JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
русский

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Neuroscience

Протокол для управления реального времени МР-томографию Neurofeedback подготовки

Published: August 24, 2017
doi:
10.3791/55543
, , , , ,
1Office of the Vice President for Research and Graduate Studies,Wright State University, 2Department of Biomedical, Industrial and Human Factors Engineering,Wright State University, 3Pediatric Radiology and Medical Imaging,Dayton Children’s Hospital, 4Department of Trauma Care and Surgery, Boonshoft School of Medicine,Wright State University, 5Department of Defense Hearing Center of Excellence,JBSA-Lackland, 6Department of Neurology, Boonshoft School of Medicine,Wright State University

Summary

Способность вызывать и/или контролировать пластичности нейронных может быть важным в будущем для лечения неврологических расстройств и восстановления от травмы головного мозга. В этой статье мы представляем протокол об использовании neurofeedback обучения с функционального магнитного резонанса для модуляции функций человеческого мозга.

Abstract

Неврологические расстройства характеризуются аномальные сотовых, молекулярно-и цепь уровень функций в головном мозге. Новые методы, чтобы стимулировать и контролировать процессы neuroplastic и аномальные правильной или даже сдвиг функций из поврежденных тканей в областях физиологически здорового мозга, удерживайте потенциал для существенного улучшения общего состояния здоровья. Текущего neuroplastic мероприятий в области развития подготовки (NFT) neurofeedback от функциональной магнитно-резонансная томография (МРТ) имеет преимущества полностью неинвазивной, не фармакологические и пространственно-локализованных мозг целевой регионах, а также имея никаких известных побочных эффектов. Кроме того NFT методов, первоначально разработанных с использованием МР-томографию, часто могут быть переведены для упражнения, которые могут быть выполнены вне сканера без помощи медицинских специалистов или сложного медицинского оборудования. В МР-томографию NFT МР-томографию сигнал измеряется от конкретных областей мозга, обрабатываются и представил участников в режиме реального времени. Посредством обучения, разработаны методы самостоятельной психической обработки, которые регулируют этот сигнал и ее базовой нейрофизиологических коррелятов. МР-Томографию NFT был использован для подготовки волевого контроля над широкий спектр областей мозга с последствия для нескольких различных когнитивных, поведенческих и моторных систем. Кроме того МР-томографию NFT показал обещание в широкий спектр приложений, таких как лечение неврологических расстройств и увеличение базовой деятельности человека. В этой статье мы представляем МР-томографию NFT протокол, разработанный в нашем заведении для модуляции как здоровых, так и аномальные мозга, а также примеры использования метода для целевых областей мозга, когнитивные и слуховой.

Introduction

Неврологических расстройств представляют крупные препятствия на пострадавших лиц, их семей и общества. Лечение неврологических расстройств может быть несуществующие или сомнительной эффективности и часто только целевой симптомы расстройства. Так обстоит дело в ушах – призрак восприятие звука – которая не имеют лечение, одобрен в США продуктов питания и медикаментов (FDA). Звон в ушах может иметь глубокое воздействие на жизнь человека, мешая повседневных задач путем снижения концентрации или изменения фактических звукового восприятия. Кроме того лицам, пострадавшим от шума в ушах могут также испытывать усталость, стресс, проблемы со сном, проблемы с памятью, депрессия, беспокойство и раздражительность1. Терапии, которые существуют, например, антидепрессанты и седативные препараты, только помогают управлять связанные симптомы и не могут лечить причину. Это создает опасный пробел для инновационных методов лечения этих расстройств.

Улучшения в приобретение техники, вычислительной мощности и алгоритмы революционизировали скорость, с которой можно измерить и обрабатываются функциональной магнитно-резонансной томографии (МРТ) данных. Это позволило появлением реального времени МР-томографию, где данные могут обрабатываться как он собран. Ранних приложений реального времени МР-томографию были ограничены2, главным образом препятствует неспособность быстро завершить предварительной обработки типичные шаги автономный анализ таких коррекции движения. Улучшения в вычислительной технологии и алгоритмы теперь увеличили скорость, чувствительность и универсальность в реальном времени МР-томографию3 позволяя аналогичные автономные предварительной обработки для применения в реальном времени. Эти события привели к 4 доменов основного приложения в реальном времени МР-томографию: интраоперационная хирургическое руководство4, мозг компьютер интерфейсы5,6, адаптации стимулы для текущего мозга государств7, и Neurofeedback обучения8.

NFT, хотя не первоначальной концентрации в реальном времени МР-томографию, является развивающейся области исследований, где люди учатся модулируют активность мозга волевыми путем осуществления стратегий психического (т.е. себе задачи). NFT является формой оперантного кондиционирования9, который был показан для увеличения ставки нейронов стрельбы и активности нейронов в обезьян10. Кроме того МР-томографию NFT был связан с шипованные зависящих от времени пластичности, которые являются нейронные изменения, которые происходят во время обучения ассоциативные11. Дальнейшие последствия предлагаю МР-томографию NFT индуцирует пластичности через долгосрочное потенцирование (LTP), что приводит к более синаптическую эффективность12. Другой назначениям подразумевает клеточных механизмов навыков обучения, таких как волевого контроля над деятельностью мозга и может включать изменения в проводимость мембраны напряжени тока зависимых – в виде изменения в нервной возбудимости13. В любом случае он кажется что МР-томографию NFT влияет на мозг на уровне нервных. Эти теории предоставить веские причины для использования МР-томографию NFT в лечении неврологических расстройств.

