Summary

Boyutsal Değişim Kartı Sıralama Performans ile Bilişsel Kontrol Ağları Associated Fonksiyonel Bağlantı yaşa bağlı farklılıklar araştırılması için Bir Yöntem

Published: May 07, 2014
doi:

Summary

Bu video hedeflenen görevler / süreçlerle meşgul bilişsel kontrol ağlarının fonksiyonel bağlantı yaşa bağlı değişiklikleri inceleyen bir yöntem sunuyor. Bu teknik fMRI verilerin çok değişkenli analiz temel alır.

Abstract

Ortamda ani değişikliklere davranışlarını ayarlamak için yeteneği çocukluk ve ergenlik döneminde yavaş yavaş gelişir. Örneğin, Boyutsal Değişim Kart Sıralama görevi, katılımcılar kendilerine renk gibi farklı bir şekilde, sıralama için, bu tür bir şekil olarak, kartlar bir şekilde sıralama geçer. Bu şekilde davranışı ayarlama küçük bir performans maliyeti, veya anahtar maliyeti, exacts tepkiler genellikle daha yavaş ve hata eğilimli anahtarı denemeleri olduğu gibi hangi sıralama kural aynı kalır hangi denemeleri tekrarlamak göre sıralama kural değişiklikleri. Esnek davranışlarını ayarlamak için yeteneği genellikle anahtar maliyetleri gibi davranışsal maliyetleri tipik olarak artan yaşla birlikte azalma kısmen çünkü, yavaş yavaş geliştiği söylenir. Gibi davranışsal esneklik gibi üst düzey biliş, yönleri, yani geliştirmek neden yavaş yavaş açık bir soru kalır. Bir hipotez bu değişikliklerin geniş çaplı bilişsel kontrol ağlarının fonksiyonel değişikliklerle birlikte meydana olmasıdır. Bu görüşe göre,Bu tür anahtarlama gibi karmaşık zihinsel işlemler, hızlı olanlar bu güncelleme ve görev kurallarını korumak gibi çeşitli dağıtılan beyin bölgeleri arasındaki etkileşimleri, yeniden şark dikkat basıp davranışları içerir. Gelişme, bu bölgeler arasındaki işlevsel bağlantıların daha hızlı ve daha verimli anahtarlama işlemleri neden güçlendirilmesi. Geçerli video, farklı yaşlardaki katılımcıların fMRI verilerin toplanması ve çok değişkenli analizler ile bu hipotezi test etmek için bir yöntem açıklanır.

Introduction

Davranışlarını düzenleyen yeteneği (inceleme için, Diamond 1 bakınız) çocukluk ve ergenlik döneminde yavaş yavaş gelişir. Boyutsal Değişim Kartı Sıralama görev, örneğin, katılımcılar onlara bu rengi 2 gibi farklı bir şekilde, (bkz. Şekil 2) sıralama için, bu tür bir şekil olarak, kartlar bir şekilde sıralama geçer. Anahtarlama, küçük bir performans maliyeti, veya anahtar maliyeti, exacts tepkiler genellikle daha yavaş ve hata eğilimli anahtarı denemeleri olduğu gibi hangi sıralama kural aynı 3 kaldığı denemeleri tekrarlamak göre sıralama kural değişiklikleri. Çocukların 4 büyüdükçe bu maliyetlerin büyüklüğü tipik davranış düzenlenmesi için kapasite hayatın erken gelişme devam uğrar gerçeğini gösteren, küçülür.

Bu tür anahtarlama gibi karmaşık zihinsel işlemleri, birden fazla beyin bölgelerinde 5 arasında hızlı etkileşimleri içerdiğinden, relati artan bir ilgi vargeniş çaplı bir kortikal ağlar 6 fonksiyonel organizasyonu değişikliklere daha yüksek dereceden biliş gelişimini ng.

