Медицинская литература. Новинки

 

 

 

 

 

 

Опыт фМРТ-анализа состояния покоя (resting state) здоровых испытуемых с использованием программного обеспечения FSL

Вы можете загрузить полный текст статьи в формате pdf

Анализ фМРТ в состоянии покоя (resting state, или RS) представляется адекватным методическим подходом к исследованию базового уровня функциональной активности головного мозга человека в норме и патологии, включая пациентов с глубокими когнитивными и двигательными нарушениями. Однако при наличии нескольких алгоритмов обработки этого феномена признанный стандарт отсутствует. Цель исследования: выделение типичных сетей (коннектомов) RS у здоровых людей на базе программного обеспечения FSL и анализ ряда качественных и количественных показателей, потенциально перспективных для сопоставления с церебральной патологией. Материал и методы. У 12 здоровых испытуемых провели пилотные исследования resting state фМРТ 3 Т по алгоритму независимых компонент (ICA) в программе FSL. На основе литературных данных, приведенных во введении, дифференцировали артефактные (ликворные, сосудистые) и типичные нейронные сети RS. Анализировали представленность последних в группе наблюдений с учетом гендерной принадлежности и профиля моторной межполушарной асимметрии. Наряду с особенностями топографии отдельной сети оценивали ряд интегральных показателей (общий объем и интенсивность активации), а также частотные характеристики спектра мощности (средняя частота, частота доминирующего пика) гемодинамических сигналов. Результаты. У каждого испытуемого было выделено по 7-8 сетей RS, сходных с описанными в литературе основными “эталонными сетями”. Результаты сопоставления интегральных и частотных характеристик активности этих сетей с индивидуальными особенностями испытуемых показали информативность рассматриваемых количественных параметров. Установлено, в частности, что объем активации сети DMN здоровых людей более вариативен, тогда как параметр интенсивности активации характеризуется меньшим разбросом значений (т.е. более стабилен) в норме, но резко меняется у пациентов с черепно-мозговой травмой. Относительно малой вариативностью в норме характеризуется также средняя частота активной зоны спектра. Заключение. Полученные данные подтверждают корректность предлагаемого подхода и свидетельствуют о перспективности использования рассмотренных количественных показателей RS для фМРТ-оценки активности здорового и больного мозга человека.