МР-Томографию NFT, в отличие от традиционных МР-томографию, предлагает возможность исследовать отношения между мозговой активности и поведение11,14. Недавно, наблюдается всплеск в исследованиях с участием МР-томографию NFT с почти в два раза больше статей, опубликованных в 2011-2012 (n = 30) по сравнению с предыдущим 10 лет (n = 16)11. Один из первых исследований NFT МР-томографию было проведено Вейкопф и коллегами в 2003 году8. Это исследование успешно продемонстрировали возможности обратной связи и саморегулирования МР-томографию сигнала в передней поясной коры (АКК) с помощью одного из участников. Обратная связь была отображается с задержкой примерно две секунды, более чем на порядок быстрее, чем несколько предыдущих исследований. Первое исследование было проведено в 2004 году, где 6 участников научился контролировать активность коры somatomotor15. МР-Томографию NFT был завершен 3 сеансов выполняется в тот же день. Повышенная активность пространственно выборочное целевой регион в коре somatomotor наблюдалось через курс обучения на уровне одному предмету и группы. Этот эффект не наблюдалось для группы управления, которая получила реальный МР-томографию информацию от фона региона (не коррелирует с выполняемой задачей) ранее в перспективе. С тех пор исследователи показали, что люди могут узнать волевого контроля над МР-томографию сигнал измеряется от многочисленных регионов мозга, в том числе АКК16, миндалины17, передней insula18,19, слуховые и внимание, связанных сетей20, двусторонних rostrolateral префронтальной коры21, дорсолатеральное префронтальной коры12,22,23, мотор cortices24, 25,26,27,28, первичной слуховой коры29,30, регионов, связанных с эмоциональным сети регионов31,32 ,33правой нижней лобной извилины и визуальный коре34,35.

Основные механизмы многих неврологических расстройств неизвестны. В примере шум в ушах это не очевидный источник для фантомного звука в большинстве случаев36,,3738. Несмотря на это данные свидетельствуют о том, что центральный механизм может нести ответственность за шум в ушах перцепции в некоторых людей, как продемонстрировано отсутствие симптомов резолюции после полного рассечение слухового нерва39. Гиперактивность, связанные с шумом в ушах были найдены в первичной слуховой коры40,,4142. Далее данные свидетельствуют о том, что воздействие шума в ушах продлить в районы, участвующих в обработке эмоций и внимания43государства. Основываясь на этих аномалий, МР-томографию NFT парадигмы могут быть разработаны чтобы побудить и neuroplastic механизмы, способствующие нормальной нейронных структур контроля.

