Мрежовият анализ разкрива функционална свързаност, свързана с тенденцията за интернет пристрастяване (2016)

Предни Hum Neurosci. 2016; 10: 6.

Публикувано онлайн 2016 Feb 1. Дой:  10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Таня Уен1,2,* намлява Шулан Сиех1,3,4,*

абстрактен

Загрижеността и натрапчивото използване на интернет могат да имат отрицателни психологически ефекти, така че все повече се признават за психично разстройство. Настоящото изследване използва статистически данни, базирани на мрежата, за да проучи как функционалните връзки на целия мозък в покой са свързани с степента на индивидуална зависимост от интернет, индексирана чрез самооценяващ се въпросник. Идентифицирахме две топологично значими мрежи, една с връзки, които са положително свързани с тенденцията към интернет пристрастяване, а друга с връзки, които са негативно свързани с тенденцията за пристрастяване към интернет. Двете мрежи са взаимосвързани най-вече в челните райони, което може да отразява промени в челната област за различни аспекти на когнитивния контрол (т.е. за контрол на използването на интернет и уменията за игра). След това категоризирахме мозъка в няколко големи регионални подгрупи и открихме, че по-голямата част от връзките в двете мрежи съответстват на церебеларния модел на пристрастяване, който обхваща модела с четири кръга.

На последно място, наблюдавахме, че мозъчните региони с най-много междурегионални връзки, свързани с тенденцията към интернет пристрастяване, възпроизвеждат тези, които често се срещат в литературата за пристрастяване, и се потвърждава от нашия мета-анализ на проучванията за пристрастяване към интернет. Това изследване осигурява по-добро разбиране на широкомащабните мрежи, участващи в тенденцията към интернет пристрастяване, и показва, че предклиничните нива на интернет пристрастяването са свързани с подобни региони и връзки като клинични случаи на пристрастяване.

Ключови думи: интернет зависимост, мрежова статистика, функционална свързаност, състояние на почивка, мета-анализ

Въведение

Интернет пристрастяване (; ) е модерен феномен, който се характеризира със загриженост и принудително използване на интернет. По-специално, нарушението на интернет игри (IGD) е изброено в раздел III на версията за диагностичен и статистически наръчник 5 (DSM-5)®, ). Поради липсата на стандартен критерий, някои литератури разглеждат двете терминологии като синоними (вж ; за дискусия); въпреки това, принудителното и прекомерно използване на интернет за всяка дейност (която в тази литература ще се нарича интернет пристрастяване) е по-глобално от основния подтип IGD, който може да включва множество форми на използване на интернет в допълнение към онлайн игрите (; ; ). Настоящото ни проучване изследва интернет зависимостта в по-общия вид. Подобно на нарушенията при употребата на наркотици, интернет зависимостта показва симптоми на абстиненция, толерантност, загуба на контрол и психосоциални проблеми, водещи до клинично значим дистрес или увреждане на ежедневното функциониране. Разпространението изглежда най-високите азиатски страни и юношите от мъжки пол и се оценява в диапазона от 14.1 до 16.5% (95 процента доверителен интервал) сред студенти от тайванското колежа в едно проучване (). Това явление привлича все повече внимание през последните няколко години и очевидно заслужава по-нататъшни изследвания.

Използвана е функционална магнитно-резонансна образна диагностика (fMRI), за да се идентифицират невралните субстрати на интернет пристрастяването, които се оказаха сходни на мозъчните сигнатури с пристрастявания към веществата (; ; ). В блокирани и свързани с събития проучвания, няколко региона, свързани с награда, пристрастяване и жажда, са идентифицирани чрез контрастиране на интернет игри с изходно ниво, което включва инсулата, nucleus accumbens (NAc), дорсолатералната префронтална кора (DLPFC) и орбиталната фронтална кортекс (OFC); ; ; ; ). Обаче, подходите, базирани на активиране, се свързват с контрастната функция и не разглеждат взаимодействието между регионите на мозъка и по този начин не могат да характеризират променените функционални връзки, свързани с клинични или поведенчески мерки; въпреки това, човешките разстройства са резултат от смущения в взаимосвързана комплексна система (). Въвеждането на fMRI в състояние на покой се оказа мощен инструмент за изследване на невронната свързаност на целия мозък (). Функционалната свързаност на състоянието на почивка се оценява чрез корелация на спонтанни флуктуации на сигнали, зависими от нивото на кислород в кръвта (BOLD) в различни региони на мозъка и се смята, че осигурява мярка за неговата функционална организация и може да помогне да се характеризират анормални синхронизации между мозъчните области в спектъра на психологическите фенотипове (; ).

Въпреки че има някои проучвания, които са използвали функционална свързаност за изследване на изменената функционална свързаност, свързана с интернет пристрастяването, повечето проучвания са използвали области на семена, избрани априори, или (а) корелиращи една област на семето с останалите воксели на целия мозък [ използва се NAc; използва се дясната долна предна извивка (IFG); използва се задната cingulate cortex (PCC); използва амигдалата; използва инсулата; използвал е каудалното ядро ​​и путамен; използва се десният преден полюс; използва правото DLPFC] или (б) извършване на корелации между множество предварително дефинирани ROI, избрани от значими мрежи ( разгледа централната изпълнителна мрежа и мрежата от изказвания; проучи изпълнителната контролна мрежа; проучи изпълнителната контролна мрежа и мрежата за възнаграждения; разгледа мрежата за инхибиране на реакцията; изследва шест предварително дефинирани двустранни ROIs). Предварително определените семена, изследвани само, представляват малка част от мозъка, така че те може да не са в състояние да предоставят пълна картина за това как свързаното с нея заболяване е засегнато.

Много малко проучвания са използвали подхода на целия мозък, за да изучават интернет зависимостта. Доколкото ни е известно, понастоящем има само четири публикувани статии, които възприемат подхода на целия мозък и техните методи са доста променливи, като се изхожда от мрежова статистика (NBS; ) до топологично (; ; ) към новоразработена хомотопна свързаност с огледален воксел (). По-специално, използва NBS, за да идентифицира различията между групите в междурегионалната функционална свързаност и установи нарушения на връзките, участващи в кортико-подкорковите кръгове при пациенти с интернет зависимост. Въпреки това, тяхното проучване се фокусира върху малък размер на извадката от уникална популация (мъже ранни юноши).