Geniş çaplı ağlarda gelişim değişim soruşturma için bir yaklaşım, tohum bazlı fonksiyonel bağlantı analizi, 6,7 kullanımı geçer. Bu teknikte ilk adımı mevcut araştırma literatürünü danışmak ve söz konusu davranış ile ilgili gibi görünüyor önsel ilgi bölgeleri, ya da İB'leri, tanımlamaktır. Bu ROI ya da düğümler, ağın temel iskeleti tanımlar. Katılımcılar MRI tarayıcı istirahat ise Sonraki faaliyette düşük frekanslı dalgalanmaları bu ROI'lardaki (veya T2 * sinyal yoğunluğu ağırlıklı) 5-10 dakika boyunca ölçülür. Şebekenin herhangi iki birleşme noktası arasındaki işlevsel bağlantı daha sonra kendi sürelerinin korelasyon olarak ölçülür. Güçlü bir işlevsel olarak bağlı olan düğümler benzer olan ve bu nedenle son derece sinyalin korelasyon olmalıdırzamanlı kurslar. Diğer yandan, zayıf fonksiyonel olarak bağlanmış olan düğümlerin, farklı ve bu nedenle zayıf bir korelasyon vardır zaman akışlarını işaret gerekir. Ağın bir model tamamlamak için, kenarlar (veya bağlantıları) olan zaman içerisinde, seçilmiş bir eşik değerinin üzerinde bir korelasyon düğümler arasında çizilir. Bir ağ içinde fonksiyonel bir bağlantı yaşa bağlı farklılıklar testleri tek bir düğümden düğüme bağlantı veya düğümleri ve kenarlarının tüm set topoloji üzerinde yapılabilir. Fonksiyonel bağlantısı bu farklılıklar daha sonra çevrimdışı toplanan bilişsel performans ölçümlerinin ilgili olabilir.

Bu yazıda, farklı bir yaklaşım görev tabanlı fMRI veri 8 grup bağımsız bileşen analizine dayalı olduğu açıklanmıştır. Bağımsız bileşen analizi (veya ICA) körü körüne ortaya kaynaklar maksimum bağımsız böyle gözlemler kümesi altında yatan gizli kaynakları ortaya çıkarmak için bir istatistiksel bir yöntemdir. FMRI verilerin analizi, p uygulananrocedure her birim, uzaysal bağımsız kaynaklardan bir sonlu sayıda bir karışımı olduğunu varsayar. Böyle Infomax algoritması olarak farklı algoritmalar, çeşitli birini kullanarak, ICA sonra orijinal verilere uygulandığında maksimum bağımsız kaynaklardan veya bileşenlerin bir dizi veren bir Karışmama matrisi, tahmin. Her bileşen için ortak bir zaman süreci voksel paylaşan bir dizi içerir sürece, bir ağ olarak düşünülebilir. Grup ICA grubunun bileşenleri ortak bir dizi ilk tüm bir veri setinden tahmin edilir ve sonra grup bileşenlerinin katılımcı özel setleri bir arka rekonstrüksiyon adımda hesaplanmış olan ICA belirli bir türüdür. Tüm bir veri kümesi bileşenleri bir dizi içine ayrışır sonra, bir sonraki adım, gürültü kaynaklarını temsil artifaktüel bileşenlerini atmak ve ilgi ağları ile karşılık teorik olarak anlamlı bileşenlerini tespit etmektir. Bu ide bir GLM bağlamında modelleme bileşen zamanlı dersler yoluyla elde edilebiliruzaysal bir ilgi konusu bir ağ şablon, bileşenleri ya da her ikisi ile ilişkilendirerek, tahmin edilen bir şekilde aktif hale ağları ntify. Bileşenlerin çıkan set daha sonra teorik olarak ilginç ağlar 7,9,10 içinde fonksiyonel bağlantı mümkün yaşa bağlı farklılıklar test etmek için bir grup karşılaştırma sunulabilir.

Grup ICA uygulaması ile fonksiyonel bağlantı yaşa bağlı değişiklikleri okuyan görev tabanlı fMRI data dinlenme-devlet fMRI verilerine tohum temelli tekniklerin uygulama üzerinde birçok avantajı vardır. İlk olarak, bir priori tanımlanan İB'nin küçük bir set odaklanmak aksine tohum-tabanlı teknikler, mevcut grup ICA yaklaşım hacimsel zaman serisini oluşturan tüm vokselleri kullanır. Bu tohumlar küçük bir grup çıkar bölgeleri olarak a priori olarak seçildiğinde mutlaka ortaya bu önyargı için fırsatlar azalır. İkincisi, fonksiyonel bağlantı analizi (ICA-tabanlı veya başka türlü) için görev-uygulayarakdinlenme-devlet fMRI veri ağı organizasyon ve ağ fonksiyonu daha doğrudan ilişkili izin avantajına sahiptir ziyade. Örneğin, (örneğin DCCS performans farklılığının gibi) fonksiyonel bağlantı bilişsel veya davranışsal etkileri inceleyen bir öncelik, eğer, bu ilgi ağ görev performansı ile ilişkili olduğunu göstermek için önemlidir. Araştırmacı veri toplama sırasında katılımcı tarafından yaşanan her türlü bilişsel, davranışsal, duygusal veya devletlerin kaydı yok, çünkü dinlenme-devlet protokolleri ile, bu çok zordur. Bu ilgi herhangi bir ağ görevi performansı için uygun olduğunu, doğrudan kanıt sağlamak mümkün değildir. Böyle ICA gibi fonksiyonel bağlantı analizi, görev verilere uygulandığında aksine, bu ilgi ağı en az bir görevin performansı ile ilişkili olduğunu doğrulamak mümkündür. Son olarak, ICA gürültünün olumsuz etkisi daha az maruz kalır. Böyle olanlar ilişkili zekâ gibi gürültü kaynakları,h konu hareketi ve kalp ritim, eşsiz uzay-zamansal profilleri var. Bu nedenle, grup ICA bağlamında, bu kaynakların izole edilir ve varyans bu istenmeyen kaynaklarının nispeten serbest kalan bileşenleri bırakarak, ayrı bileşenler için verildi. Tohum bazlı analizler fonksiyonel bağlantı tahmininde ham zamanlı kurslar kullanmak ve zaman kurslar olduğundan, tanımı gereği, nörofizyolojik sinyal ve suni gürültü karışımları, fonksiyonel bağlantı tahminlerinde grup farklılıkları yatan nörofizyoloji, grup farklılıkları gerçek bir grup farklılıkları yansıtabilir gürültü yapısı, ya da her ikisi 11.