Protocol

следующий протокол МР-томографию NFT соответствует указаниями институциональных Наблюдательный Совет государственного университета Райт. 1. контрольные группы тщательно рассмотреть и определить управления групп априори. Дизайн управления группу(ы) разрешить hypothesis(es) должны оцениваться и учитывать последствия от дополнительных факторов, таких как практика или ожиданий, созданных обратной связи отображает 44. 2. Установка оборудования подготовить все оборудование до того, как участник входит в комнату МРТ, используя те же процедуры как традиционные МР-томографию. К MR-совместимые системы отображения и ответ устройства стимул компьютеру (ПК). Маршрут кабелей для ответа MR-совместимых устройств и наушников через или вокруг МРТ родила. МРТ Соедините выход TR-триггер стимул PC. Примечание: В некоторых установок, это может быть связано с MR-совместимого оборудования устройства ответ, который затем подключается к компьютеру, стимул. Это крайне необходимо для приобретения раздражителей и данных синхронизации. Позиция MR-совместимый дисплей так, что она будет видна для участника через зеркало (для) прикреплены к головы катушки. 3. Участница позиционирование Примечание: участник должен быть размещен в таблице сканера аналогичным образом типичные мозга МРТ и так же, как традиционные МР-томографию. У участников лежат вниз в лежачем положении на таблице сканера. Попросите их, чтобы поддерживать их голову внутрь головы катушки. Место наушники на участника ' s голова и обеспечить охват уши. Если требуется защита дополнительные слушания, вставьте беруши до позиционирование головы телефоны. Место площадку под участник ' s колени для дополнительного комфорта. Зафиксировать верхней части тела головы катушки. Прикрепите зеркало головы катушки. Позиция ответ устройства в участник ' руки ф. Ориентир расположение участник ' s Насьон относительно сканер. Перемещение landmarked местоположение для центра МРТ родила. Убедитесь, что участник может просматривать весь экран с помощью зеркала. Попросите участника для регулировки зеркала как необходимости. 4. Локализация целевого региона выполнения " функциональной " локализатора. Используйте активность мозга от функциональных локализатор для определения целевого региона интерес (ROI) 11. Примечание: Этот запуск выполняется аналогичным образом для традиционных МР-томографию. Однако цель ROI также могут быть определены с помощью индивидуальных анатомии или стандартизированных атласы, избавляя от необходимости выполнять функциональные локализатора. Инструкции представить сценарий или визуального задачи участнику. Примечание: Эти инструкции должны быть кратким, но содержат адекватную информацию, чтобы позволить участник успешно выполнять задачи выполняются в ходе функционального локализатору. Здесь инструкции информировать участника, что точка будет находиться на экране, и они могут слышать звуки в наушниках. Их цель заключается в том, чтобы расслабиться и сосредоточиться на точку. Начать синхронизацию администрации звуковые раздражители (например, двусторонние непрерывной белого шума 29) и сбора данных, нажав " сканирования " кнопку сканера, г-н. Примечание: Это осуществляется путем программирования представления раздражителей, с помощью триггера TR от приобретения МР-томографию. TR триггер контролируется через протокол МР-томографию, однако это может зависеть от производителя МРТ и установленных пакетов. Любые визуальные, тактильные и/или слуховой раздражители могут поставляться для выполнения других задач или других регионов. Альтернативные поставки раздражителей (белый шум) задачи с соответствием контроля раздражителей (отсутствие шума) в шаблоне заблокированы. Использовать управления стимулы для активации нежелательных сетей/системы, активированные в задачи раздражители. Примечание: Это чередование происходит синхронизация стимулы к приобретению МР-томографию и мониторинг импульсов TR. Сбор целом мозг эхо плоских изображений с помощью последовательности импульсов МРТ градиент напомнил эхо; пример параметров для последовательности импульсов включают приобретение матрица 64 x 64 элементов в фазы и частоты направлениях, 41 срезы параллельно краю к плоскости передней спайки задней спайки, 3.75 x 3,75 х 3 мм 3 voxel размер, разрыв среза 0,5 мм, жира подавления включена, TR/TE = ms 2000/20 и флип угол = 90 °. Вычислить активации карты из МР-томографию данных, собранных в ходе функционального локализатор, с помощью многомерного статистического. Примечание: Следующие шаги являются разновидностью обработки, выполняемые для традиционных МР-томографию. Некоторые шаги были удалены или упрощена, чтобы уменьшить время обработки. Preprocess данные во время сбора данных с помощью пользовательского программного обеспечения создаются из стандартных предварительной обработки методов 12 , 45. Выполняют 3D пространственной фильтрации с использованием гауссовой НЧ-ядра (полной ширины половину максимум 4,5 мм). Правильно для поступательного движения, совместив центр масс для каждого тома в первом томе функциональных локализатор, с использованием tri линейной интерполяции. Выполнения временной фильтрации с использованием гауссовой НЧ-ядра с σ = 3 s. Создать модель для прогнозирования нейрофизиологических ответ на задачу; это выполняется так же, как традиционные МР-томографию. Создать психологическую модель, которая описывает активные и остальные государства для каждой точки время 46. Это моделирует моменты времени в ходе задачи со значением ' 1 ' и контролировать с ' 0 '. Размывание психологической модели с предопределенные функции гемодинамические реакции (HRF) 46 предсказать МР-томографию (нейрофизиологических) ответ на задачу. Подходят данные МРТ на каждым вокселом как функция времени в нейрофизиологических модель, используя общие линейные модели (GLM). Это приводит к карте параметра β, который преобразуется в t – или z-Статистика карт (активации) с помощью стандартных статистических преобразований. Использовать карту активации, накладывается на изображение среднего МР-томографию для определения региона, в котором будет определяться сигнал обратной связи для последующего neurofeedback. Примечание: Это выполняется с помощью специализированного программного обеспечения. Чтобы удалить глобальные и неспецифические изменения, могут быть определены второй ROI. Navigate через фрагменты с помощью ползунка колесо мыши или ползунок на срез найти анатомические маркеры видны в fДанные МРТ например нижней поверхности лобной рога боковых желудочков 12. Порог активации карты, используя адвокатское сословие слайдера Порог раскрыть вокселей наиболее энергично активирована во время функционального локализатора в целевом регионе. Выполнить это, выбрав порог априорные или вручную регулировка порога. Используйте левую кнопку мыши для выбора отдельных вокселей с активацией выше выбранного порога и в рамках целевого региона для добавления ROI. Примечание: Вокселей могут быть выбраны из одного или более ломтиков. 5. МР-томографию NFT поведения neurofeedback выполняется с использованием крытые вагоны модели с чередующимися задач и контроля условий. Реализации задачи условие где участники повышать или понижать активность целевого региона, с руководством управления имеют решающее значение для достижения желаемых результатов. Примечание: К примеру, многие регионы мозга гиперактивных в больных с шумом в ушах и, таким образом, снижение активности может стимулировать нормальный нейронных структур. Альтернативные условия задач с условием управления, где участники вернуться деятельность на отдых, расслабляющий и очистка их ум. Обеспечивают участник с примером сценария сосредоточения задач для использования при обоих условиях как начиная СПИДа для модулирует активность мозга к желаемой государства. Поручить участник для выполнения задач внимательность активности мозга, диск к желаемой государства. В примере шум в ушах, проинструктируйте участников, чтобы отвлечь внимание от слуховой системы на другие сенсорные системы для снижения слуховой активности. Базовые вычисления Примечание: благодаря настройке МРТ аппаратных компонентов до каждого запуска, базовые показатели используются для нормализации данных до представления обратной связи для участника. В среднем базовые определяется для целевого региона, используя в среднем один или несколько томов, приобрел в начале каждого МР-томографию NFT запускать 12 , 47. Поручить участник расслабиться во время обратный отсчет, представлены в начале сканирования. Начать синхронизирован раздражителей представления и сбора данных, нажав " сканирования " кнопку на МРТ сканер. Сбор эхо плоских изображений с помощью последовательности импульсов МРТ градиент напомнил эхо таким же образом, как предписано для функциональных локализатора в шаге 4.1.2. Приобретение базовых томов. Визуально представить таймер обратного отсчета и отображения пустых обратной связи. Обработки данных во время приобретения, с помощью специализированного программного обеспечения. Выполняют 3D пространственной фильтрации с использованием гауссовой НЧ-ядра (полной ширины половину максимум 4,5 мм). Исправление для поступательного движения с использованием центра масс для каждого тома; каждого тома зарегистрирована до первого тома функциональных локализатор, с использованием tri линейной интерполяции. Вычисления Средний сигнал от целевой рентабельности инвестиций во времени и пространстве. Сумма сигналы от всех вокселей в рамках целевой ROI в каждом томе. Создавать ROI среднее для каждого тома путем деления суммы на количество вокселей в ROI. Средние суммы из базовых томов. Приобрести neurofeedback тома предварительной обработки данных во время приобретения, с помощью специализированного программного обеспечения. Выполняют 3D пространственной фильтрации с использованием гауссовой НЧ-ядра (полной ширины половину максимум 4,5 мм). Правильно для поступательного движения, совместив центр масс для каждого тома в первом томе функциональных локализатор, с использованием tri линейной интерполяции. Вычислить сигнал обратной связи. Сигнал обратной связи является производным от каждого приобретенного тома во время МРТ NFT. Это информация, которая представляется участником для оказания помощи обучения волевого контроля. Средняя МР-томографию сигнал от всех вокселей в рамках целевой рентабельности инвестиций для создания одного значения. Вычислить процент изменения между текущей ROI среднее и в среднем базовой рентабельности. При необходимости, этот сигнал может быть масштабированное фактор зависит от участника ' производительность ф. Височно фильтрации для вычисления сигнал обратной связи (Gaussian НЧ-ядро с сигма 3 s, состоящий из только последние компоненты) текущий процентное изменение с сигналы обратной связи от предыдущих томов neurofeedback. Отображать сигнал обратной связи. Отображения текущей обратной связи сигнал через участок бар термометр стиль, где высота панели пропорциональн к обратной связи значение 18 , 19 , 21 ,- 34. Дисплей оверлей инструкции для участника на обратной связи,. Примечание: Эти инструкции просты и следует направлять участникам расслабиться, или повышать или понижать активность (то есть бар термометр). Дополнительно предоставить дополнительные стимуляции. Дополнительные визуальные, слуховые или тактильной стимуляции могут быть представлены одновременно с обратной связи. 6. Оценить способность самостоятельно регулировать целевой ROI. Примечание: после завершения neurofeedback, способность самостоятельно регулировать целевой регион для каждого запуска подготовки необходимо быть количественно. Анализ внутри предметные изменения в обратной связи сигналов 12. Создание психологической модели, представляющие остальные и задач условия neurofeedback. Примечание: Эта модель convolved с заранее HRF производить нейрофизиологических модель. Этот процесс является таким же, как описано для функциональных локализатору. Fit сигнал обратной связи временных рядов на нейрофизиологических модель с использованием GLM. Это приводит к β-параметр, который преобразуется в t – или z-статистика представитель способность к саморегулированию. Между предметом сравнений. Примечание: Статистика представитель саморегулирования производительности можно сравнить бежит и групп с помощью соответствующего статистического анализа (например, в паре t – тесты или ANOVAs). Эти тесты оценить изменения в способности самостоятельно регулировать целевого региона через обучение и групп и может использоваться для оценки исследования ' hypothesis(es) ф.