Затова в настоящата ни книга решихме да използваме подход за свързване на целия мозък, NBS (; ), за да се идентифицират функционални връзки, които предсказват тенденцията към пристрастяване към интернет. NBS е валидиран статистически метод за справяне с проблема за множествените сравнения на графика, аналогичен на методите, базирани на клъстери (), и се използва за идентифициране на връзки и мрежи, съдържащи човешкия свързващ елемент, които са свързани с експериментален ефект или разлика между групите, чрез тестване на хипотезата независимо при всяка връзка. Нашите резултати ще бъдат сравнени и с мета-анализ на съществуващи документи, свързани с невронните корелати на интернет пристрастяването. Надяваме се да разширим съществуващата литература по няколко начина: (1) Надяваме се да предоставим по-пълна картина на интернет зависимостта, като използваме анализ на целия мозък, вместо да използваме само малък брой предварително дефинирани семена. (2) Въпреки че съществуват няколко изследвания на функционалната свързаност на целия мозък на интернет пристрастяването (напр. ; ), проучванията сравняват групите за пристрастяване към интернет със здрави контроли. Нашето проучване не включва никакви клинични пациенти, но характеризира тенденцията към пристрастяване към интернет като градиент. Надяваме се да идентифицираме функционални връзки, чиято сила се модулира от нивото на пристрастяване. (3) Повечето проучвания за пристрастяване към интернет не са взели под внимание малкия мозък, но малък мозък е замесен като важен регион в зависимост (). По този начин включихме малкия мозък в нашия анализ. (4) Много проучвания са ограничили своята група участници до мъже и често съдържат сравнително малки размери на пробите (напр. , ; ). За да се увеличи обобщението и силата на тези изследвания, е необходимо да се вземат проби, съдържащи двата пола и по-голям размер на извадката (). Като се справят с горепосочените проблеми, настоящото проучване се надява да осигури по-добро разбиране за това как функционалната свързаност е свързана с тенденцията за пристрастяване към интернет.

Материали и методи

Мета-анализ

Изграден е мета-анализ, използвайки базата данни NeuroSynth (http://neurosynth.org; ). Извършен е персонализиран анализ чрез използване на думите за търсене „пристрастяване“, „наркоман“, „интернет“, „игри“, „игра“ и „онлайн“, за да се идентифицират проучванията, свързани с интернет зависимостта в базата данни. Критериите за включване са проверени ръчно, а списъкът на включените изследвания е описан подробно в допълнителните материали 1. Бяха включени общо 18 проучвания. Координатите на пиковото активиране, както и неговите съседни на 6 mm воксели са извлечени от включените изследвания. След това бе извършен мета-анализ на тези координати, който генерира напред и почита извода за целия мозък z-карти. Картите за препращане показват вероятността даден регион да се активира при тези условия [P(активиране | термини)], което ни информира за последователността на активирането за дадените условия. Картата на обратния извод показва вероятността тези термини да се използват в проучване, като се има предвид наличието на докладвано активиране [P(термини | активиране)]; следователно регион, който се активира, показва, че е по-вероятно да бъде проучване, свързано с интернет зависимостта, отколкото проучване, свързано с не-интернет пристрастяване, което отразява селективността на този регион. Тъй като и предните, и обратните заключения играят важна роля в разбирането на регионите, свързани с пристрастяването към интернет, ние припокривахме тези два изводни карти, за да очертаем общите им региони. Отчитат се клъстери по-големи от пет воксела.

FMRI на състоянието на почивка

Участниците

Четиридесет и седем здрави участници (мъже 21 и 26 жени) от Южен Тайван, повечето от които са студенти или служители в университета, бяха наети чрез реклами, за да участват в експеримента (възрастов диапазон = 19 – 29 години, средна възраст = 22.87 години, SD = 2.22 години). Участниците бяха с дясната ръка (посочена от инвентара на Edinburgh Handedness Inventory), имаха нормално или коригирано-към-нормално зрение и нямаха история на психологически или нервни разстройства. Техните депресивни, тревожни и интелигентни резултати са в нормални граници [Дебитната инвентаризация на Бек (BDI): 0 – 12; Оценка на индекса на тревогата на Бек (BAI): 0 – 7; Резултат от теста за стандартни прогресивни матрици на Raven: 35 – 57]. Резултатът на Chen Internet Addiction Scise-Revised (CIAS-R) на всички участници е бил в диапазона = 28 – 92, средно = 60.04, SD = 16.53. Маса Table11 обобщава демографската информация и поведенческите характеристики на участниците. Нормалността на CIAS-R резултатите беше потвърдена чрез теста на Шапиро-Уилк [W(47) = 0.98, p = 0.50]. Няма значима корелация между пол и оценка на CIAS-R (ρ = 0.15 на Spearman, p = 0.30). Всички участници предоставиха своето писмено информирано съгласие и протоколът на изследването беше одобрен (NO: B-ER-101-144) от институционалния съвет за преглед (IRB) на Националната университетска болница Cheng Kung, Tainan, Тайван. Всички участници получиха 500 NTD след приключване на експеримента.

Таблица 1  

Демографска информация и поведенчески характеристики.

Въпросник за преразглеждането на скалата на Chen за интернет пристрастяване (CIAS-R)

Ревизирана скала за интернет пристрастяването на Чен (CIAS-R; ) е мярка 26, използвана за оценка на сериозността на интернет зависимостта. CIAS-R се основава на DSM-IV-TR критериите за поведение на добавките и съдържа две подкали на интернет зависимостта (а) основни симптоми и (б) свързани проблеми, оценявайки пет измерения, включително (1) компулсивно използване на интернет, (2) изтегляне симптоми, когато интернет е отнет, (3) толерантност, (4) застрашени от междуличностни отношения и физическо здраве, и (5) проблеми с управлението на времето. Елементите се оценяват по скала на 4-точка Likert, като общият брой точки варира от 26 до 104, отразявайки ниската до висока тенденция на интернет пристрастяване. Показано е, че CIAS-R има висока вътрешна съгласуваност (α = 0.79-0.93 на Cronbach; ) и висока диагностична точност (AUC = 89.6%; ). В настоящото проучване общата оценка на CIAS-R е използвана като индикатор за текущото състояние на участниците в интернет зависимостта.