Protocol

1.. İnsan Deneklerin çalışma için onay almak 2.. FMRI Veri Toplama (Raschle, et al. 12) küçük çocuklar için uygun prosedürler aşağıdaki FMRI verileri elde edin. Bu farklılıklar beyin aktivasyonu ve fonksiyonel bağlantısı gelişimsel ilgili farklar hakkında çıkarımlarda kişinin kapasitesini sınırlamak istenmeyen boşa tanıtmak gibi, görev performansı ve hareket mümkün yaşa bağlı farklılıklar sınırlamak için her türlü çabay…

Representative Results

Grup ICA, hatta nispeten küçük bir fMRI veri seti üzerinde, diğer çalışmalarda gözlenen kıyaslanabilir bileşenlerin bir dizi dönecektir. 4 Şekil 12 çocuk ve 13 yetişkin bir örnek karışmamış 5 gibi bileşenler ve bunların ilişkili zaman derslerin üst üste olduğunu , katılımcı başına yaklaşık 800 hacimleri ile. Şekil 4, varsayılan modu, fronto-parietal gösterildiği gibi, cingulo-dar ve görsel ağlar kolayca bu ayrışma sonuçlarından görülebilir. Y…

Discussion

Bu tür sıralama kurallarına geçiş yeteneği gibi üst düzey zihinsel işlemler, çocukluk ve ergenlik boyunca hızla gelişir. Bu zihinsel işlemler birden fazla dağıtılmış beyin bölgeleri arasındaki etkileşimleri içerdiğinden, yüksek dereceli biliş ve geniş çaplı kortikal ağların organizasyonu yaşa bağlı değişikliklerin gelişimi arasındaki ilişkiyi keşfetmek artan bir ilgi var. Biz doğrudan bu ilişkiyi inceleyen bir aracı olarak görev tabanlı fMRI verilere uygulanan grup bağımsız…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Bu araştırma J. Bruce Morton Ulusal Bilim ve Mühendislik Araştırma Konseyi (NSERC) hibe desteği ile mümkün olmuştur.

Materials

Name of equipment Company Catalog Number Comments (optional)
SPM8 The MathWorks, Inc. R2013a

References

  1. 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).
  2. Zelazo, P. D. The Dimensional Change Card Sort (DCCS): a method of assessing executive function in children. Nat Protoc. 1, 297-301 (2006).
  3. Monsell, S. Task switching. Trends Cogn Sci (Regul Ed. 7, 134-140 (2003).
  4. 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).
  5. Cole, M. W., Schneider, W. The cognitive control network: Integrated cortical regions with dissociable functions. Neuroimage. 37, 343-360 (2007).
  6. Fair, D. A., et al. Development of distinct control networks through segregation and integration. Proc Natl Acad Sci USA. 104, 13507-13512 (2007).
  7. 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).
  8. 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).
  9. 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).
  10. Supekar, K., Menon, V. Developmental maturation of dynamic causal control signals in higher-order cognition: a neurocognitive network model. PLoS computational biology. 8, (2012).
  11. 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).
  12. Raschle, N. M., et al. Making MR Imaging Child’s Play – Pediatric Neuroimaging Protocol, Guidelines and Procedure. (29), (2009).
  13. 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).
  14. 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).
  15. 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).
  16. Allen, E. A., et al. A baseline for the multivariate comparison of resting-state networks. Front Syst Neurosci. 5, (2011).
  17. 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).
  18. Allen, E. A., et al. Tracking whole-brain connectivity dynamics in the resting state. Cerebral Cortex. , (2012).

Play Video

Cite This Article
DeBenedictis, B., Morton, J. B. A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance. J. Vis. Exp. (87), e51003, doi:10.3791/51003 (2014).

View Video