Representative Results

Наша команда продемонстрировала значительное увеличение контроля над левой Дорсолатеральное префронтальной коры (DLPFC), извлеченные из МР-томографию NFT в когорте 18 участников. В рамках темы односторонний дисперсионный анализ была исполнена на количественных значений волевого управления12. Этот анализ выявил управления слева DLPFC значительно возросли на 5 x6 min:24 s пробегов neurofeedback разделены на пять отдельных сессий, проводимых в рамках 14 d (рис. 1; F(4,68) = 2,216, p = 0,038, сферичность предположить, одностороннее). Изменения в производительности на сложных многозадачность испытанию, до и после NFT, были по сравнению с группой, которая не получают neurofeedback с использованием смешанной модели ANOVAs 2 x 2. Пост hoc, исправлены Бонферрони сравнения показали значительное увеличение производительности на сложных многозадачность тест, который не получают дополнительную подготовку (p < 0,005, одностороннее), и это увеличение было значительно больше, чем у контрольной группы который осуществляет подготовку аналогичных, но не было представлено дополнительной помощи neurofeedback (p < 0,03, сферичность предположить, одностороннее)12. Несмотря на группе эксперимент, получить контроль над левой DLPFC через обучение плато не наблюдалось. Это означает, что максимальный контроль не является необходимым для получения поведенческих результатов и что даже больший эффект может быть возможным с дальнейшей подготовки12. Кроме того, наша команда показала МР-томографию NFT в сочетании с n-обратно практика создает фокуса изменения активности мозга, которые приурочены к целевой области и не влияет на поток вверх или вниз компоненты рабочей памяти сети (Рисунок 2) 22. О шум в ушах одно из предыдущих исследований расследовала МР-томографию NFT как возможного лечения29. В этом исследовании в одной учебной сессии были завершены 4 x 4 мин работает neurofeedback. Были проведены поведенческие оценки шум в ушах, до и после сессии NFT одного МР-томографию. Успешные волевого вниз регулирование аудиальном кортексе достигнуто и привело к значительному сокращению слуховой активации. Это исследование показывает обещание МР-томографию NFT в лечении шума в ушах, однако, только шесть участников были изучены и контрольной группой не использовался для сравнения. Кроме того анализ статистических данных, включая поведенческие данные не были выполнены. Развивая это исследование может выявить интересные новые возможности лечения для пациентов, шум в ушах. Рисунок 1: усиление контроля над левой DLPFC. Средний левый DLPFC управления для каждого запуска neurofeedback (выполняется на отдельных дней) обозначаются светло зеленые круги. Линейный регрессионный анализ показал значительное увеличение контроля через обучение (темно зеленая линия; β = 1.078, p < 0,033). Планки погрешностей представляют 1 SEM. Unmodified работу от Шервуд и др. 12, переиздан под лицензией Creative Commons Attribution. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 2: локализованных эффект обучения слева DLPFC. (A) вероятность включения voxel для МР-томографию NFT, выбранных из n-обратно функциональных локализатора. Светло синий вокселей были включены наиболее часто в целевом регионе NFT, темно синий вокселей были включены менее часто, и ясно вокселей не были включены. (B) Voxel-на-основе дисперсионного анализа результатов для основной эффект учебной сессии (красный желтый). Этот эффект показал большие совпадения с левой DLPFC трансформирования, предназначенных для NFT. Осевой фрагменты отображаются в радиологических Конвенции на координаты z = 22, 26, 30, 34 и 38 мм (слева направо). Неизмененное работа от Шервуд и др. 22, переиздан под лицензией Creative Commons Attribution. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Discussion