Придобиване и обработка на изображения

Образът беше извършен с помощта на скенера GE MR750 3T (GE Healthcare, Waukesha, WI, USA) в центъра на ЯМР на Националния университет Ченг Кунг. Анатомични изображения с висока разделителна способност са получени с помощта на бърз SPGR, състоящ се от 166 аксиални филийки (TR = 7.6 ms, TE = 3.3 ms, флип ъгъл 171 = 12 °, 224 матрици × 224 матрици, дебелина на среза = 1 mm). Функционалните изображения бяха получени с помощта на импулсна последователност от ехо-плоско изображение (EPI) на градиент-ехо (TR = 2000 ms, TE = 30 ms, флип ъгъл = 77 °, 64 матрици × 64 матрици, дебелина на среза = 4 mm, без празнина, размер на воксел 3.4375 mm × 3.4375 mm × 4 mm, 32 аксиални фигури, покриващи целия мозък).

На участниците беше казано да се отпуснат и да лежат в скенера със затворени очи. Бяха помолени да не мислят за конкретно събитие по време на сканиране. Времето за сканиране на структурното изображение е приблизително 3.6 min. Функционалното изображение е продължило приблизително 8 min, като първите пет TRs служат като фиктивни сканирания, за да се гарантира, че сигналът е достигнал стабилно състояние преди събирането на данни; по този начин се състои от 240 EPI обемни изображения за анализ.

Данните бяха предварително обработени с помощта на помощника за обработка на данни за fMRI (DPARSF; ), който се основава на функции в MRIcroN (1), както и софтуер за статистическо картографиране на параметри (SPM)2) и инструментариума за анализ на данните на базата на състояние на почивка (REST); ) в Matlab (The MathWorks, Inc., Natick, MA, USA). Функционални изображения са претърпели корекция на времето на срязване, последвано от пренареждане, за да се коригира движението на главата чрез трансформации на твърдо тяло с шест параметъра. Цялостното движение, характеризиращо се със средно изместване на рамката (FD), не е голямо (средно = 0.05, SD = 0.03) и не корелира с резултатите на CIAS-R (ρ = -0.28 на Spearman, p = 0.055), следователно импулсивността не е объркващ фактор за оценка и движение на пристрастяването към интернет (). T1 изображенията бяха приложени към функционални изображения. Структурните изображения бяха сегментирани в CSF, бяло вещество и сиво вещество на базата на карти на вероятността от тъкан в MNI пространство, и тези изчисления бяха използвани при последващата нормализация на T1 и EPI изображенията към MNI пространство. Данните бяха загладени в пространствената област с помощта на гаусово ядро ​​с 6 mm пълна ширина при половин максимум (FWHM) и премахнато от линейната тенденция. Неприятните ковариати, включително глобалния среден сигнал, сигнала на бялата материя и сигнала на цереброспиналната течност, бяха регресирани. Въпреки че дали да се извърши глобалната регресия на сигнала, все още продължава противоречие (напр. ), решихме да приложим този метод, защото беше предложено да се максимизира спецификата на функционалните корелации и да се подобри съответствието между корелациите на състоянието на почивка и анатомията (; ; ). И накрая, изображенията са преминали през филтриране на 0.01 – 0.08 Hz.

Анализ на данни

FMRI изображенията бяха разпределени на базата на анатомично автоматично етикетиране (AAL; ) шаблон, който разделя мозъка на базата на анатомична структура на 116 ROI (или възли). Избрахме атласа на AAL, тъй като това е най-често използваното отменяне на функционалните проучвания в мрежата () и също е използваният от , чието проучване е най-подходящо за нашето, като по този начин се увеличава степента на сравнимост между изследванията (). Методът NBS е използван за идентифициране на мозъчни мрежи, които се състоят от междурегионална функционална свързаност, показваща значителна корелация с оценката на CIAS-R. Следните анализи бяха направени с помощта на инструментариума за статистически данни за мрежата () с допълнителни вътрешни скриптове на Matlab. Създадена е матрица за корелация 116 × 116 за всеки участник, използвайки времевите курсове, извлечени от всяка ROI. Пиърсън r стойностите са нормализирани до Z оценява с помощта на Фишер Z трансформация. Всяка клетка на корелационната матрица представлява силата на връзката (или ръба) между два възела. Извършено е масово едновариантно тестване с помощта на ранговата корелация на Spearman между резултатите CIAS-R на участниците и силата на ръба във всеки ръб, за да се идентифицират съответните връзки, които са предсказващи CIAS-R резултата. Кандидатските ръбове, които показаха висока предсказуемост на CIAS-R резултат, бяха избрани чрез първичен праг на rho на Spearman> 0.37 и <-0.37 (приблизително еднократната алфа = 0.005), за да се идентифицират мрежи, които са положително и отрицателно свързани с CIAS- R резултат. След това сред надпраговите връзки бяха идентифицирани топологични клъстери, известни като свързани компоненти на графика. Семейната грешка (FWE) за размера на компонента беше изчислена с помощта на тестване на пермутации (3000 пермутации), което включваше произволно пренареждане на резултатите от CIAS-R и повтаряне на горния процес на всяка пермутация, за да се получи нулево разпределение на най-големия размер на компонента. Свързани компоненти на графика, чийто размер надвишава очакваното коригирано FWE p-граничение на стойност от <0.05 бяха идентифицирани като мрежи, които са значително свързани с тенденцията за пристрастяване към интернет. BrainNet Viewer () се използва за визуализация на връзките. Илюстрация на тръбопровода за анализ на данни е показана на Фигура Figure11.

ФИГУРА 1  

Блок-схема на тръбопровода за анализ на данни. Мозъците на участниците бяха предварително обработени и разпределени в различни структурни региони съгласно AAL шаблона. Създадена е корелационна матрица, използвайки времевите курсове, извлечени от всеки регион до ...

Резултати

Мета-анализ

Преден и обратен извод z-свързаните карти бяха генерирани от NeuroSynth (показана на Фигура Figure22). Активиранията в тези две карти показват голяма прилика помежду си. Припокриването на тези карти разкрива активиране в районите на малкия мозък, темпоралния лоб (двустранно долно темпорално зъбец, десен по-висок темпорален полюс и дясна средна и по-горна виска), няколко фронтални области (лява средна и горна орбитална предна извивка, дясна средна фронтална извивка, дясна долна фронтална клека и дясна прецентрална извивка), двустранни путамени, двустранна инсула, дясна средна шийка и дясна преднинус. Маса Table22 изброява идентифицираните клъстери, както и AAL региони, принадлежащи към клъстера.

