Mikrorakenteen poikkeamat nuorilla, joilla on Internet-riippuvuushäiriö. (2011)

Materiaalit ja menetelmät ylin

Länsi-Kiinan sairaalan inhimillisten tutkimusten alakomitea hyväksyi kaikki tutkimusmenetelmät, ja ne toteutettiin Helsingin julistuksen mukaisesti.

2.1-aiheet

Beardin ja Wolfin muokatun Internet-riippuvuuskriteerin (YDQ) kriteerien muutetun nuoren diagnoosikyselyn (YDQ) perusteella [16], [29], kahdeksantoista fuksi ja toisen kurssin opiskelijaa, joilla oli IAD (12-miehet, keski-ikä = 19.4 ± 3.1 vuotta, koulutus 13.4 ± 2.5 vuotta), osallistui tutkimukseemme. YDQ-kriteerit [16] koostui seuraavista kahdeksasta “kyllä” tai “ei” kysymyksestä, jotka olivat: (1) Tunnetko olosi Internetin uppoutuneeksi (muistatko aiemman online-toiminnan tai haluamasi seuraavan online-istunnon)? (2) Oletko tyytyväinen Internetin käyttöön, jos lisäät online-aikaa? (3) Etkö ole onnistunut hallitsemaan, vähentämään tai lopettamaan Internetin käyttöä toistuvasti? (4) Oletko hermostunut, temperamenttinen, masentunut tai herkkä yrittäessäsi vähentää tai lopettaa Internetin käytön? (5) Pysytkö verkossa pidempään kuin alun perin suunniteltiin? (6) Oletko ottanut riskin menettää merkittävät suhteet, työpaikat, koulutus- tai uramahdollisuudet Internetin takia? (7) Oletko valehtellut perheenjäsenillesi, terapeutillesi tai muille piilottaaksesi tosi osallistumisestasi Internetiin? (8) Käytätkö Internetiä keinona paeta ongelmista tai lievittää ahdistuneita tunnelmia (esimerkiksi avuttomuuden, syyllisyyden, ahdistuksen tai masennuksen tunteita)? Kaikki kahdeksan kysymystä käännettiin kiinaksi. Young väitti, että viisi tai enemmän ”kyllä” -vastauksia kahdeksaan kysymykseen osoitti Internet-riippuvaisen käyttäjän [16]. Myöhemmin Beard ja Wolf muuttivat YDQ-kriteerejä [29], ja vastaajat, jotka vastasivat "kyllä" kysymyksiin 1 - 5 ja ainakin mihin tahansa kolmesta jäljellä olevasta kysymyksestä, luokiteltiin kärsiviksi Internet-riippuvuudesta, jota käytettiin tutkimuksen kohteiden seulontaan. Riippuvuus oli asteittainen prosessi, joten tutkimme onko aivojen rakenteessa lineaarisia muutoksia vai ei. Taudin kesto arvioitiin takautuvalla diagnoosilla. Pyysimme aiheita muistelemaan elämäntyyliään, kun he olivat alun perin riippuvaisia ​​Internetistä. Sen varmistamiseksi, että he kärsivät Internet-riippuvuudesta, testasimme heidät uudelleen Beardin ja Wolfin muokkaamilla YDQ-kriteereillä. Vahvistimme myös IAD-aiheiden itseraporttien luotettavuuden puhumalla vanhempiensa kanssa puhelimitse. IAD-kohteet käyttivät 10.2 ± 2.6 tuntia päivässä online-peleihin. Internetin käyttöpäivät viikossa olivat 6.3 ± 0.5. Tarkistimme myös nämä IAD-aiheiden kämppikset ja luokkatoverit, että he usein vaativat Internetissä olemista myöhään illalla häiritsemällä muiden elämää seurauksista huolimatta. XNUMX ikää ja sukupuolta (p> 0.01) tutkimukseen osallistui myös terveitä verrokkeja (12 miestä, keski-ikä = 19.5 ± 2.8 vuotta, koulutus 13.3 ± 2.0 vuotta), joilla ei ollut henkilökohtaista tai sukuhistoriaa. Aikaisemman IAD-tutkimuksen mukaan [19], valitsimme terveelliset kontrollit, jotka viettivät Internetissä vähemmän kuin 2 tuntia päivässä. Terveet kontrollit testattiin myös Beardin ja Wolfin muokkaamilla YDQ-kriteereillä sen varmistamiseksi, että ne eivät kärsi IAD: stä. Kaikki tutkitut rekrytoidut osallistujat olivat kiinaa äidinkielenään puhuvia, eivät koskaan käyttäneet laittomia aineita ja olivat oikeakätisiä. Ennen magneettikuvaus (MRI) -tarkastelua kaikille koehenkilöille tehtiin virtsan lääkeseulonta aineiden väärinkäytön estämiseksi. Poissulkemiskriteerit molemmille ryhmille olivat (1) neurologisen häiriön olemassaolo; (2) alkoholin, nikotiinin tai huumeiden väärinkäyttö; (3) raskaus tai kuukautiset naisilla; ja (4) mikä tahansa fyysinen sairaus, kuten aivokasvain, hepatiitti tai epilepsia kliinisten arvioiden ja lääketieteellisten tietojen perusteella arvioituna. Lisäksi itsearviointien ahdistusasteikkoa (SAS) ja itsearviointiasteikkoa (SDS) käytettiin kaikkien osallistujien tunnetilojen arviointiin skannauspäivänä. Kaikki potilaat ja terveet kontrollit antoivat kirjallisen tietoisen suostumuksen. Yksityiskohtaisemmat väestötiedot annettiin Taulukko 1.