Протокол NFT МР-томографию, обсуждали здесь могут быть адаптированы для любой области мозга и обсуждает одномерные, подход, основанный на ROI, чтобы neurofeedback. Это может быть достигнуто путем программирования дополнительных функциональных локализатор задачи для того чтобы активировать другие регионы. Включив эти задачи в пользовательских neurofeedback программного обеспечения, мы разработали очень простой процесс. Однако, есть одно ограничение: должны быть функционально определены целевой регион. В это время программное обеспечение, которое наша команда разработала не выполняет никакой регистрации между функциональной и анатомических изображений. Таким образом другие методы выбора ROI, например на основе Атлас трансформирования, не может осуществляться в это время. Кроме того параметры для раздражителей и нейрофидбэк (например, блок продолжительность, количество блоков и параметры обработки изображений, включая TR) можно легко манипулировать оператором. Кроме того передача запускается для оценки способности самостоятельно регулировать цель, которую может осуществляться ROI в отсутствие neurofeedback. Программное обеспечение, которое мы разработали не предлагают neurofeedback, используя многомерные модели35,48 или связь между мозга регионов49.

МР-Томографию NFT предлагает значительные преимущества перед другими формами neurofeedback, но также имеет свои ограничения. Основным преимуществом МРТ NFT является разрешением, которое превосходит все другие виды NFT например электроэнцефалограммы (ЭЭГ)-на основе neurofeedback. Расширение пространственным разрешением позволяет конкретных мозга структур и функций через весь мозг целевой50. В настоящее время это не достижимо с другими видами лечения, например фармакотерапии, которые систематически. Однако основным недостатком МР-томографию NFT является время задержки. Не только дискретизации гораздо медленнее, чем ЭЭГ (до 3 порядков медленнее), гемодинамики задержки, связанные с МР-томографию сигнала далее добавляет к этой задержки. Несмотря на это есть убедительные доказательства, что участники могут преодолеть эту задержку и с практикой, научиться контролировать активность мозга (например, для обзора см Sulzer и др. 11 и Scharnowski и др. 50).

Растет популярность МР-томографию NFT, но он остается в стадии младенчества. Благодаря этому общей практики еще не принят. Протокол описан подробно методы, которые научно принимаются. Например были использованы несколько форм обратной связи дисплеев через различных исследований, в том числе термометр стиль бар участок18,19,21,34. Кроме того сигнал обратной связи представлены как процент сигнал изменения с базового плана вычисляется из целевого региона также был широко реализовано12,19,21,25 , 30 , 51 , 52.

Управление пластиковых эффекты в мозге предлагает инновационные терапевтические техники для лечения неврологических расстройств или травм головного мозга с ненормальным мозговой деятельности, например, связанные с шумом в ушах, рассмотренных выше. Хотя до сих пор неизвестны точные механизмы перевода neuromodulation на поведенческие эффекты, МР-томографию NFT был связан с LTP11. Через процесс обучения поведение усиливается, когда один активно регулирует активность мозга в сетях мозга, связанных с задачей. Такие подкрепления результаты участия механизмов neuroplastic, вызывая в сети более эффективно выполнять. Это совпадает с другими методами NFT, например на основе ЭЭГ neurofeedback, где люди проходят подготовку для управления частот электрических сигналов, измеренная от местных регионов головы53,54,55 . Другие указали, что МТП из синаптической пластичности, что приводит к более синаптическую эффективность12. Еще другим назначениям предполагает, что клеточных механизмов обучения могут включать изменения в проводимость мембраны напряжени тока зависимых, который выражается в виде изменения в нервной возбудимости13. В любом случае похоже, МР-томографию, которую NFT вызывает изменения на клеточном уровне, и что человек может узнать некоторые контроля над этими процессами. Эта способность и эти изменения могут быть критическим в изучении и разработке методов лечения травм мозга и неврологических расстройств.

Важным аспектом МР-томографию NFT — для измерения изменений в поведении. Это крайне необходимо для много гипотез, которые предсказывают поведенческих изменений, обусловленных NFT-индуцированных изменений нервной. Как минимум, эти оценки должны быть собраны в двух точках времени: до и после NFT. В случае шум в ушах эти поведенческие оценки может состоять исключительно из субъективных вопросников как существует никаких прямых мер для звон в ушах. Для других неврологических расстройств обзор литературы должны проводиться для определения соответствующих, разумные и документально оценки для конкретных hypothesis(es) проводится расследование. Некоторые гипотезы требуют измерения в точках дополнительное время, например тех, кто изучает вблизи-, кратко- и долгосрочные последствия МР-томографию NFT. Некоторые оценки может потребовать подготовки до NFT для уменьшения воздействия обучения. Другие гипотезы может даже потребовать неврологических тестирования как тех, кто заинтересован в уровнях мозга метаболитов, церебральной перфузии или функциональных сетей.

МР-томографию NFT процедура имеет два критических этапов. Первым является определение области мозга целевой для neurofeedback. До проведения любой процедуры, следует проводить тщательный обзор литературы расследовать нервные пути и важных структур/функции, связанные с расстройства неврологического или черепно-мозговой травмы. Исходя из этого основные структуры и функций следует тщательно выбрана в качестве целевой для neurofeedback. Далее, еще один обзор литературы должно выполняться для изучения задач, связанных с этой структурой/функции. Эта задача может или не может быть связан с расстройством, но следует подтвердить, что задача активирует желаемого регион(ы) населения назначенных. Во время процедуры neurofeedback этот целевой регион будет выбран на индивидуальной основе на каждой сессии или на первой сессии. Таким образом subject и внутри изменчивости могут быть важными факторами, которые могут привести к непредсказуемым результатам. Важно создать протокол для выбора целевого региона и проведение адекватной подготовки персонала. Существует два метода для определения целевой ROI: анатомически и функционально. Анатомические определения использовать структурные МРТ для определения целевого региона строго от анатомии,и возможно, с использованием стандартной Атлас. Функциональные изображения регистрируются на структурные изображения, и целевой регион превращается в функциональные пространства21,26. В методе функциональных целевой регион выбирается из активации карты, производится путем проведения функционального локализатор11,12,24,,2944. Этот метод был обсужден здесь.