ФИГУРА 2  

Изводни карти на мета-анализ на NeuroSynth, показващи региони, активни в преден извод, обратен извод и припокриване на двете карти.
Таблица 2  

Припокриващи се клъстери от карти на преден и обратен извод.

FMRI на състоянието на почивка

Функционални връзки, свързани с тенденцията към интернет пристрастяване

Използвайки NBS, ние идентифицирахме две мрежи, които показват значителна корелация между силата на ръба и CIAS-R резултатите (p <0.05, коригирано с FWE): един с ръбове, положително корелирани с резултатите на CIAS-R („CIAS-R позитивен“, показан в червено), и един с ръбове, отрицателно корелирани с CIAS-R („CIAS-R отрицателен“, показан в синьо). Положителната мрежа CIAS-R се състои общо от 65 възли и 90 ръба (45 интрахемисферични, 42 между полусферични и 3, свързващи се с вермиса), докато отрицателната мрежа се състои от 64 възли и 89 ръба (35 интрахемисферни, 40 между полусферични и 14 свързване към / в рамките на вермиса). Важно е да се отбележи, че двете мрежи не са напълно отделни и те споделят общо 39 възела, 30.77% от които са региони на предния лоб. Общият брой на ръбовете, свързани с CIAS-R, се състои от 2.68% от всички ръбове на мозъка. Мрежата е илюстрирана в Фигура Figure33 и специфични връзки са изброени в допълнителните материали 2, таблица S1.

ФИГУРА 3  

Мрежа от връзки, които са свързани с резултатите на CIAS-R. Сивите сфери представляват центроида на всеки възел и се мащабират според броя на значимите ръбове, с които са свързани. Показват се само възли с връзки. Червените линии представляват ...

Глобално разпространение на ангажирани ръбове

За да разберем по-добре как се разпространяват тези връзки, следвахме намлява и категоризират всяка AAL област в рамките на всяка мрежа като принадлежаща към седем регионални подгрупи: фронтална, темпорална, париетална, тилна, инсула и зъбец, субкортикална и малкия мозък. По-голямата част от ръбовете в позитивната мрежа на CIAS-R включват връзки между (1) временни региони и инсула и cingulate gryi (N13%), повечето от които включват задната cingulate gyrus, свързваща се към различни времеви региони; (2) фронтални и темпорални участъци (UM12%), което включва връзки между медиалната орбитофронтална кора, парацентралната лобула и тъканния дял, временния полюс; и (3) париетални и субкортикални участъци (N11%), състоящи се от връзки между постцентралния кортекс и по-горната париетална лобула с путамена и палидума. Интересно е да се отбележи, че с изключение на фронталния дял, всички други региони нямат вътрешнорегионални връзки, чиято сила е положително свързана с тенденцията за пристрастяване към интернет. По-голямата част от ръбовете в отрицателната мрежа на CIAS-R включват връзки между (1) на предния лоб и малкия мозък (19%), повечето от които са връзки между орбиталните фронтални области и различните ROI на малкия мозък; и (2) инсула и cingulate gyri и темпоралния лоб (N12%), който включва връзки между инсулата, cingulum, parahippocampal и тъмните лобни зъби. Не е установено, че окцитални области са включени в отрицателната мрежа на CIAS-R. Пропорциите на междурегионалните връзки на всяка мрежа са илюстрирани в Фигура Figure44.

ФИГУРА 4  

Пропорция на ръбовете, които са положително и отрицателно свързани с тенденцията за пристрастяване към интернет между двойките регионални подгрупи. Пропорциите бяха изчислени чрез разделяне на броя на ръбовете между (или в) двойки региони с общия брой ...

Максимално засегнати възли

Поради големия брой идентифицирани ръбове, ние следвахме и идентифицирани възли, които имат висока “сума от CIAS-R-корелирани ръбове”, за да фокусират нашия анализ върху региони, където връзките са максимално свързани с тенденцията за пристрастяване към интернет. Сумата от CIAS-R-корелирани ръбове на възел се определя като общия брой на нейните ръбове в положителните и CIAS-R отрицателните мрежи (това е концептуално еквивалентно на степента на измерване в теорията на графите). Този метод ще ни позволи да идентифицираме възли, при които връзките най-вероятно ще бъдат променени от тенденцията към пристрастяване към интернет. Следното Маса Table33 изброява възлите, които са максимално засегнати, и показва възли, които имат поне сума от CIAS-R-корелирани ръбове на поне 8. Визуализацията на възлите и техните връзки се показва в Фигура Figure55, Това са и възлите, избрани за обсъждане.

Таблица 3  

Анализ на ниво възел на тенденцията за пристрастяване към интернет.
ФИГУРА 5  

Визуализация на възлите с най-голям брой ръбове, свързани с тенденцията към пристрастяване към интернет. Зелените сфери изобразяват центроида на всеки възел с максимални ръбове, докато жълтите сфери изобразяват техните партньори за функционална свързаност. Червените линии показват ръбове ...

Дискусия

В една нормална група млади възрастни, ние оценихме тяхното ниво на интернет пристрастяване чрез самооценяван въпросник (CIAS-R), и допълнително идентифицирахме две мозъчни мрежи, от които функционалните връзки корелираха положително и отрицателно с тенденцията към пристрастяване към интернет. По-долу ще обсъдим нашите резултати при различни скали на наблюдение: (1) решаващите региони, свързващи положителните CIAS-R и отрицателните мрежи на CIAS-R, (2) региони с високи пропорции на връзки, свързани с тенденция към интернет пристрастяване, и (3) ) критичните възли, изменени от тенденцията за пристрастяване към интернет.