2.2 Brain Imaging Methodology and Data Analysis

2.2.1-skannausparametrit.

Kuvatiedot suoritettiin 3T Siemens -skannerilla (Allegra; Siemens Medical System) Huaxin MR-tutkimuskeskuksessa, Sichuanin yliopiston Länsi-Kiinan sairaalassa, Chengdussa, Kiinassa. Käytettiin standardia lintuhäkin pääkelaa yhdessä pidättävien vaahtotyynyjen kanssa pään liikkeen minimoimiseksi ja skannerin melun vähentämiseksi. Kuvasekvenssit hankittiin diffuusiolla painotetulla kuvantamisella yhden kuvan echo-tasomaisella kuvantamisella linjassa etupuolen ja takaosan kommissuraalisen tason kanssa. Diffuusio-tensorikuvat hankittiin 2-keskiarvoilla. Diffuusiota herkistävät gradientit sovellettiin 30 epälineaarisiin suuntiin (b = 1000 s / mm²) yhdessä hankinnan kanssa ilman diffuusiopainotusta (b = 0 s / mm²). Kuvausparametrit olivat 45 jatkuvia aksiaalileikkeitä, joiden viipaleen paksuus oli 3 mm ja ilman rakoa, näkökenttä = 240 × 240 mm², toistoaika / kaiun aika = 6800 / 93 ms, hankintamatriisi = 128 × 128. Lisäksi aksiaaliset 3D T1-painotetut kuvat saatiin pilaantuneella gradientin muistamissekvenssillä ja seuraavilla parametreilla: TR = 1900 ms; TE = 2.26 ms; kääntökulma = 9⁰; matriisin tasotarkkuus = 256 × 256; viipaleet = 176; näkökenttä = 256 mm; vokselin koko = 1 × 1 × 1 mm.

