ПРЕДВАРИТЕЛЬНЫЙ СРАВНИТЕЛЬНЫЙ АНАЛИЗ КРУПНОМАСШТАБНЫХ ФУНКЦИОНАЛЬНЫХ СЕТЕЙ ГОЛОВНОГО МОЗГА ЧЕЛОВЕКА В СОСТОЯНИИ ПОКОЯ И ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ. Верхлютов В.М., Ушаков В.Л., Соколов П.А. ИВНД и НФ РАН,

Download Report

Transcript ПРЕДВАРИТЕЛЬНЫЙ СРАВНИТЕЛЬНЫЙ АНАЛИЗ КРУПНОМАСШТАБНЫХ ФУНКЦИОНАЛЬНЫХ СЕТЕЙ ГОЛОВНОГО МОЗГА ЧЕЛОВЕКА В СОСТОЯНИИ ПОКОЯ И ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ. Верхлютов В.М., Ушаков В.Л., Соколов П.А. ИВНД и НФ РАН,

ПРЕДВАРИТЕЛЬНЫЙ СРАВНИТЕЛЬНЫЙ АНАЛИЗ КРУПНОМАСШТАБНЫХ ФУНКЦИОНАЛЬНЫХ СЕТЕЙ ГОЛОВНОГО МОЗГА ЧЕЛОВЕКА В СОСТОЯНИИ ПОКОЯ И ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ.

Верхлютов В.М., Ушаков В.Л., Соколов П.А.

ИВНД и НФ РАН, НИЦ «Курчатовский Институт» Москва, 2015

МЕТОДИКА

В качестве основного элемента анализа независимых компонент (Independent Component Analysis – ICA) использовался метод Infomax (Bell & Sejnowski, 1995). Для каждого вокселя вычисляли весовые коэффициенты, показывающие степень совпадения BOLD-сигнала данного с сигналом идентифицированных компонент. Для всех экспериментальных заданий выявили некоторое количество групп вокселей (функциональных сетей), имеющих статистически независимые динамики BOLD-сигнала, усредненные по всем испытуемым с помощью t-критерия (р<0.001). Количество компонент определяли с помощью MDL критерия (Minimum Description Length - MDL). Изменение во времени величины BOLD сигнала независимой компоненты определяли, как динамику выделенной сети. Первичный отбор сетей проводили по анатомическому принципу (Botzung et al., 2010), согласно которому 85% вокселей сети должны содержать серое вещество. Для идентификации сетей использовали экспертную оценку и маски. Использовали программы: SPM 8 (http://www.fil.ion.ucl.ac.uk/spm), GIFT, FNC (http://mialab.mrn.org) и CARET (Van Essen ,2011).

СЕТИ СОСТОЯНИЯ ПОКОЯ И ИХ ИЕРАРХИЯ

Распределение t-критерия отличий от нулевого уровня усредненного по данным 23 здоровых испытуемых весового коэффициента независимых компонент идентифицированных как RSNs по развернутой на плоскости поверхности коры двух полушарий головного мозга и их иерархия на основе каузальных связей. SSM-сенсорно-моторная сеть, VIS-зрительная сеть, DMN-дефолтная сеть, FRO – фронтальная сеть, AUD-слуховая сеть, LFP-левая лобно-теменная сеть, RFP-правая лобно-теменная сеть

ВРЕМЕННАЯ ДИНАМИКА ФУНКЦИОНАЛЬНЫХ СЕТЕЙ В СОСТОЯНИИ ПОКОЯ

Пример временной динамики (испытуемый ИК) весового коэффициента независимых компонент идентифицированных как RSNs за 900 сек (300 сканов по 3 сек). SSM-сенсорно-моторная сеть, VIS-зрительная сеть, DMN-дефолтная сеть, FRO – фронтальная сеть, AUD-слуховая сеть, LFP-левая лобно-теменная сеть, RFP-правая лобно-теменная сеть

СПЕКТРЫ ФУНКЦИОНАЛЬНЫХ СЕТЕЙ В СОСТОЯНИИ ПОКОЯ

Усредненные спектры временной динамики сетей состояния покоя по данным 23 здоровых испытуемых.

Максимумы в диапазоне от 0.05 до 0.2 Гц, что соответствует периоду от 5 до 20 сек (время стационарности ЭЭГ).

SSM-сенсорно-моторная сеть, VIS-зрительная сеть, DMN-дефолтная сеть, FRO – фронтальная сеть, AUD-слуховая сеть, LFP-левая лобно-теменная сеть, RFP-правая лобно-теменная сеть.

КРУПНОМАСШТАБНЫЕ ФУНКЦИОНАЛЬНЫЕ СЕТИ ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ

Распределение t-критерия отличий от нулевого уровня усредненного по данным 21 здоровых испытуемых весового коэффициента независимых компонент идентифицированных как крупномасштабные функциональные сети при выполнении заданий на поверхности коры двух полушарий. tDMN-дефолтная сеть, tCVN-центральная зрительная сеть, tPVN-периферическая зрительная сеть, tCTN-центрально-височная сеть, tFPNl-левая фронтально-теменная сеть, tFPNr правая фронтально-теменная сеть, tPFN-префронтальная сеть.

