Análise de Redes da rede de modo padrão Usando Funcional Conectividade RM em Epilepsia do Lobo Temporal

O objetivo geral do experimento a seguir é obter mapas estatísticos. Comparando a diferença de exames de FMRI em estado de repouso entre controles saudáveis e pacientes com epilepsia. Isso é obtido através da obtenção de dados de FMRI em indivíduos com epilepsia do lobo temporal, bem como em indivíduos de controle saudáveis.

Como segunda etapa, o FMRI é pré-processado, o que prepara os dados para serem analisados estatisticamente. Em seguida, os dados pré-processados do FMRI são analisados para obter comparações estatisticamente válidas entre os dois grupos. São obtidos resultados que mostram diferenças nas redes cerebrais entre pacientes com epilepsia em comparação com redes cerebrais de indivíduos de controle saudáveis.

Com base nas diferenças estatísticas nos mapas da rede cerebral entre esses dois grupos, tornou-se cada vez mais aparente que mesmo as epilepsias que se manifestam por convulsões focais são propriedades emergentes de distúrbios difusos da rede. A ideia dessa técnica surgiu depois de reconhecer a importância da rede DEF Favo durante as convulsões e se perguntar se a rede LO padrão é anormal entre as convulsões na epilepsia do lobo temporal. A população do estudo para este protocolo deve incluir três grupos, certo?

Pacientes com epilepsia do lobo temporal, pacientes com epilepsia do lobo temporal esquerdo, bem como controles saudáveis. Um total de cerca de 35 indivíduos são recomendados. Os grupos de indivíduos com epilepsia devem ser pacientes diagnosticados com epilepsia do lobo temporal, como candidatos à ressecção do lobo temporal anterior, conforme determinado por vídeo, monitoramento de EEG, imagem PET e testes neuropsicológicos garantem que todos os indivíduos tenham ressonâncias magnéticas cerebrais normais e estejam livres de doenças neurológicas que não sejam epilepsia nos grupos de pacientes.

Obtenha a aprovação do IRB e o consentimento informado por escrito de todos os indivíduos antes da imagem e rastreie a ressonância magnética. Segurança. Os pacientes devem continuar seus medicamentos habituais durante a varredura FMRI e não devem ser examinados imediatamente após uma convulsão. Um sistema de ressonância magnética de três Tesla deve ser usado para todas as imagens descritas neste protocolo.

Obtenha cortes axiais para imagens funcionais usando uma sequência de imagem ecoplanar e para imagens anatômicas, use uma sequência de recuperação de gradiente estragado. Peça aos participantes que relaxem e permaneçam imóveis com os olhos fechados e realizem imagens funcionais usando os parâmetros vistos aqui. Use também os seguintes parâmetros para a imagem estrutural de alta resolução ponderada S PGR T one.

Cada sessão de imagem deve durar cerca de 20 minutos. Comece pré-processando os dados FMRI usando o software FSL primeiro. Use FSL MFL para remover o artefato de movimento da cabeça.

Em seguida, use a ferramenta de extração cerebral FSL ou BET para remover tecido não cerebral com a opção traço F para arquivos em negrito. Isso permite etapas de análise adicionais apenas no tecido cerebral. Em seguida, em pés, execute uma análise minimamente processada com registro.

Selecione a análise de primeiro nível e altere a análise completa para pré-estatísticas nos dois botões superiores. Em seguida, na guia de estatísticas de pressão, desmarque a extração de cérebro de aposta e selecione nenhuma para correção de movimento, pois elas já foram executadas. Em seguida, registre as imagens funcionais nas imagens anatômicas e, em seguida, em uma imagem MNI padrão.

Isso resulta na geração de matrizes de transformação, que são usadas posteriormente durante a análise para deformar a semente selecionada no espaço padrão no espaço cerebral do sujeito. Em seguida, use a matriz de transformação gerada chamada padrão para dar um exemplo de funk dot mat e transformar os ROIs de CSF e substância branca no espaço em negrito individual. Em seguida, usando o comando FSL mean TS, extraia a série temporal do CSF e das ROIs da substância branca.

Usando o ROI no espaço de assunto individual como uma máscara normalizar as séries temporais extraídas usando o software R. Essas séries temporais serão posteriormente usadas como regressores no modelo linear geral para remover os sinais artefactuais correspondentes da análise. A próxima etapa é a remoção de artefatos relacionados ao movimento do assunto. Para regressão dos parâmetros de movimento.

Defina o seguinte nos pés FSL antes de executá-lo primeiro na guia de dados, use o arquivo de correção de movimento e extraído do cérebro como entradas e defina o valor TR para corresponder ao seu conjunto de dados. Defina a filtragem passa-alta usando um filtro 102, que removerá sinais de frequência muito baixa sem interesse. Um filtro passa-baixa para remover sinais de alta frequência será aplicado posteriormente na guia de estatísticas de pres

Escolha nenhum em correção de movimento e desmarque, mas extração de cérebro. Como essas etapas foram executadas, execute a suavização espacial usando uma largura total de cinco milímetros no máximo. Em seguida, na guia de estatísticas, regrida os seis parâmetros de movimento e seus derivados temporais.