Второй критический этап в МР-томографию NFT — выбор группы управления. Группы управления играют решающую роль в определении влияния МР-томографию NFT, и выбор контрольных групп должны быть тщательно рассмотрены. Предыдущие исследования использовали широкий спектр элементов управления. Общая процедура для группы управления является попытка волевого контроля при наличии Шам обратной связи. Эта обратная связь может быть yoked от участника в экспериментальной группе21,44, предоставляемых из региона, не участвует в процессе желаемого незаметно участник17,33, 44, или перевернутый52. Другие исследования использовали контрольных групп, которые пытаются волевого контроля, но не предоставляются с neurofeedback12,,2144,56.

Предыдущее исследование свидетельствует о том, что когда предметы пытаются контролировать Шам обратной связи, есть увеличение активации в двусторонних insula, передней поясной, дополнительный мотор, дорсомедиального и боковой префронтальной области по сравнению с пассивно наблюдать Отображение обратной связи57. Эти выводы вовлечь широкий лобно теменной и cingulo-opercular сеть активируется, когда существует намерение контролировать активность мозга. Кроме того эти результаты показывают, традиционных контрольных групп, используемых в экспериментах NFT будет использовать нейронные корреляты соответствует когнитивные контроля, даже в присутствии Шам обратной связи. Отдельный мета анализ показал активность в передней insula и базальных ганглиев, оба из которых являются регионы вовлеченных в когнитивной управления и других высших когнитивных функций, для попытки волевого контроля58важны компоненты. Результаты мета анализа подтвердил предыдущий вывод57. Взятые вместе, это данные свидетельствуют о том, что важно разграничить последствия успешной волевого контроля и те относящиеся к попытке саморегулирования. Таким образом Включение контрольных групп, которые не пытайтесь саморегулирование может иметь важное значение.

Однако предыдущие исследования, где сигналы управления группы получил Шам МР-томографию выявили различия в целевой рентабельности деятельности были замечены от тех, кто получил истинное обратной связи15,16,17, 18 , 20 , 21 , 25 , 26 , 28 , 33 , 34 , 44, подразумевающее стратегии подготовки кадров, которые не включают обратной связи не являются эффективными в модуляции целевого региона. Кроме того группы элементов управления, которые получили одинаковые инструкции и тот же период обучения, но не получить обратную связь о нынешнем уровне активности мозга не демонстрируют аналогичные поведенческие результаты экспериментальной группы, которые были даны Neurofeedback12,18,,2132,44,59. Эти результаты показывают, что эмпирического эффекты обусловлены МР-томографию NFT-индуцированной обучения вместо других обучения или неспецифические изменения. Таким образом должны быть разработаны специальные учебные схемы который целевых конкретных нейрофизиологические систем для получения желаемого эффекта. Результаты исследования с различными группами управления указывают поведенческие обучение, практика, сенсорной обратной связи и биологической обратной связи только не производят эквивалентные поведенческие эффекты, как те, которые получают МР-томографию NFT44.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Этот материал основан на исследованиях, при поддержке ВВС США под номером FA8650-16-2-6702 соглашения. Мнения принадлежат авторам и не отражают официальную точку или политики Министерства обороны и ее компонентов. Правительство США имеет право воспроизводить и распространять переиздание для государственных целей независимо от любого авторского обозначения по этому вопросу. Добровольное, полностью осознанного согласия субъектов, используемые в данном исследовании был получен как предусмотрено 32 CFR 219 и ДОДИ 3216.02_AFI 40-402.

Materials

3T MRI GE Medical 750W Discovery Data Acquisition Hardware
MR-Compatible Display System InVivo SensaVue Visual Stimuli Hardware
MR-Compatible Auditory System Resonance Technologies CinemaVision Auditory Stimuli Hardware
Experimental Stimulus Software Neurobehavioral Systems Presentation Software to Control Stimuli Presentation
Experimental Processing Software Mathworks MATLAB Software to Process Data
Data Processing Software Microsoft Visual Studio C++ Software to Process Data
Response Pads Cedrus Corporation Lumina Hardware to Receive Participant Input
DOWNLOAD MATERIALS LIST