СПЕЦИФИЧЕСКАЯ ДИНАМИКА ФУНКЦИОНАЛЬНЫХ СЕТЕЙ CVN И DMN ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ Центральная зрительная сеть (CVN) максимально (r=0.76, r=0.70) коррелирует, а дефолтная сеть отрицательно коррелирует (r=-0.50, r=-0.47) с модельной гемодинамической функцией при наблюдении видеофрагментов (парадигмы 3, 4). Дефолтная сеть отрицательно коррелирует при припоминании мало знакомого и необычного сюжета (парадигма 9, r= 0.37). r(критическое) = 0.32, p< 0.01, df = 58, где r - коэффициента корреляции Пирсона.

СПЕЦИФИЧЕСКАЯ ДИНАМИКА ФУНКЦИОНАЛЬНЫХ СЕТЕЙ CVN И PVN ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ Периферическая зрительная сеть (PVN) хорошо коррелирует с модельной гемодинамической функцией при воображении хорошо знакомого сюжета (задание 2, r=0.45) в отличии от задания по воображению мало знакомого сюжета (задание 1, r=0.18). После показа сюжетов реакция PVN при припоминании выравнивается (задание 8, r=0.57, задание 9, r=0.54). PVN хорошо коррелирует с ГФ при наблюдении хорошо знакомого сюжета (задание 4, r=0.57).

СПЕЦИФИЧЕСКАЯ ДИНАМИКА ФУНКЦИОНАЛЬНЫХ СЕТЕЙ LFPN И RFPN ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ Правая лобно-теменная сеть (rFPN) противоположно реагирует на содержание сюжета при демонстрации (задание 3, r=0.40, задание 9, r=-0.39), а левая (iFPN) инверсно проявляет себя при припоминании тех же сюжетов (задание 8, r=-0.50, задание 9, r=0.43).

КРУПНОМАСШТАБНЫЕ ФУНКЦИОНАЛЬНЫЕ СЕТИ В СОСТОЯНИИ ПОКОЯ И ПРИ ВЫПОЛНЕНИИ ЗАДАНИЙ Сравнение распределений t-критерия на плоских картах коры показывает сходство для всех сетей кроме зрительной и центрально-височной, которая включает слуховую и сенсорно-моторную сети состояния покоя.

ТОПИКА ЭКСТРЕМУМОВ ЗРИТЕЛЬНЫХ СЕТЕЙ ОТНОСИТЕЛЬНО ГРАНИЦ ПОЛЕЙ БРОДМАНА В зрительной сети состояния покоя (VIS) экстремумы t-критерия распределяются вдоль границ цитоархитектонических полей. В центральной (CVN) и периферической (PVN) сетях при выполнении заданий экстремумы распределяются поперек границ.

ТОПИКА ЭКСТРЕМУМОВ ЗРИТЕЛЬНЫХ СЕТЕЙ ОТНОСИТЕЛЬНО БОРОЗД МОЗГА Экстремумы значений t-критерия зрительной сети состояния покоя (VIS) распределяются по стенкам шпорной борозды.

Экстремумы центральной зрительной сети (CVN) находятся на конвекситальной поверхности затылочной доли. Экстремумы периферической зрительной сети (PVN) находятся на стенках передних отделов шпорной борозды и задней стенке теменно-затылочной борозды.

ТОПИКА ЭКСТРЕМУМОВ СЕНСОРНЫХ И МОТОРНЫХ RSN ОТНОСИТЕЛЬНО БОРОЗД МОЗГА Экстремумы значений t-критерия RSN: SSM, VIS, AUD распределяются по стенкам борозд и возможно соответствуют электрическим дипольным источникам мю-, альфа- и каппа-ритмов.

• • • • • • • •

ВЫВОДЫ

Распределения по коре t-критерия отличий среднего весового коэффициента независимых компонент, идентифицированных как сети состояния покоя и крупномасштабные сети при выполнении заданий в основном совпадают.

Временная динамика независимых компонент, определенных как крупномасштабные функциональные сети при предъявлении заданий, позволяет различить вид задания и общую характеристику зрительного сюжета как при его показе, так и при воображении зрительной сцены.

Распределение по коре t-критерия, идентифицированного как зрительная сеть состояния покоя локализуется вдоль границ цитоархитектонических полей.

Распределения по коре t-критерия, идентифицированные как центральная и периферическая зрительные сети при предъявлении заданий локализуется поперек границ цитоархитектонических полей.

Распределение по коре t-критерия, идентифицированное как зрительная сеть состояния покоя, локализуется на стенках шпорной борозды.

Распределение по коре t-критерия, идентифицированного как центральная зрительная сеть при предъявлении заданий, локализуется на конвекситальной поверхности шпорной борозды.

Распределение по коре t-критерия, идентифицированного как периферическая зрительная сеть при предъявлении заданий, локализуется на стенках передних отделов шпорной борозды и задней стенке теменно-затылочной борозды.

Экстремумы значений t-критерия сенсорных и моторных сетей состояния покоя локализуются по стенкам борозд.

Авторы выражают благодарность О. В. Мартыновой и В. В. Балаеву за часть предоставленных данных и помощь в их обработке .