|
1.PNAS：发育中大脑的结构协变网络
固有或静息状态功能连接MRI和结构协方差MRI已经开始揭示成人大脑的多网络结构。这些网络在发育过程中如何以及何时出现尚不清楚，但了解个体发育可以揭示网络功能和功能紊乱。针对此问题，Brandon等人在PNAS发表了研究，他们应用MRI技术对300名四个年龄组的儿童（幼儿5-8岁；儿童晚期8.5-11岁；青少年早期，12-14岁；青春期晚期，16-18岁）进行研究，以描述构成大规模功能网络的皮质节点之间的灰质结构关系。把8个广泛应用的功能性内在连接网络作为种子区域，绘制每个年龄组的整个大脑结构协变模式。 结果发现，最小年龄组的结构协变仅限于种子区和对侧同源区。利用初级感觉和运动皮层种子衍生出的网络在儿童早期已经发育良好，但在青春期早期就已经扩展，然后发展成类似成人内在连接网络模式的更为受限的拓扑结构。相比之下，语言、社会-情感和其他认知网络在年龄较小的群体中相对不发达，并且在年龄较大的儿童中表现出越来越分散的拓扑结构。默认模式网络提供了一个例外，遵循了类似于初级感觉运动系统的发展轨迹。
原文：Network-level structural covariance in the developing brainwww.pnas.org/cgi/doi/10.1073/pnas.1003109107第十七届磁共振脑网络数据处理班（重庆，10.20-25） 2.American Journal of Psychiatry：一项跨疾病的皮层下脑容量、皮层厚度和区域皮层表面积的研究
注意缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)和强迫症(OCD)是常见的神经发育障碍，这些疾病经常同时发生。结构加权像的T1数据来自健康对照组(5827名)和来自全世界的151个的ADHD(2271名)、ASD(1777名)和OCD(2323名)患者，采用标准化处理方案进行分析。作者在一个巨型分析框架内研究了皮层下体积、皮层厚度和区域皮层表面积的差异，汇集了从每种疾病中提取的指标。分别对儿童、青少年和成人进行分析，使用线性混合效应模型研究年龄、性别和部位的效应(以及用于皮层下和表面积测量的颅内容积)。 所有三种疾病之间没有发现共享差异，任何两种疾病之间的共享差异在校正多重比较后都无法存活。与OCD儿童相比，ADHD儿童的海马体积较小，这可能是受智商的影响。患有ADHD的儿童和青少年的颅内容积也比对照组和OCD或ASD患者小对照组和其他临床组相比，患有ASD的成年人的前额皮质更厚。在不同年龄组中没有观察到OCD患者具有特异性差异。 研究结果表明，不同年龄组的ADHD、ASD和OCD之间存在着巨大而微妙的差异。儿童和青少年ADSD特有的颅内容积和海马差异，以及成人的ASD特有的额叶皮质厚度差异，支持了先前强调这些疾病中大脑结构差异的研究。 原文：Subcortical Brain Volume, Regional Cortical Thickness, and Cortical Surface Area Across Disorders: Findings From the ENIGMA ADHD, ASD, and OCD Working Groupshttps:///10.1176/appi.ajp.2020.19030331第十届磁共振脑影像结构班（重庆，11.2-7） 3.NeuroImage: MEG和高密度EEG的内部功能连接成像的对比 
脑磁图（MEG）曾结合特定频段的静息态功能连接（rsFC），用来研究人脑内部的静息态脑网络（resting-state networks RSNs）。但是，当前MEG系统的局限性妨碍了电生理rsFC的临床应用。在这里，作者直接通过同时记录的MEG和高密度获得的脑电（EEG）静息态数据比较了大名鼎鼎的RSN，全脑rsFC连接矩阵及其状态动态。作者还通过比较边界和有限元头模型获得的结果，检查了头模精度对EEG的rsFC估计的影响。结果表明，除额顶网络外，大多数通过MEG和EEG获得的RSN地形都是相似的。在连接的水平上，与EEG相比，MEG对额叶rsFC的敏感性较低，而对顶枕rsFC的敏感性较高，这主要是由于相对于头皮的MEG传感器位置不均匀，考虑进去MEG-EEG传感器位置差异后，MEG-EEG的显着差异便不存在了。默认模式网络是EEG中唯一需要区分了灰质和白质高级头模的RSN。需要关注的是，对rsFC动力学研究的比较表明，MEG和头皮脑电图之间的对应性较差，表明对瞬态神经功能整合的不同组成部分敏感。 这项研究表明，可以通过头皮脑电图以与MEG类似的方式对基于人脑连接体的静态rsFC进行研究，从而为rsFC分析的广泛临床应用开辟了道路。原文：Comparing MEG and high-density EEG for intrinsic functional connectivity mappinghttps:///10.1016/j.neuroimage.2020.1165564.GIGA Science:帕金森氏病中壳蛋白的活性持续降低：荟萃分析和静息态功能磁共振成像的独立验证