References

  1. Vanneste, S., Plazier, M., der Loo, E. V., de Heyning, P. V., Congedo, M., De Ridder, D. The neural correlates of tinnitus-related distress. NeuroImage. 52 (2), 470-480 (2010).
  2. Cox, R. W., Jesmanowicz, A., Hyde, J. S. Real-time functional magnetic resonance imaging. Magn Reson Med. 33 (2), 230-236 (1995).
  3. Weiskopf, N., et al. Real-time functional magnetic resonance imaging: methods and applications. P Int School Magn Reson Brain Funct. 25 (6), 989-1003 (2007).
  4. Hirsch, J., et al. An integrated functional magnetic resonance imaging procedure for preoperative mapping of cortical areas associated with tactile, motor, language, and visual functions. Neurosurgery. 47 (3), 711-722 (2000).
  5. Yoo, S. -. S., et al. Brain computer interface using fMRI: spatial navigation by thoughts. Neuroreport. 15 (10), 1591-1595 (2004).
  6. Sorger, B., Reithler, J., Dahmen, B., Goebel, R. A real-time fMRI-based spelling device immediately enabling robust motor-independent communication. Curr Biol. 22 (14), 1333-1338 (2012).
  7. Yoo, J. J., et al. When the brain is prepared to learn: Enhancing human learning using real-time fMRI. NeuroImage. 59 (1), 846-852 (2012).
  8. Weiskopf, N., et al. Physiological self-regulation of regional brain activity using real-time functional magnetic resonance imaging (fMRI): methodology and exemplary data. NeuroImage. 19 (3), 577-586 (2003).
  9. Fetz, E. E. Volitional control of neural activity: Implications for brain-computer interfaces. J Physiology. 579 (Pt 3), 571-579 (2007).
  10. Fetz, E. E. Operant Conditioning of Cortical Unit Activity. Science. 163 (3870), 955-958 (1969).
  11. Sulzer, J., et al. Real-time fMRI neurofeedback: Progress and challenges. NeuroImage. 76, 386-399 (2013).
  12. Sherwood, M. S., Kane, J. H., Weisend, M. P., Parker, J. G. Enhanced control of dorsolateral prefrontal cortex neurophysiology with real-time functional magnetic resonance imaging (rt-fMRI) neurofeedback training and working memory practice. NeuroImage. 124 (A), 214-223 (2016).
  13. Mozzachiodi, R., Byrne, J. H. More than synaptic plasticity: Role of nonsynaptic plasticity in learning and memory. Trends Neurosci. 33 (1), 17-26 (2010).
  14. Weiskopf, N., Scharnowski, F., Veit, R., Goebel, R., Birbaumer, N., Mathiak, K. Self-regulation of local brain activity using real-time functional magnetic resonance imaging (fMRI). J Physiology-Paris. 98 (4-6), 357-373 (2004).
  15. deCharms, R. C., Christoff, K., Glover, G. H., Pauly, J. M., Whitfield, S., Gabrieli, J. D. E. Learned regulation of spatially localized brain activation using real-time fMRI. NeuroImage. 21 (1), 436-443 (2004).
  16. Hamilton, J. P., Glover, G. H., Hsu, J. -. J., Johnson, R. F., Gotlib, I. H. Modulation of subgenual anterior cingulate cortex activity with real-time neurofeedback. Hum Brain Mapp. 32 (1), 22-31 (2011).
  17. Zotev, V., et al. Self-regulation of amygdala activation using real-time fMRI neurofeedback. PLoS ONE. 6 (9), e24522 (2011).
  18. Caria, A., et al. Regulation of anterior insular cortex activity using real-time fMRI. NeuroImage. 35 (3), 1238-1246 (2007).
  19. Veit, R., Singh, V., Sitaram, R., Caria, A., Rauss, K., Birbaumer, N. Using real-time fMRI to learn voluntary regulation of the anterior insula in the presence of threat-related stimuli. Soc Cogn Affect Neur. 7 (6), 623-634 (2012).
  20. Lee, J. -. H., Kim, J., Yoo, S. -. S. Real-time fMRI-based neurofeedback reinforces causality of attention networks. Neurosci Res. 72 (4), 347-354 (2012).
  21. McCaig, R. G., Dixon, M., Keramatian, K., Liu, I., Christoff, K. Improved modulation of rostrolateral prefrontal cortex using real-time fMRI training and meta-cognitive awareness. NeuroImage. 55 (3), 1298-1305 (2011).
  22. Sherwood, M. S., Weisend, M. P., Kane, J. H., Parker, J. G. Combining real-time fMRI neurofeedback training of the DLPFC with n-back practice results in neuroplastic effects confined to the neurofeedback target region. Front Behav Neurosci. 10 (138), 1-9 (2016).
  23. Zhang, G., Yao, L., Zhang, H., Long, Z., Zhao, X. Improved working memory performance through self-regulation of dorsal lateral prefrontal cortex activation using real-time fMRI. PLoS ONE. 8 (8), e73735 (2013).
  24. Sitaram, R., et al. Acquired control of ventral premotor cortex activity by feedback training: an exploratory real-time fMRI and TMS study. Neurorehab Neural Re. 26 (3), 256-265 (2012).
  25. Subramanian, L., et al. Real-time functional magnetic resonance imaging neurofeedback for treatment of Parkinson’s Disease. J Neurosci. 31 (45), 16309-16317 (2011).
  26. Yoo, S. -. S., Lee, J. -. H., O’Leary, H., Panych, L. P., Jolesz, F. A. Neurofeedback fMRI-mediated learning and consolidation of regional brain activation during motor imagery. Int J Imag Syst Tech. 18 (1), 69-78 (2008).
  27. Berman, B. D., Horovitz, S. G., Venkataraman, G., Hallett, M. Self-modulation of primary motor cortex activity with motor and motor imagery tasks using real-time fMRI-based neurofeedback. NeuroImage. 59 (2), 917-925 (2012).
  28. Chiew, M., LaConte, S. M., Graham, S. J. Investigation of fMRI neurofeedback of differential primary motor cortex activity using kinesthetic motor imagery. NeuroImage. 61 (1), 21-31 (2012).
  29. Haller, S., Birbaumer, N., Veit, R. Real-time fMRI feedback training may improve chronic tinnitus. Eur Radiol. 20 (3), 696-703 (2010).
