメージ; パルス シーケンスのパラメーター例には 41 スライスに平行に、位相と周波数方向に 64 x 64 要素の取得行列が含まれます、前交連、後交連平面 x 3 mm 3 ボクセル サイズがあり、0.5 mm スライス ギャップ、脂肪抑制 3.75 x 3.75 を有効に、TR ・ TE = 2,000/20 ms と反転の角度 = 90 °。 多変量統計量を用いた機能ローカライザーの間に収集した fMRI データから活性化マップを計算します 。 注: 次の手順は、伝統的な fMRI の実行処理の一種です。いくつかの手順は削除または処理時間を削減するため簡略化されました。 前処理標準的な前処理技術 12 , 45 からカスタム ソフトウェアを使用してデータ集録中にデータが作成されます。 の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します。 トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい。 ガウス ローパス カーネルを用いた σ 時間フィルタ リングを実行 = 3 s. タスクに神経生理学的応答を予測するモデルを作成する; これは伝統的な fMRI と同じ方法で実行されます。 アクティブなを記述する心理的なモデルを作成して各時間ポイント 46 の州の残り。これは、モデルはタイム ポイントの値を持つタスク中に ' 1 ' を制御し、' 0 ' です。 タスクに fMRI (神経生理学) 応答を予測する定義済みの血行力学的応答関数 (HRF) 46 心理学モデルを色混ぜ。 各ボクセルで一般的な線形モデル (GLM) を用いた神経生理学的モデルを時間の関数として fMRI データに適合します。これは、結果、β パラメーター マップで、t または z に変換されます-標準的な統計的変換を使用して統計マップ (活性化マップ). 平均 fMRI 画像にオーバーレイ活性化マップを使用して、後続のニューロフィード バックのフィードバック信号が派生する範囲を決定します 。 メモ: これはカスタム ソフトウェアを使用して実行されます。グローバルと非特異的変化を削除するには、2 番目の投資収益率をまた定義されるかもしれません。 F に表示されている解剖学的マーカーを見つけるためスライダー、マウスのホイールまたはスライス スライダー バーを使用してスライスを移動 側脳室の 12 の正面の角の下面などの MRI データ。 しきい値しきい値スライダー バーを使用して対象地域の機能のローカライザー時にアクティブに最もロバスト ボクセルを明らかにする活性化マップ。 、しきい値 事前 選択するか、手動で、しきい値を調整して、これを実行します。 マウスの左ボタンを使用して選択したしきい値を超えると投資収益率に追加するターゲット領域内の活性化と個々 のボクセルを選択します 。 注: ボクセルを 1 つまたは複数のスライスから選択できます。 5。 fMRI NFT 行為ニューロフィード バックは、タスクと制御条件を交互に有蓋車モデルを使用して実行されます。 実装タスク条件参加者が上げる、または目的の結果を達成するために重要であるコントロールの方向と対象地域の活性を下げる 。 注: たとえば、頭脳の多くの地域耳鳴り患者で非常に活発、したがって、減少の活動は、通常神経活動パターンを促すことがあります。 タスク状態と参加者が彼らの心をオフにリラックスして残りの部分にアクティビティを返すコントロール状態を交互にします。 は、所望の状態に向かって脳の活動を調整するためのエイズの開始としての両方の条件に使用するマインドフルネス タスクのスクリプト例と参加者を提供します。所望の状態に向かってドライブアクティビティ脳マインドフルネスのタスクを実行するように参加者に指示します。 耳鳴りなどの聴覚の活動を減らすために他の感覚系に聴覚システムから注意をそらすに参加者に指示します。 ベースライン計算 注: 参加者にフィードバックを提示する前にデータを正規化するそれぞれの実行前に MRI ハードウェア コンポーネントのチューニングのためのベースラインを使用します。NFT 実行 12 , 47 各 fMRI の先頭に取得した 1 つまたは複数のボリュームの平均を使用してターゲット地域のベースライン平均を決定します。 スキャンの開始でカウント ダウン中にリラックスするように参加者に指示します。 開始を押して刺激プレゼンテーションおよびデータ集録の同期、" スキャン " MRI スキャナーのボタン。4.1.2 の手順で機能のローカライザーの規定する同じ方法でグラデーションを思い出したエコー MRI パルス シーケンスを用いたエコー平面画像を収集します。 取得基準のボリューム。 カウント ダウン タイマーと空のフィードバックの表示を視覚的に表示します。 は、カスタム ソフトウェアを使用して集録中にデータを処理します。 の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します。 質量の中心を使用して各ボリュームの並進運動の修正; トリ線形補間を使用して機能のローカライザーの最初のボリュームに各ボリュームを登録します。 時間と空間を超えてターゲット投資収益率から計算平均信号します。 各ボリュームにターゲット ROI 内すべてのボクセルからの信号を合計します。 ROI のボクセルの数で合計を割ることによってボリュームごとに作成する投資収益率平均します。 ベースライン ボリュームからの合計の平均です。 ニューロフィード バック ボリュームを取得 カスタム ソフトウェアを使用して集録中にデータを前処理します。 の 3 D 空間ガウス ローパス カーネル (全角半最大 4.5 mm) を使用してフィルター処理を実行します。 トライ線形補間を使用して機能のローカライザーの最初のボリュームにボリュームごとの質量の中心を合わせ、並進運動の正しい。 フィードバック信号を計算します。フィードバック信号は、fMRI NFT の間に取得した各ボリュームから派生されます。意志の制御を学習を支援する参加者に提示する情報です。 1 つの値を作成するターゲット ROI 内のすべての画素から fMRI の信号を平均します。 は、現在の投資収益率の平均と投資収益率のベースライン平均の割合の変化を計算します。必要に応じて、この信号が参加者に依存係数で拡大縮小が可能 ' s パフォーマンス。 一時的にフィルタ リングによるフィードバック信号を計算 (3 シグマとガウスのローパス カーネルだけ過去のコンポーネントから成る s) 現在 % は前のニューロフィード バック ボリュームからフィードバック信号に変更します。 フィードバック信号を表示します。 バーの高さはフィードバック値 18 , 19 、 に比例して温度計スタイル バー プロットを介して 表示電流フィードバック信号 21 , 34. フィードバックの参加者に対する指示をオーバーレイ表示します 。 注: 手順は単純な、リラックス、または上げたり下げたり (すなわち 温度計バー) の活動参加者を直接する必要があります。 その他の刺激を必要に応じて提供します。フィードバックと並行してその他視覚、聴覚、あるいは触覚刺激を表示場合があります。 6。自己目標の投資収益率を規制する能力を評価します。 注: ニューロフィード バックを完了するを定量化する必要があります自己トレーニングの実行ごとに対象地域を規制する能力。 フィードバックの分析内部変化は信号 12 をです。 ニューロフィード バックの残りの部分とタスク条件を表す心理的なモデルを作成します 。 注: このモデルは神経生理学的モデルを生成するための定義済み HRF と畳み込まれます。プロセス機能のローカライザーの説明したのと同じです。 に合わせて、GLM を用いた神経生理学的モデルにフィードバック信号の時系列。これは、結果、t または z に変換 β パラメーターで-自己調節機能の代表的な統計量。 被験者間比較を実行します 。 注: 自己調整機能の代表的な統計が実行され、適切な統計分析 (例えば、 ペア t – テストまたは性) を使用してグループの間で比較できます。これらのテストは自己訓練、グループ、ターゲット領域を調整する機能の変化を評価し、研究を評価する使用することができます ' s hypothesis(es).