Фронтални региони свързват положителните CIAS-R и отрицателните мрежи на CIAS-R

Ние наблюдавахме, че по-голямата част от възлите, които свързват двете (CIAS-R положителни и CIAS-R отрицателни) мрежи са разположени в предния лоб. Тези области включват превъзхождащата фронтална gyrus, IFG, медиалната фронтална gyrus, rolandic operculum и допълнителната двигателна област. Префронталната кора е замесена като критична структура в когнитивния контрол, инхибирането и подбора на отговор (; ; ). Пристрастяването към интернет е феномен, при който зависимите са намалили самоконтрола и вземането на решения по отношение на използването на интернет, което се отразява в продължаващото прекомерно използване, въпреки знанията им за негативни ефекти. Например, няколко проучвания са установили, че участниците с интернет пристрастяване показват по-висока фронто-стриатална и фронто-париетална активация по време на задачата Go / Nogo (; ; ) и Stroop задача (, , ), което предполага по-лошо инхибиране на реакцията и наблюдение на грешките и повишена импулсивност. От друга страна, интернет наркозависимите и играчите на видео игри често показват отлично представяне на когнитивните функции, като например контрол на мотора и ефективно вземане на решения по време на игра. В действителност е доказано, че практическите ефекти от видеоиграта се обобщават до разнообразни управленски умения, включително умения за възприемане, двигателни, внимателни и вероятностни изводи (; ; ; ; ). Едно проучване на fMRI установи намалено набиране на фронто-теменната мрежа в играчи на видеоигри в сравнение с не-геймърите по време на задача за високо внимателно търсене, което вероятно отразява по-ефективния изпълнителен и внимателен контрол (). Двете лица на когнитивния контрол, показвани от интернет наркозависимите, представляват интересна дилема. В нашето проучване наблюдението на фронталните региони, свързващи двете мрежи, където функционалната свързаност е намалена и увеличена от тенденцията към интернет пристрастяване, може да отразява промени в челната област за различни аспекти на когнитивния контрол (т.е. за контрол на използването на интернет и уменията за игра), Заслужава да се спомене, че въпреки това Предполага се, че е възможно да се увеличи функционалната свързаност, свързана с ефектите от практиката в интернет наркоманите, като само проучването е установило намалена функционална свързаност. Една възможност, предложена от поради липсата на повишена функционална свързаност в интернет-зависимите лица, малката им извадка е довела до липса на власт. Чрез използване на анализ, базиран на семена, който изисква по-малко многобройни сравнения от подходите на целия мозък, повторно анализираха данните за 2013 и наблюдаваха както повишена, така и намалена функционална свързаност, свързана с пристрастяването към интернет.

Широко разпространените връзки на мрежите за интернет пристрастяване

Данните показват голям брой между-и вътрешно-полусферични връзки в положителните и CIAS-R отрицателните мрежи на CIAS-R, отразяващи широкото влияние на тенденцията за интернет пристрастяване към мозъка. Отбелязахме, че най-високият дял от връзките в положителната мрежа на CIAS-R включва „инсула и cingulate - темпорални”, “фронтално-темпорални” и “субкортикално-париетални” ръбове, докато най-високият дял на връзките в CIAS-R негативната мрежа включваше „фронтално - малкия мозък” и „инсула и \ tФигура Figure44). В наскоро предложен модел на пристрастяване (), малкия мозък помага за поддържане на хомеостазата на четирите взаимосвързани вериги, свързани с пристрастяването: награда / изява, мотивация / задвижване, учене / памет, както и когнитивен контрол. Този модел интегрира модела с четири вериги (, ) и мрежи за функционално покой на малкия мозък, свързани с изпълнителна и асоциативна обработка в мозъчната кора (). Компонентите за награда / изява, мотивация / задвижване и учене / памет се усилват, докато когнитивният контрол намалява в зависимост. виждам Фигура Figure66 за илюстрация. Нашите наблюдения на най-високите пропорции на функционална свързаност на двете мрежи за тенденция към интернет пристрастяване като цяло са съвместими модел на критичните компоненти, включени в схемите за пристрастяване. По същия начин, ние не наблюдавахме много значими връзки, обхващащи тилния лоб, което също се свързва констатации. Освен това, ние открихме, че голяма част от “субкортикалните - париетални” ръбове, въпреки че не са особено подчертани в модела с четири вериги, тези връзки са наблюдавани в литературата за пристрастяване към интернет (напр. ; , ), което може да се дължи на ефекта от практиката, свързан с използването на интернет.

ФИГУРА 6  

Модел на пристрастяване, подчертаващ модулиращата роля на малкия мозък на четирите основни мозъчни мрежи, предложен да бъде засегнат от пристрастяването (адаптиран от ). Тези схеми включват награда / изява, мотивация / задвижване, учене / памет, ...

Критични възли, променени чрез тенденция към интернет пристрастяване

Ние идентифицирахме възли с най-много връзки, които са максимално свързани с тенденцията за пристрастяване към интернет. Тези възли са тези, чийто модел на връзки между самия възел и други области на мозъка са най-податливи на промяна от тенденцията на пристрастяване към интернет. Регионите са специфично двустранно задната зъбна гируса, дясната инсула, дясната средна височна гируса, левият по-висок темпорален полюс, десния путамен и орбиталната част на левия IFG (Фигура Figure55). Тези региони бяха замесени като ключови региони в много (интернет) проучвания за пристрастяване, а някои вече бяха споменати в предишния раздел. Сега обсъждаме по-подробно литературата за пристрастяването, в която се посочват тези региони. PCC, част от мрежата по подразбиране и включена в различни аспекти на самообработката (; ), служи като семенен регион в проучване, което показа значително повишена функционална свързаност с двустранния задния лоб на малкия мозък и средната височна извивка, като в същото време намалява двустранната долна париетална лобула и дясната долна темпорална извивка при интернет играчите. Установено е също, че интернет наркоманите показват анормална фракционна анизотропия () и плътност на сивото вещество () в PCC. избра инсулата, която е замесена в пристрастяване (; ), като регион на семената и е открил променена функционална свързаност с мрежа от региони в интернет наркозависимите. Предложена е ролята на инсулата при пристрастяване за интегриране на интероцептивни сигнали в съзнателни чувства (наркотични нужди) и пристрастие по време на вземане на решения (). Средните темпорални извивки и по-висшите темпорални полюси се наблюдават в някои проучвания за пристрастяване към интернет (вж за мета-анализ), и са били свързани с игра порив / жажда, семантична обработка, обезлюдяване, работна памет и емоционална обработка; техните специфични роли в пристрастяването обаче изискват по-нататъшни проучвания. Путаменът, част от дорзалния стриатум, също е критичен регион, предложен от много изследвания за пристрастяване (напр. ; ; ), при което съпътстващата невротрансмисия на допамин участва в развитието на компулсивно търсене на наркотици и жажда (; ). Освен това, проучванията показват, че дисфункцията на стриато-таламо-орбитофронталната верига е решаваща причина за пристрастяването, докато дорзалната лента, участваща в изучаването на навиците и жаждата, орбитофронталната кора се занимава с подчертанство, шофиране и натрапчивост (; ; ; ). Анормалното функциониране на орбитофронталната кора може да обясни неправилното функциониране на поведението при пристрастяване. Обобщавайки гореизложеното, възлите, които идентифицирахме, са хъбове, които са най-податливи на промяна от тенденцията към пристрастяване към интернет и са били идентифицирани многократно в съществуващата литература.