  30. Haller, S., et al. Dynamic reconfiguration of human brain functional networks through neurofeedback. NeuroImage. 81, 243-252 (2013).
  31. Johnston, S. J., Boehm, S. G., Healy, D., Goebel, R., Linden, D. E. J. Neurofeedback: A promising tool for the self-regulation of emotion networks. NeuroImage. 49 (1), 1066-1072 (2010).
  32. Johnston, S., Linden, D. E. J., Healy, D., Goebel, R., Habes, I., Boehm, S. G. Upregulation of emotion areas through neurofeedback with a focus on positive mood. Cogn Affect Behav Ne. 11 (1), 44-51 (2011).
  33. Rota, G., et al. Self-regulation of regional cortical activity using real-time fMRI: The right inferior frontal gyrus and linguistic processing. Hum Brain Mapp. 30 (5), 1605-1614 (2009).
  34. Scharnowski, F., Hutton, C., Josephs, O., Weiskopf, N., Rees, G. Improving visual perception through neurofeedback. J Neurosci. 32 (49), 17830-17841 (2012).
  35. Shibata, K., Watanabe, T., Sasaki, Y., Kawato, M. Perceptual learning incepted by decoded fMRI neurofeedback without stimulus presentation. Science. 334 (6061), 1413-1415 (2011).
  36. Fowler, E. Head noises in normal and in disordered ears: Significance, measurement, differentiation and treatment. Arch Otolaryngol. 39 (6), 498-503 (1944).
  37. Penner, M. J. An estimate of the prevalence of tinnitus caused by spontaneous otoacoustic emissions. Arch Otolaryngol. 116 (4), 418-423 (1990).
  38. Sismanis, A., Smoker, W. R. K. Pulsatile tinnitus: Recent advances in diagnosis. Laryngoscope. 104 (6), 681-688 (1994).
  39. Folmer, R. L., Griest, S. E., Martin, W. H. Chronic tinnitus as phantom auditory pain. Otolaryngology. 124 (4), 394-400 (2001).
  40. Gu, J. W., Halpin, C. F., Nam, E. -. C., Levine, R. A., Melcher, J. R. Tinnitus, diminished sound-level tolerance, and elevated auditory activity in humans with clinically normal hearing sensitivity. J Neurophysiol. 104 (6), 3361-3370 (2010).
  41. Schecklmann, M., et al. Neural correlates of tinnitus duration and distress: A positron emission tomography study. Hum Brain Mapp. 34 (1), 233-240 (2013).
  42. Geven, L. I., de Kleine, E., Willemsen, A. T. M., van Dijk, P. Asymmetry in primary auditory cortex activity in tinnitus patients and controls. Neurosci. 256, 117-125 (2014).
  43. Seydell-Greenwald, A., Leaver, A. M., Turesky, T. K., Morgan, S., Kim, H. J., Rauschecker, J. P. Functional MRI evidence for a role of ventral prefrontal cortex in tinnitus. Brain Res. 1485, 22-39 (2012).
  44. deCharms, R. C., et al. Control over brain activation and pain learned by using real-time functional MRI. P Natl Acad Sci USA. 102 (51), 18626-18631 (2005).
  45. Friston, K. J., et al. Analysis of fMRI time-series revisited. NeuroImage. 2 (1), 45-53 (1995).
  46. Ashby, F. G. . Statistical analysis of fMRI data. , (2011).
  47. Ruiz, S., et al. Acquired self-control of insula cortex modulates emotion recognition and brain network connectivity in schizophrenia. Hum Brain Mapp. 34 (1), 200-212 (2013).
  48. Papageorgiou, T. D., Curtis, W. A., McHenry, M., LaConte, S. M. Neurofeedback of two motor functions using supervised learning-based real-time functional magnetic resonance imaging. Eng Med Biol Soc Ann. , 5377-5380 (2009).
  49. Koush, Y., et al. Connectivity-based neurofeedback: Dynamic causal modeling for real-time fMRI. NeuroImage. 81, 422-430 (2013).
  50. Scharnowski, F., Weiskopf, N. Cognitive enhancement through real-time fMRI neurofeedback. Curr Opin Behav Sci. 4, 122-127 (2015).
  51. Sulzer, J., et al. Neurofeedback-mediated self-regulation of the dopaminergic midbrain. NeuroImage. 83, 817-825 (2013).
  52. Berman, B. D., Horovitz, S. G., Hallett, M. Modulation of functionally localized right insular cortex activity using real-time fMRI-based neurofeedback. Front Human Neurosci. 7 (638), 1-11 (2013).
  53. Birbaumer, N., Cohen, L. G. Brain-computer interfaces: Communication and restoration of movement in paralysis. J Physiol. 579 (3), 621-636 (2007).
  54. Daly, J. J., Wolpaw, J. R. Brain-computer interfaces in neurological rehabilitation. Lancet Neurol. 7 (11), 1032-1043 (2008).
  55. Ros, T., Munneke, M. A. M., Ruge, D., Gruzelier, J. H., Rothwell, J. C. Endogenous control of waking brain rhythms induces neuroplasticity in humans. Eur J Neurosci. 31 (4), 770-778 (2010).
  56. Linden, D. E. J., et al. Real-Time Self-regulation of emotion networks in patients with depression. PLoS ONE. 7 (6), e38115 (2012).
  57. Ninaus, M., et al. Neural substrates of cognitive control under the belief of getting neurofeedback training. Front Hum Neurosci. 7 (914), 1-10 (2013).
  58. Emmert, K., et al. Meta-analysis of real-time fMRI neurofeedback studies using individual participant data: How is brain regulation mediated?. NeuroImage. 124, 806-812 (2016).
  59. Linden, D. E. J., Turner, D. L. Real-time functional magnetic resonance imaging neurofeedback in motor neurorehabilitation. Curr Opin Neurol. 29 (4), 412-418 (2016).

Tags

Real-time FMRINeurofeedback TrainingNeuroplastic MechanismsBrain Activity RegulationNeurologic DisordersSynaptic PotentialsFeedback-based TrainingMRI SetupTask InstructionsData Acquisition

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Sherwood, M. S., Diller, E. E., Ey, E., Ganapathy, S., Nelson, J. T., Parker, J. G. A Protocol for the Administration of Real-Time fMRI Neurofeedback Training. J. Vis. Exp. (126), e55543, doi:10.3791/55543 (2017).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image