静息态功能磁共振成像（RS-fMRI）经常用于以全脑，体素的方式研究帕金森氏病（PD）中的局部自发性大脑活动。为了定量地整合这些研究，本文作者对15个使用低频振幅（ALFF）和11个使用区域一致性（ReHo）的研究运用多符号差分映射方法进行了基于坐标的（CB）荟萃分析。 本文采集了80名PD患者和52名健康参与者的RS-fMRI数据。作者经过头动校正及质量控制等预处理步骤，去除了12名患者被试，并对实验组和对照组其年龄和性别进行了匹配。最终将98位右撇子参与者的RS-fMRI数据纳入分析，这其中包括49位PD患者（26位女性）和49位年龄和性别相匹配的健康对照（26位女性）。（实验者的年龄为62.3岁±8.0） 本文所有ALFF和ReHo研究，作者都比较了PD患者（实验组）和健康被试（对照者），研究者还以频率依赖的方式对由49个PD患者和49个健康被试组成的新数据集进行了ALFF和ReHo的RS-fMRI验证研究。通过荟萃分析发现PD患者左壳核中的 ALFF值降低。这一发现在独立的验证数据频率集中在0.027–0.073 Hz的频带中得到了重复验证，但在频率为0.01–0.08 Hz的常规频带中没有得到重复。研究者们通过实验分析与研究得出PD患者壳状核中ALFF降低的一致结论。原文：Consistent decreased activity in the putamen in Parkinson’s disease: Ameta-analysis and an independent validation of resting-state fMRIDOI: 10.1093/gigascience/giy0715. Scientific Reports：利用皮层脑电信号的协同作用解码人类的手指运动 
跨多个远距离大脑区域的同步活动可能反映了大规模脑网络的协同相互作用，大规模脑网络的时间过渡信息可以用来解码如手指运动的信息，当前还没有研究此时间过渡信息的方法被建立。NatsueYoshimura等人从脑电信号中估算得到了皮层电流（CS）源，并在应用基于主成分分析（PCA）和时域独立成分析（ICA）的矩阵变换从中识别大脑的同步活动，之后通过对比不同方法解码手指8个方向运动的准确率，验证了利用皮层电流源的协同作用解码脑电信息的优越性。 本文选定M1、PMd、PMv、SMA、pre-SMA和hand knob此6个感兴趣区，分别将EEG、EEG同步、CS和CS同步此4类特征作为解码8分类解码器的输入，进行手指运动的解码， 解码任务分为基于实际运动外部信息解码和基于运动动机的内在信息解码。经过置换检验和FDR校正后，统计结果表明，CS同步特征在两类解码任务中的表现均显著优于其他特征，4种特征在外部信息解码中都有不错的表现，但对于内在信息的解码，只有CS同步表现卓著。原文：Decoding finger movement in humans using synergy of EEG cortical current signals. DOI:10.1038/s41598-017-09770-56.Journal of Affective Disorders：结合低频波动幅度、区域同质性和基于种子的功能连通性的边缘型人格障碍静息状态fMRI研究
边缘型人格障碍(Borderline personality disorder, BPD)是一种严重的II轴精神障碍，是一种以情绪调节、人际关系、冲动控制和自我认同不稳定为特征的长期异常行为模式，导致社会残疾、自伤和自杀(Leichsenring et al.， 2011)。目前，只有一项研究使用ALFF评估BPD相关的脑功能改变，发现枕后叶、右楔前叶和PCC背侧的神经自发活动减少。作者通过结合ALFF、ReHo和seedbased FC的数据驱动多算法分析来研究BPD静息状态下大脑功能变化。该实验通过功能磁共振成像(fmri)数据，比较了40例右利手未用药的年轻BPD患者35例健康对照组在一系列心理评估下的神经活动和功能连接。发现了BPD组高活动的脑区主要分布在额颞叶和边缘叶，这与前人的研究结果一致。此外，BPD患者的内侧额回、前扣带回和颞回与冲动性评分呈负相关，作者又进行基于体素形态测量法(VBM)的研究，证实右侧PCC和楔前叶是BPD中结构和功能均发生改变的核心脑区。这揭示了右侧PCC与楔前叶的神经自发活动、同步活动和功能连通性的改变可能是由于BPD的DMN受到了干扰而改变的。原文：A resting-state fMRI study in Borderline Personality Disorder combining Amplitude of Low Frequency Fluctuation, Regional Homogeneity and seed based Functional ConnectivityDOI：https:///10.1016/j.jad.2017.04.067第三十一届磁共振脑影像基础班（重庆，9.14-19） 7.J Neurosurg: 任务相关的皮层高频Gamma成分在术前快速定位中的应用 