2.2.2 VBM.

Rakennetiedot käsiteltiin FSL-VBM-protokollalla [30], [31] FSL 4.1 -ohjelmistolla [32]. Ensinnäkin kaikki T1-kuvat aivot erotettiin aivojen poistotyökalulla (BET). [33]. Seuraavaksi kudostyyppinen segmentointi suoritettiin käyttäen FMRIB: n automatisoitua segmentointityökalua (FAST) V4.1 [34]. Tuloksena olevat harmaata ainetta koskevat osittaisnopeuskuvat kohdistettiin sitten MNI152-vakiotilaan käyttämällä FMRIB: n lineaarista kuvarekisteröintityökalua (FLIRT) [35], [36], jota seuraa valinnaisesti epälineaarinen rekisteröinti FMRIB: n epälineaarisen kuvarekisteröintityökalun (FNIRT) avulla [37], [38], joka käyttää rekisteröintiloimi-kentän b-spline-esitystä [39]. Tuloksena saatujen kuvien keskiarvo muodostettiin tutkimusspesifisen mallin luomiseksi, johon natiivit harmaasteen kuvat rekisteröitiin sitten epälineaarisesti uudelleen. Optimoitu protokolla otti käyttöön modifikaation supistumiselle / suurennukselle muuntelun epälineaarisesta komponentista johtuen: rekisteröidyn harmaan aineen kuvan jokainen vokseli jaettiin loimikentän jakobiinilla. Lopuksi, jotta voitaisiin valita paras tasoitusydin, kaikki 32-moduloidut, normalisoidut harmaan aineen määrän kuvat tasoitettiin isotrooppisilla Gauss-ytimillä, joiden koko kasvoi (sigma = 2.5, 3, 3.5 ja 4 mm, mikä vastaa 6, 7, 8 ja 9.2 mm FWHM). Harmaan aineen alueelliset muutokset arvioitiin käyttämällä permutaatioon perustuvaa ei-parametrista testausta 5000-satunnaisten permutaatioiden avulla [40]. Kovarianssianalyysi (ANCOVA) käytettiin iän, sukupuolen vaikutusten ja koko kallonsisäisen tilavuuden mukaan muuttujina. Kolmasisäisen kokonaistilavuus laskettiin FSL BET -segmenttien harmaasteen, valkoisen aineen ja aivo-selkäydinnesteen tilavuuksien summana. Äskettäin Dong et ai. havaitsivat, että masennuksen ja ahdistuksen pisteet olivat huomattavasti korkeammat riippuvuuden jälkeen verrattuna aiempaan addiktioon joissain yliopisto-opiskelijoissa, ja ehdottivat, että nämä olivat IAD: n tuloksia, joten SAS: tä ja SDS: ää ei sisällytetty sekaannuksiin [41]. Korjaus useille vertailuille suoritettiin käyttämällä klusteripohjaista kynnysmenetelmää, alkuklusterin muodostaessa kynnyksen t = 2.0. Tuloksia pidettiin merkittävinä vuonna p<0.05. Alueilla, joilla IAD-kohteiden harmaat aineet poikkesivat huomattavasti verrokkeista, näiden alueiden harmaat aineet otettiin, keskiarvoistettiin ja regressoitiin Internet-riippuvuuden kestoon nähden.

2.2.3 DTI.

Laskeimme jokaiselle vokselille FA-arvon, joka heijasti diffuusion anisotropian astetta vokselissa (alue 0 – 1, missä pienemmät arvot osoittivat enemmän isotrooppista diffuusioa ja vähemmän koheesiota ja suuret arvot osoittivat Brownian liikkeen suunnan riippuvuuden valkoisten aineiden traktaattien takia). [42]. FA: n laskentaan käytettiin FSL 4.1: n FDT-ohjelmistoa [32]. Ensinnäkin pyörrevirtojen ja pään liikkeen korjaus tehtiin affiinien rekisteröinnillä kunkin kohteen ensimmäiselle diffuusiopainotetulle tilavuudelle. FA-kuvat luotiin sovittamalla diffuusiotesori raa'aseen diffuusiotietoon aivojen uuttamisen jälkeen BET: tä käyttämällä [33]. Sitten suoritettiin FA-tietojen vokselipohjainen tilastollinen analyysi käyttämällä FSL: n osa-alueisiin perustuvaa tilatilastoa (TBSS) V1.2-osaa [43], [44]. Kaikkien koehenkilöiden (IAD-kohteet ja terveelliset kontrollit) FA-kuviot kohdistettiin FNIRT: n FMRIB58_FA-vakiotilaan kuvaksi [37], [38] käyttämällä rekisteröintiloimi-kentän b-spline-esitystä [39]. Sitten luotiin keskimääräinen FA-kuva ja ohennettiin luomaan keskimääräinen FA-luuranko (kynnysarvo 0.2), joka edustaa kaikkien ryhmälle yhteisten traktaattien keskuksia. Jokaisen kohteen kohdistetut FA-tiedot projisoitiin sitten takaisin tähän luurankoon. Valkoisen aineen FA-arvon muutokset arvioitiin käyttäen permutaatiopohjaista ei-parametrista testausta [40] 5000-satunnaisilla permutaatioilla. ANCOVA: ta käytettiin ikään ja sukupuoleen vaikuttavina muuttujina. Korjaus useille vertailuille suoritettiin käyttämällä klusteripohjaista kynnysmenetelmää, klusterin alkukynnyksen ollessa t = 2.0. Tuloksia pidettiin merkittävinä vuonna p<0.05. Klustereille, joissa Internet-riippuvuuskohteiden FA-arvot poikkesivat merkittävästi verrokkeista, näiden aivojen alueiden FA otettiin, keskiarvoistettiin ja regresoitiin Internet-riippuvuuden kestoon nähden.