ограничаване

Както беше посочено от един от нашите рецензенти, дали да се осъществи глобална регресия на сигнала във ФМРТ за покой, все още остава текущ дебат. След повторно анализиране на текущите данни без глобална регресия на сигнала, нашите резултати се оказаха доста различни в сравнение с нашия първоначален анализ и само 22.91% от ръбовете, открити в анализите на NBS без глобална сигнална регресия, се припокриваха с тези на настоящите ни резултати. Без глобална сигнална регресия не открихме достатъчно функционални връзки, които да са положително свързани с резултатите на CIAS-R; въпреки това открихме мрежа, състояща се от функционални връзки, които бяха отрицателно свързани с резултатите на CIAS-R. Когато идентифицирането на възли с най-много връзки е максимално свързано с тенденцията за пристрастяване към интернет, ние намираме съгласуваност с глобалния регресионен анализ на сигналите, тъй като най-засегнати са cingulate, insula, temporal и frontal области. Няколко разлики обаче включват допълнително откриване на двустранни допълнителни двигателни зони и дясна ъглова извивка, показващи намалена функционална свързаност, и не е имало толкова много субкортикални области в идентифицираната мрежа. Въпреки че глобалната регресия на сигнала все още остава спорна, решихме да докладваме и двата резултата. Данните за мрежата, идентифицирана без глобална сигнална регресия, са документирани в допълнителните материали 3. Надяваме се, че бъдещата работа по предварителната обработка на изображението ще хвърли светлина върху това кой резултат е по-точен. В този момент ние предлагаме да се интерпретират настоящите резултати с такива предупреждения.

Заключение

Използвайки подход, базиран на данни, ние показахме, че мрежовата статистика е полезен инструмент за характеризиране на свързаността на целия мозък, засегната от тенденцията към интернет пристрастяване, идентифициране на връзки и критични региони, които отразяват предишни изследвания. В сравнение с анализите на семена, този подход за целия мозък осигурява по-изчерпателен анализ на мозъчните връзки, свързани с пристрастяването към интернет, като изследва общо 6670 връзки. Допълнително показахме, че много функционални връзки и мозъчни области, критични при клинични случаи на пристрастяване, също са установени, че са свързани с предклинични тенденции, индексирани чрез мерки за поведенчески въпросници. Въпреки че използваме корелационен подход, не можем да бъдем сигурни дали тези мрежи са променени в резултат на използването на интернет или дали са характеристики на хора, които са предразположени към по-висок риск от развитие на интернет пристрастяване, това изследване предоставя полезна информация, която ни помага да разберем невралната характеристики, които са в основата на зависимостта и нейното развитие.

Авторски вноски

TW провежда експеримента, анализира данните, интерпретира резултатите, пише и ревизира ръкописа. SH проектира експеримента, изготвя предложението за безвъзмездни средства, ръководи подготовката и изпълнението на експеримента, помага при интерпретирането на данните, подготвя и преразглежда ръкописа.

Заявление за конфликт на интереси

Авторите заявяват, че изследването е проведено при липса на търговски или финансови отношения, които биха могли да се тълкуват като потенциален конфликт на интереси.

Благодарности

Авторите са благодарни на Yun-Ting Lee за помощ при събирането на данни и професор Po-Hsien Huang за статистически консултации. Проучването е финансирано от Министерството на науката и технологиите (MOST), Тайван (MOST 102-2420-H-006-006-MY2 и MOST 104-2420-H-006-004-MY2). В допълнение, това изследване беше частично подкрепено от Министерството на образованието (МО), Тайван, РПЦ Цел на проекта за висш университет към Националния университет Ченг Кунг (NCKU). Благодарим на Центъра за изследвания и образи на ума (MRIC), подкрепяни от MOST, в NCKU за консултации и наличност на инструменти. Въпросникът CIAS-R беше предоставен от Сю-Хуей Чен.

Бележки под линия

Допълнителен материал

Допълнителният материал за тази статия може да бъде намерен онлайн на адрес: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Препратки