Ключевые слова:
фМРТ, состояние покоя, fMRI, resting state

Литература:
1.Smith S.M., Fox P.T., Miller K.L. et al. Correspondence of the brain’s functional architecture during activation and rest. Proc. Natl. Acad. Sci. USA. 2009; 106: 13040-13045.
2.Штарк М.Б., Коростышевская А.М., Резакова М.В., Савелов А.А. Функциональная магнитно-резонансная томография и нейронауки. Успехи физиологических наук. 2012; 43 (1): 3-29.
3.Van Dijk K.R., Hedden T., Venkataraman A. et al. Intrinsic functional connectivity as a tool for human connectomics: theory, properties, and optimization. J. Neurophysiol. 2010; 103: 297-321.
4.Raichle M.E., Mintun M.A. Brain work and brain imaging. Annu. Rev. Neurosci. 2006; 29: 449-476.
5.Raichle M.E. Two views of brain function. Trends Cogn. Sci. 2010; 14: 180-190.
6.Biswal B., Yetkin F.Z., Haughton V.M., Hyde J.S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 1995; 34: 537-541.
7.Медведев С.В., Пахомов С.В., Рудас М.С. и др. О выборе состояния спокойного бодрствования как референтного при психологических пробах. Физиология человека. 1996; 22 (1): 5-15.
8.Cordes D., Haughton V.M., Arfanakis K. et al. Mapping functionally related regions of brain with functional connectivity MR imaging. Am. J. Neuroradiol. 2000; 21: 1636-1644.
9.Gusnard D.A., Akbudak E., Shulman G.L., Raichle M.E. Medial prefrontal cortex and self-referential mental activity: Relation to a default mode of brain function. Proc. Natl. Acad. Sci. USA. 2001; 98 (7): 4259-4264.
10.Beckmann C.F., DeLuca M., Devlin J.T., Smith S.M. Investigations into resting-state connectivity using independent component analysis. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 2005; 360: 1001-1013.
11.Rosazza C., Minati, L. Resting-state brain networks: literature review and clinical applications. Neurol. Sci. 2011; 32 (5): 773-785.
12.Катаева Г.В., Коротков А.Д., Киреев М.В., Медведев С.В. Факторная структура значений регионарного мозгового кровотока и скорости метаболизма глюкозы как инструмент исследования ефолтной моды мозга. Физиология человека. 2013; 39 (1): 60-66.
13.Biswal B.B., Mennes M., Zuo, X.N. et al. Toward discovery science of human brain function. Proc. Natl. Acad. Sci. USA. 2010; 107: 4734-4739.
14.Corbetta M., Shulman G.L. Control of goal-directed and stimulus-driven attention in the brain. Nat. Rev. Neurosci. 2002; 3: 201-215.
15.Greicius M.D., Krasnow B., Reiss A.L., Menon V. Functional connectivity in the resting brain: A network analysis of the default mode hypothesis. PNAS. 2003; 100 (1): 253-258.
16.Allen E.A., Erhardt E.B., Damaraju E. et al. A baseline for the multivariate comparison of resting-state networks. Frontiers Syst. Neurosci. 2011; (5): 1-19.
17.Lowe M.J., Phillips M.D., Lurito J.T. et al. Multiple sclerosis: low-frequency temporal blood oxygen level-dependent fluctuations indicate reduced functional connectivity initial results. Radiology. 2002; 224: 184-192.
18.Rocca M.A., Valsasina P., Absinta M. et al. Default-mode network dysfunction and cognitive impairment in progressive MS. Neurology. 2010; 74: 1252-1259.
19.Bonavita S., Gallo A., Sacco R. et al. Distributed changes in default-mode resting-state connectivity in multiple sclerosis. Mult. Scler. 2011; 17: 411-422.
20.Mohammadi B., Kollewe K., Samii A. et al. Changes of resting state brain networks in amyotrophic lateral sclerosis. Exp. Neurol. 2009; 217: 147-153.
21.Tedeschi G., Trojsi F., Tessitore A. et al. Interaction between aging and neurodegeneration in amyotrophic lateral sclerosis. Neurobiol. Aging. 2012; 33: 886-898.
22.Vanhaudenhuyse A., Noirhomme Q., Tshibanda L.J.-F. et al. Default network connectivity reflects the level of consciousness in non-communicative brain-damaged patients. Brain (J. Neurol.). 2010: 133 (1); 161-171.
23.Верхлютов В.М., Соколов П.А., Ушаков В.Л., Стрелец В.Б. Модификация и динамика сетей состояния покоя при просмотре и воображении видеосюжетов. Тезисы докладов Шестой международной конференции по когнитивной науке. Калининград, 23-27 июня 2014: 209-210.
24.Вalaev V., Petrushevsky A., Martynova O. Functional connectivity in chronic stroke compared with normal aging changes. Materials of the CCCP Workshop. National Research University Higher School of Economics. Moscow, Russia. December 2014; 12.
25.Golestani A.M., Goodyear B.G. Regions of interest for resting-state fMRI analysis determined by inter-voxel cross-correlation. NeuroImage. 2011; 56 (1): 246-251.
26.Hyvarinen A., Oja E. Independent component analysis: algorithms and applications. Neural. Netw. 2000; 13 (4-5): 411-430.
27.Calhoun V.D., Kiehl K.A., Pearlson GD. Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks. Hum. Brain Mapp. 2008; 29: 828-838.
28.Schopf V., Windischberger C., Kasess C.H. et al. Group ICA of resting-state data: a comparison. MAGMA. 2010; 23 (5-6): 317-325.
29.Jenkinson M., Beckmann C.F., Behrens T.E. et al. FSL. NeuroImage. 2012; 62: 782-790.
30.Бизюк А.П. Компендиум методов нейропсихологического исследования. СПб.: Речь, 2005. 400 с.
31.Клиническая электроэнцефалография (под ред. В.С. Русинова). М.: Медицина, 1973. 340 с.
32.Болдырева Г.Н., Шарова Е.В., Добронравова И.С. Роль регуляторных структур в формировании ЭЭГ человека. Физиология человека. 2000; 5: 19-34.
33.Славуцкая А.В., Герасименко Н.Ю., Михайлова Е.С. Распознавание пространственно преобразованных фигур мужчинами и женщинами: анализ поведения и вызванных. Физиология человека. 2012; 38 (3): 18-29.
34.Брагина Н.Н., Доброхотова Т.А. Функциональные асимметрии человека. М.: Медицина, 1981. 240 с.
35.Жаворонкова Л.А. Правши-левши. Межполушарная асимметрия биопотенциалов мозга человека. Краснодар: Экоинвест, 2009. 239с.
36.Гаврон А.А., Шарова Е.В., Смирнов А.С. и др. Применение алгоритма независимых компонент для анализи фМРТ в состоянии оперативного покоя человека (resting state) в норме и патологии. Тезисы докладов VI Троицкой конференции “Медицинская физика и инновации в медицине”, Троицк, Москва, 2-6 июня 2014: 22-24.
37.Pool E.M., Rehme A.K., Simon B. et al. Functional restingstate connectivity of the human motor network: Differences between right- and left-handers. NeuroImage. 2015; 109: 298-306.
38.Русинов В.С., Гриндель О.М., Болдырева Г.Н., Вакар Е.М. Биопотенциалы мозга человека: математический анализ. М.: Медицина, 1987. 253 с.

Our Experience of the fMRI Resting State (RS) Analysis in Normal Subjects According to the FSL Software

FMRI RS analysis is an adequate for basic level human brain’s functional activity study in health and pathology. However there is no recognized processing algorithm, convenient for clinic. Objective: allocation of a typical RS networks in healthy people based software FSL and analysis of a number of qualitative and quantitative indicators of potentially promising for comparison with cerebral pathology. Materials and methods. We conducted a pilot RS studies (fMRI 3T) in 12 healthy volunteers according ICA as implemented in FSL software. Based on published data contained in the introduction, differentiated artifact (cerebrospinal fluid, vascular) and typical neural network RS. We analyzed the last in the group taking into account the observations of gender and profile motor hemispheric asymmetry. Particular topography as well as a number of integrated quantitative indicators of RS networks activity was tested: the total volume and intensity of activation as well as power spectrum frequency characteristics of hemodynamic signals (average frequency, dominant frequency peak). Results. Each the subject has been allocated 7-8 network RS, similar to those described in the literature basic “reference networks”. A comparison of the frequency and integrated activity indicators of these networks to the individual characteristics of the subjects showed descriptiveness considered quantitative parameters. A more detailed analysis of DMN network, showed considerable variation in the “volume of network” in healthy people, while the intensity parameter activation small differences of values (ie more stable) in the norm, but is changing dramatically in patients with traumatic brain injury. Relatively low variability in norm is also characterized by the average frequency of the spectrum’s active zone. Conclusion. These data demonstrate the correctness of the used FSL algorithm for fMRI resting state analysis and perspectivity of using some integrated quantitative indicators for fMRI activity assessment of healthy and sick human brain.

Keywords:
фМРТ, состояние покоя, fMRI, resting state