目的：皮层脑电是手术前功能定位的主要工具。在肢体运动中可见运动皮层的ECoG电极的高频Gamma成分的活动增加。本研究试图通过对比ECoG、直流电皮层刺激和fMRI在术前定位的特点，验证ECoG的有效性。 方法：采集17名癫痫病人的ECoG、直流电皮层刺激和fMRI时常5分钟的手/舌头运动的数据。使用广义线性模型对ECoG的高频Gamma部分进行建模，并将其与其他的数据结果进行比较。 结果：运动可以有效地调节运动皮层的高频Gamma活动。 结论：与传统的ECS和fMRI相比，基于ECoG的广义线性模型在有效性和准确度方面都具有更好的表现，使用ECoG可以更有效地在5min内实现运动功能的定位原文：Fast presurgical functional mapping using task-related intracranial high gamma activityDOI：http:///doi/abs/10.3171/2013.2.JNS12843第九届脑电数据处理入门班（重庆，9.22-27） 8. Nature Communications：深部脑活动可以通过脑磁图检测到 
海马和杏仁核是内侧颞叶的关键脑结构，参与认知和情绪过程以及癫痫等病理状态。尽管它们很重要，但它们的神经活动能否被无创记录仍不清楚。本文由艾克斯马赛大学的Pizzo等人，在著名杂志Nature Communications发表。研究者们在14名癫痫患者的闭眼、静息状态下，同时采集10-30分钟的SEEG和MEG（脑磁图）的数据。使用盲源分离法以及独立成分分析的方法分析数据，使皮层网络的活动与深层结构的活动分离开来，因为深部活动虽然在头皮诱发的振幅小，但是意义重大。 结果证明，杏仁核和海马活动对MEG头皮记录有直接影响。这一发现对理解海马和杏仁核的活动至关重要，因为这意味着它们的活动可以被无创性地测量。原文：Deep brain activities can be detected with magnetoencephalographyDOI：10.1038/s41467-019-08665-59.NeuroImage：脊髓对瘙痒的血氧信号响应的研究
一般对身体刺激的任务态研究针对痛觉等较为强烈的外部刺激进行，而本文对新颖的提出针对瘙痒的刺激进行研究。而本文中还对脊髓这一特殊对象进行研究，发现不同被试在应对瘙痒刺激下，脊髓的神经活动存在差异。基于本研究的分析方法也对脊髓在不同任务下神经活动进行分析。 瘙痒是一种独立，多诱因的非常常见的症状。然而，人们对于中枢神经系统中瘙痒知觉的神经元表示尚不完全了解，并且几乎没有关于人类脊髓中瘙痒的神经元相关的任何研究。在本研究中，我们旨在利用高分辨率功能磁共振成像（fMRI）在健康志愿者中确定颈部脊髓中与瘙痒有关的神经活动。我们研究了组织胺在前臂上引起的瘙痒和通过冷却调节的瘙痒强度。为了控制热刺激（冷却）的效果，志愿者也进行了相同的处理但是不施加组织胺刺激。我们通过采用交替进行的无毒冷却和皮肤温度刺激分开的分块设计，研究了前臂上组织胺引起的瘙痒。与未经处理的皮肤进行冷却相比，未经组胺处理的皮肤进行无毒冷却导致瘙痒感明显增加。在神经水平上，瘙痒与脊柱节段C5和C6之间（与刺激侧同侧）过渡时脊髓背角的激活平行。这些结果表明，可以在人的脊髓无创地评估与瘙痒有关的神经活动。原文：BOLD responses to itch in the human spinal cordDoi: http://dx./10.1016/j.neuroimage.2014.12.019如需某篇原文及补充材料请加思影科技微信：siyingyxf 或者18983979082（杨晓飞）获取,如对思影课程感兴趣也可加此微信号咨询。觉得有帮助，给个转发，或许身边的朋友正需要。右下角点个再看，我们会更努力做好。微信扫码或者长按选择识别关注思影 非常感谢转发支持与推荐 欢迎浏览思影的数据处理业务及课程介绍。（请直接点击下文文字即可浏览思影科技所有的课程，欢迎添加微信号siyingyxf或189839798082（杨晓飞）进行咨询，所有课程均开放报名，报名后我们会第一时间联系，并保留已报名学员名额）： 第六届小动物磁共振脑影像数据处理班（南京，9.1-6） 第三十二届磁共振脑影像基础班（南京，9.21-26） 第十一届脑影像机器学习班（南京，8.25-30） 第十三届磁共振弥散张量成像数据处理班（南京，9.15-20） 第六届任务态fMRI专题班（南京，10.16-21） 第二届弥散磁共振成像数据处理提高班（南京，10.24-29） 第七届磁共振ASL数据处理班（南京，10.12-15） 第十八届磁共振脑网络数据处理班（南京，11.6-11） 第三十四届磁共振脑影像基础班（南京，10.30-11.4） 第三十一届磁共振脑影像基础班（重庆，9.14-19） 第三十三届磁共振脑影像基础班（重庆，10.11-16） 第十七届磁共振脑网络数据处理班（重庆，10.20-25） 第十届磁共振脑影像结构班（重庆，11.2-7） 第十二届脑影像机器学习班（重庆，11.11-16） 第九届脑电数据处理入门班（重庆，9.22-27） 第二十二届脑电数据处理中级班（南京，11.12-17） 第十届脑电数据处理入门班（南京，12.1-6） 第八届眼动数据处理班（重庆，10.26-30） 第九届近红外脑功能数据处理班（上海，11.24-29） 此处点击在看，让更多朋友关注我们
|