  • Американска психиатрична асоциация [APA] (2013). Диагностично и статистическо ръководство за психични разстройства (DSM-5®), Арлингтън, Вирджиния: Американски психиатричен пъб.
  • Aron AR, Robbins TW, Poldrack RA (2004). Инхибиране и десен преден фронтален кортекс. Тенденции в Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Крос Реф]
  • Bavelier D., Achtman RL, Mani M., Focker J. (2012). Невронни основи на селективно внимание в играчите на екшън видеоигри. Вис. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010). Към науката за откриването на функцията на човешкия мозък. Proc. Natl. Акад. Sci. САЩ 107 4734 – 4739. 10.1073 / pnas.0911855107 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Brand M., Young KS, Laier C. (2014) .Предфронтален контрол и пристрастяване към интернет: теоретичен модел и преглед на невропсихологичните и невроизображения. Front. Hum. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Мрежата по подразбиране на мозъка - анатомия, функция и значение за заболяването. Година Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Крос Реф]
  • Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). Организацията на човешкия мозък се оценява чрез присъща функционална свързаност. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Castel AD, Pratt J., Drummond Е. (2005). Ефектите от преживяването на екшън видео игра по време на инхибиране на връщането и ефективността на визуалното търсене. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Крос Реф]
  • Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. (2015). Мозъчната корелация на инхибирането на реакцията при разстройство в интернет игри. Psychiatry Clin. Neurosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Крос Реф]
  • Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Разработване на китайски мащаб за пристрастяване към интернет и неговото психометрично изследване. Брадичка. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Крос Реф]
  • Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013). Образът на човешките връзки в макроскопията. Нат. методи 10 524 – 539. 10.1038 / Nmeth.2482 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Импулсивността на чертата и нарушената функция на префронталния импулс при подрастващите с интернет пристрастяване към хазартни игри, разкрито от проучване на Go / No-Go fMRI. Behav. Мозъчна функция. 10:20 10.1186/1744-9081-10-20 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, et al. (2013). Променена функционална свързаност на мрежата по подразбиране в подрастващите с интернет пристрастяване към игри. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Нарушен инхибиторен контрол при „нарушение на интернет зависимостта“: функционално изследване с магнитно-резонансна томография. Psychiatry Res. Невроизобразяването 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dong GH, DeVito Е., Huang J., Du XX (2012b). Дифузионното тензорно визуализиране разкрива аномалии на таламуса и задната част на зъбния кортекс в пристрастените към интернет игри. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Небалансираната функционална връзка между изпълнителната контролна мрежа и мрежата за възнаграждения обясняват поведението, търсещо онлайн игри в интернет разстройство в игрите. Sci. Rep. 5: 9197 10.1038 / Srep09197 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dong GH, Lin X, Potenza MN (2015b). Намалената функционална свързаност в изпълнителната контролна мрежа е свързана с нарушена изпълнителна функция при разстройство в интернет игри. Prog. Невро-Psychopharmacol. Biol. психиатрия 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dong GH, Lin X., Zhou HL, Lu QL (2014). Когнитивна гъвкавост в интернет наркозависимите: доказателства от fMRI от трудни за лесно и лесни за смяна ситуации. Addict. Behav. 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Крос Реф]
  • Dong GH, Shen Y., Huang J., Du XX (2013). Нарушена функция за следене на грешки при хора с нарушение на интернет зависимостта: изследване, свързано с събитие, свързано с fMRI. Евро. Addict. Res. 19 269 – 275. 10.1159 / 000346783 [PubMed] [Крос Реф]
  • Droutman V., Прочетете SJ, Bechara A. (2015). Преразглеждане на ролята на инсулата в зависимост. Тенденции в Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Dye MWG, Green CS, Bavelier D. (2009). Увеличаване на скоростта на обработка с екшън видео игри. Curr. Дир. Psychol. Sci. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [PMC безплатна статия] [PubMed] [Крос Реф]
  • Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., et al. (2014). Прекъсване на функционалните мрежи в дислексията: анализ на свързаността, свързан с данни за целия мозък. Biol. психиатрия 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Fornito A., Bullmore ET (2015). Connectomics: нова парадигма за разбиране на мозъчната болест. Евро. Neuropsychopharmacol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Крос Реф]
  • Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Общи и специфични нарушения на функционалната свързаност при шизофрения при първия епизод по време на когнитивния контрол. Biol. психиатрия 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Невронни механизми, времева динамика и индивидуални разлики в контрола на интерференцията. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Крос Реф]
  • Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Глобалният сигнал и наблюдаваните антикорелирани мозъчни мрежи в състояние на покой. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Fransson P., Marrelec G. (2008). Предварителната / задната cingulate cortex играе ключова роля в мрежата по подразбиране: доказателства от анализ на частична корелационна мрежа. NeuroImage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Крос Реф]
  • Goldstein RZ, Volkow ND (2011). Дисфункция на префронталната кора при пристрастяване: констатации за невроизображения и клинични последствия. Нат. Rev. Neurosci. 12 652 – 669. 10.1038 / nrn3119 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Зелен CS, Bavelier D. (2003). Екшън видео игра променя визуалното селективно внимание. природа 423 534 – 537. 10.1038 / nature01647 [PubMed] [Крос Реф]
  • Green CS, Pouget A., Bavelier D. (2010). Подобрен вероятностен извод като общ механизъм за учене с екшън видеоигри. Curr. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Ефектът от действието на видео игрите при превключване на задачи. Comput. Hum. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Griffiths MD, Pontes HM (2014). Разстройство на интернет пристрастяването и разстройство на интернет игри не са едни и същи. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Крос Реф]
  • Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Статистически базирани на клъстери статистики за свързаност на мозъка в корелация с поведенческите мерки. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Хан Х. Х., Ким Й.С., Лий Й.С., Мин КЖ, Реншо PF (2010). Промени в активността, предизвикана от cue, с префронтална кора с видеоигра. Cyberpsychol. Behav. Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Крос Реф]
  • Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Полови различия в мезокортиколимбичната система по време на компютърна игра. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Крос Реф]
  • Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, et al. (2015). Селективно включване на функционалната свързаност на путамена в младежта с разстройство в интернет игрите. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Крос Реф]
  • Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, et al. (2013). Намалява функционалната мозъчна свързаност при юноши с интернет пристрастяване. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014). Проблемното използване на интернет и проблематичните онлайн игри не са едно и също: констатации от голяма национално представителна извадка за подрастващи. Cyberpsychol. Behav. Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Променено активиране на мозъка по време на инхибиране на реакцията и обработка на грешките при пациенти с нарушение в интернет игри: функционално изследване с магнитно изображение. Евро. Арх. Psychiatry Clin. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Крос Реф]
  • Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. (2015). Променена плътност на сивото вещество и нарушена функционална свързаност на амигдалата при възрастни с нарушение на интернет игрите. Prog. Невро-Psychopharmacol. Biol. психиатрия 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Крос Реф]
  • Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et al. (2009). Мозъчна дейност, свързана с игрални стремежи към онлайн пристрастяване към игри. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Крос Реф]
  • Ko CH, Liu GC, Йен JY, Chen CY, Йен CF, Chen CS (2013). Мозъчните корелати на стремежа към онлайн игри при експозиция на реплики в обекти с интернет пристрастяване към игри и в предадени теми. Addict. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Крос Реф]
  • Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Скрининг за пристрастяване към интернет: емпирично проучване на граничните точки за мащаба на интернет пристрастяването. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Крос Реф]
  • Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., et al. (2014). Индивидуалните различия в импулсивността предсказват движението на главата по време на магнитен резонанс. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Koob GF, Volkow ND (2010). Невро-верига на пристрастяване. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Kühn S., Gallinat J. (2015). Мозъци онлайн: структурни и функционални корелати на обичайното използване на Интернет. Addict. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Крос Реф]
  • Kuss DJ, Griffiths MD (2012). Пристрастяване към интернет игри: систематичен преглед на емпиричните изследвания. Int. J. Mind Health Addict. 10 278–296. 10.1007/s11469-011-9318-5 [Крос Реф]
  • Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et al. (2014). Нарушена фронтално-базална ганглия свързаност при юноши с интернет зависимост. Sci. Rep. 4: 5027 10.1038 / Srep05027 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015). Мозъчните структури и функционалната свързаност, свързани с индивидуалните различия в интернет тенденцията при здрави млади възрастни. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Крос Реф]
  • Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015). Нетипични функционални вериги на кортикостриатата при юноши с нарушение на интернет зависимостта. Front. Hum. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Lin MP, Ko HC, Wu JYW (2011). Разпространението и психосоциалните рискови фактори, свързани с интернет зависимостта в национално представителна извадка от студенти в Тайван. Cyberpsychol. Behav. Сосиете. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Крос Реф]
  • Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., et al. (2013). Реактивност на репликата и нейното потискане при патологични играчи на компютърни игри. Addict. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Крос Реф]
  • Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). Префронталната дисфункция при индивиди с нарушения в интернет игри: мета-анализ на функционални изследвания с магнитно-резонансна томография. Addict. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Крос Реф]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Малък мозък и пристрастяване: прозрения, получени от изследвания на невроизображенията. Addict. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Naqvi NH, Bechara A. (2009). Скритият остров на пристрастяването: инсулата. Тенденции в неврози. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Nichols Т.Е., Holmes AP (2002). Непараметрични пермутационни тестове за функционални невроизображения: грунд с примери. Hum. Мозъчен Мап. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Крос Реф]
  • OReilly M. (1996). Интернет пристрастяване: ново заболяване влиза в лексикона. Мога. Med. Associ. J. 154 1882 – 1883. [PMC безплатна статия] [PubMed]
  • Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Дали интернет-пристрастеният към игрите мозък е близо до патологично състояние? Addict. Biol. [Epub преди печат] .10.1111 / adb.12282 [PubMed] [Крос Реф]
  • Петри Н.М., CP О'Брайън (2013). Разстройство на интернет игри и DSM-5. Пристрастеност 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Крос Реф]
  • Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014). Международен консенсус за оценка на нарушенията в интернет игрите, използвайки новия подход DSM-5. Пристрастеност 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Крос Реф]
  • Rorden C., Karnath HO, Bonilha L. (2007). Подобряване на картирането на лезии-симптоми. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Крос Реф]
  • Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et al. (2012). Проблеми в покой: как корелационните модели и груповите разлики се изкривяват след глобалната сигнална регресия. Brain Connect. 2 25 – 32. 10.1089 / brain.2012.0080 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Песен XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et al. (2011). REST: инструментариум за обработка на данни за функционална магнитно-резонансна образна диагностика. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Дефиниране на възли в сложни мозъчни мрежи. Front. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et al. (2012). Изследване на мозъка на fMRI на жадуваните, предизвикани от реплики на пристрастени към онлайн игри (юноши мъже). Behav. Brain Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Крос Реф]
  • Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., et al. (2014). Асоциация между функционалната свързаност на почивката и емпатизирането / систематизирането. NeuroImage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Крос Реф]
  • Talati A., Hirsch J. (2005). Функционална специализация в рамките на медиалната фронтална gyrus за възприемане на решения, базирани на „какво“, „когато“ и „къде“ свързана информация: изследване на fMRI. J. Cogn. Neurosci. 17 981 – 993. 10.1162 / 0898929054475226 [PubMed] [Крос Реф]
  • Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et al. (2002). Автоматизирано анатомично маркиране на активации в SPM, като се използва макроскопско анатомично парелиране на MNI MRI монотермозен мозък. NeuroImage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Крос Реф]
  • van den Heuvel MP, Пол ХЕХ (2010). Проучване на мозъчната мрежа: преглед на функционалната свързаност на fMRI в състояние на покой. Евро. Neuropsychopharmacol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Крос Реф]
  • Volkow ND, Fowler JS (2000). Пристрастяване, болест на принуда и задвижване: участие на орбитофронталната кора. Cereb. кора 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Крос Реф]
  • Volkow ND, Fowler JS, Wang GJ (2003). Пристрастеният човешки мозък: прозрения от образни изследвания. J. Clin. Investig. 111 1444 – 1451. 10.1172 / Jci200318533 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Зависимост: намалената чувствителност към възнаграждение и повишената чувствителност на очакванията водят до намеса в контролната верига на мозъка. Bioessays 32 748 – 755. 10.1002 / bies.201000042 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006). Кокаинови сигнали и допамин в дорзалния стриатум: механизъм на желание за кокаинова зависимост. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Крос Реф]
  • Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015). Намалена префлопална лобоподобна функционална свързаност при юноши с нарушение на интернет игри: първоначално проучване с използване на fMRI в състояние на покой. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014). Нарушена мозъчна функционална мрежа в интернет разстройство на зависимост: функционално изследване на магнитно-резонансна томография в състояние на покой. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Weissenbacher A., ​​Kasess C., Gerstl F., Lanzenberger R., Moser Е., Windischberger C. (2009). Корелации и антикорелации в функционалната свързаност в покой МРТ: количествено сравнение на стратегии за предварителна обработка. NeuroImage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Крос Реф]
  • Xia M., Wang J., He Y. (2013). BrainNet Viewer: инструмент за мрежова визуализация на човешкия мозък. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Yan C., Zang Y. (2010). DPARSF: MATLAB инструментариум за анализ на данни за „тръбопроводите“ на fMRI в състояние на покой. Front. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Yarkoni Т., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Широкомащабен автоматизиран синтез на данни от човешки функционални невроизображения. Нат. методи 8 665 – 670. 10.1038 / nmeth.1635 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., et al. (2011). Организацията на човешката мозъчна кора, оценена чрез присъща функционална свързаност. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Young KS (1998). Интернет пристрастяване: появата на ново клинично разстройство. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Крос Реф]
  • Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., et al. (2015). Взаимодействие между мозъчните мрежи и когнитивния контрол в разстройствата на интернет игри в късна юношеска / ранна зряла възраст. Структура на мозъка. Funct. [Epub преди печат] .10.1007 / s00429-014-0982-7 [PubMed] [Крос Реф]
  • Zalesky A., Fornito A., Bullmore ET (2010a). Мрежова статистика: идентифициране на различията в мозъчните мрежи. NeuroImage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Крос Реф]
  • Zalesky A., Fornito А., Harding IH, Cocchi L., Yücel М., Pantelis C., et al. (2010b). Анатомични мрежи от цял ​​мозък: има ли значение изборът на възли? NeuroImage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Крос Реф]
  • Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L., et al. (2015). Променена функционална свързаност на инсулата в състояние на изчакване при млади възрастни с разстройство в интернет игри. Addict. Biol. [Epub преди печат] .10.1111 / adb.12247 [PMC безплатна статия] [PubMed] [Крос Реф]
  • Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Аномалии на сивото вещество в интернет зависимостта: морфометрично изследване, базирано на воксел. Евро. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Крос Реф]