Selecione nenhum para convolução e marque aplicar filtragem temporal. Use a saída do flerte F selmic para obter arquivos de texto de parâmetros de movimento, que podem ser inseridos na análise de pés para regredir em um modelo linear geral. Além disso, adicione os sinais de LCR e substância branca que foram extraídos e normalizados nas etapas anteriores ao GLM.

Selecione nenhum para convolução. Adicione derivada temporal e desmarque aplicar filtragem temporal. Os resíduos do pré-processamento acima descritos devem ser utilizados para a correlação baseada em sementes.

Esses resíduos devem ser passados primeiro por um filtro PESS baixo de 0,1 hertz, depois rebaixados subtraindo a média, dividindo pelo desvio padrão e, em seguida, dimensionados adicionando 100 sementes devem ser definidos com um diâmetro de seis milímetros. No espaço MNI padrão. Usando o software de coroa de ressonância magnética, as sementes posterior e anterior devem corresponder às coordenadas vistas aqui.

Observe que esses locais de sementes foram definidos em controles saudáveis. As sementes devem ser posteriormente transformadas no espaço cerebral funcional individual de cada sujeito a partir do espaço MNI padrão. Para isso, use a matriz de transformação gerada anteriormente para transformar a semente do espaço padrão m e i para o espaço funcional individual.

Em seguida, use o comando FSL mean Ts para extrair a série temporal do resíduo rebaixado e dimensionado anteriormente. Usando a semente no espaço de assunto individual como uma máscara. Normalize as séries temporais extraídas usando o software R As correlações parciais entre os voxels de sementes e todos os seus voxels cerebrais devem ser calculadas separadamente para cada sujeito para cada corrida.

Para isso, na interface de pés FSL, selecione análise de primeiro nível e, em seguida, estatísticas mais estatísticas de postagem na guia de dados. O resíduo anteriormente rebaixado e dimensionado deve ser usado como entrada. Defina o corte do filtro passa-alta para 10.000, pois o resíduo já é alto, passado em 100 segundos na guia de estatísticas.

Desmarque usar pré-branqueamento de filme e use a série temporal de sementes extraída e normalizada anteriormente. No GLM na guia de estatísticas de postagem, defina o limite de estatísticas Z desejado como um valor de 2,0 antes de executar a análise de grupo. Combinando corridas dentro de sujeitos, uma transformação Fisher Z deve ser realizada no contraste das estimativas de parâmetros.

Arquivo gerado a partir da análise de correlação, copie os dados de registro do diretório reg da análise de pés para a execução de correlação. Execute uma análise de nível superior combinando execuções dentro de cada assunto. Primeiro, selecione análise de nível superior e, em seguida, estatísticas mais estatísticas de postagem.

Em seguida, na guia de dados, escolha as entradas nos diretórios de pés de nível inferior e insira as corridas do assunto na guia de estatísticas. Escolha efeitos mistos. O OLS simples configura um modelo como o efeito médio e insere um valor de um para cada uma das execuções de assuntos.

Para combinar a saturação de dados entre os sujeitos, uma análise de efeitos mistos simples de mínimos quadrados comuns deve ser usada para isso, escolha análise e estatísticas de nível superior, além de estatísticas de postagem na guia de dados. Escolha as entradas nos diretórios de pés de nível inferior e insira as execuções combinadas do assunto na guia de estatísticas, escolha os efeitos mistos. O OLS simples configura um modelo como três grupos inserem um valor de um para o grupo.

Cada sujeito pertence a zero. Caso contrário, a análise de grupo deve ser feita em cada voxel usando uma innova unidirecional com três níveis que correspondem aos três grupos até o limiar. As imagens estatísticas Z usam um limite de formação de cluster de Z maior que 2,0 e um limite significativo de cluster corrigido de P igual a 0,05 para obter valores Z corretos no mapa de correlação.

Uma transformada Z de fisher reversa deve ser executada nos resultados. Por fim, use os seguintes contrastes específicos, como visto na tela aqui. Esta figura mostra a rede de modo padrão revelada com conectividade de uma semente posterior, incluindo o esplênio retro e o precuneus nas cores vermelho-amarelo e na semente anterior, incluindo o córtex pré-frontal medial da ventilação nas cores azul-esverdeado.

A primeira linha revela a rede para indivíduos de controle, a segunda linha para epilepsia do lobo temporal esquerdo e a linha inferior para epilepsia do lobo temporal direito. As figuras a seguir comparam essas redes entre esses três grupos. Aqui vemos as redes de modo padrão reveladas com uma semente anterior e posterior para epilepsia combinada do lobo temporal direito e esquerdo em comparação com controles saudáveis.

Esta figura mostra as redes de modo padrão reveladas com os mesmos pontos iniciais para epilepsia do lobo temporal esquerdo apenas em comparação com controles saudáveis. Embora esta figura mostre as redes reveladas para a epilepsia do lobo temporal direito apenas em comparação com os controles saudáveis e, finalmente, aqui vemos as redes de modo padrão reveladas com uma semente anterior e uma posterior para a epilepsia do lobo temporal esquerdo em comparação com a epilepsia do lobo temporal direito. Estudos de conectividade funcional que incluem todo o cérebro são essenciais para entender os mecanismos fundamentais da epilepsia.

Usamos uma técnica baseada em sementes neste experimento para avaliar a conectividade com a rede de modo padrão. Será interessante ver como outras técnicas se comparam em seus resultados ao estudar a epilepsia do lobo temporal.