2.2.4 Harmaan ja valkoisen aineen epänormaalien vuorovaikutus.

Harmaan aineen muutosten ja valkoisen aineen muutosten välisten vuorovaikutusten tutkimiseksi suoritettiin korrelaatioanalyysi epänormaalien harmaan aineen määrien ja valkoisen aineen FA-arvojen välillä IAD-ryhmässä.

tulokset

3.1 VBM-tulokset

Alueelliset harmaan aineen määrän muutokset arvioitiin ei-parametrisesti optimoitua VBM: ää käyttämällä. Korjaus useille vertailuille suoritettiin klusteripohjaisella kynnysmenetelmällä. VBM-vertailu IAD-potilaiden ja vastaavien terveiden kontrollien välillä osoitti harmaan aineen määrän vähentyneen useissa klustereissa, toisin sanoen kahdenvälisessä DLPFC: ssä, lisämoottorialueessa (SMA), OFC: ssä, pikkuaivoissa ja vasemmassa rostraalisessa ACC: ssä (rACC), mahdollisen sekaannuksen kontrolloinnin jälkeen. muuttujat, mukaan lukien ikä, sukupuolivaikutukset ja koko kallonsisäinen tilavuus. Oikean DLPFC: n, vasemman rACC: n ja oikean SMA: n harmaasemäärät osoittivat negatiivisen korrelaation kuukausien Internet-riippuvuuteen (r1 = −0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Mikään aivojen alue ei osoittanut suurempaa harmaata ainetta kuin terve kontrollit, kuten on esitetty Kuva 1 ja Taulukko 2

  

 

 

 

 

 

 

 

 

 

Kuva 1. VBM-tulokset.

A. Vähentynyt harmaan aineen määrä IAD-kohteissa (1-p) korjattu p-arvo kuvia. Taustakuva on vakio MNI152_T1_1mm_brain-malli FSL: ssä. B. DLPFC: n, rACC: n ja SMA: n harmaan aineen määrät korreloivat negatiivisesti Internet-riippuvuuden kestoon.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Taulukko 2. Alueet, joilla havaittiin epänormaalia harmaan aineen määrää ja valkoisen aineen FA (fraktioitu anisotropia) internet-riippuvuushäiriöiden (IAD) ja terveiden kontrollien (p<0.05 korjattu).

doi: 10.1371 / journal.pone.0020708.t002

3.2 DTI-tulokset

DTI-tietoanalyysin suhteen korjaus useille vertailuille suoritettiin klusteripohjaisella kynnysmenetelmällä. TBSS-tuloksemme paljastivat sisäkapselin vasemman takaraajan (PLIC) vasemman takaraajan (PLD) parantuneen FA-arvon (IAD: 0.78 ± 0.04; kontrolli: 0.56 ± 0.02) verrattuna terveisiin kontrolleihin ja vähentyneen FA-arvon (IAD: 0.31 ± 0.04; kontrolli: 0.48 ± 0.03) valkoisen aineen sisällä oikean parahippocampal gyrus -alueen (PHG) sisällä, kuten Kuva 2 ja Taulukko 2. Lisäksi FA pyrki korreloimaan positiivisesti Internet-riippuvuuden keston kanssa vasemmassa PLIC: ssä (r = 0.5869, p <0.05), kun taas oikean PHG: n FA-arvon ja Internet-riippuvuuden keston välillä ei havaittu merkittävää korrelaatiota

  

 

 

 

 

 

 

 

 

 

 

 

 

Kuva 2. DTI-tulokset.

A. Valkoaineen rakenteet, jotka osoittavat epänormaalia FA: ta IAD-kohteissa (1-p) korjattu p-arvo kuvia. Taustakuva on standardi FMRIB58_FA_1mm FSL-malli. Puna-keltaiset vokselit edustavat alueita, joilla FA laski merkittävästi IAD: ssä suhteessa terveisiin kontrolleihin. Siniset-vaaleansiniset vokselit edustavat lisääntynyttä FA: ta IAD: ssä. B. PLIC: n FA oli korreloitu positiivisesti Internet-riippuvuuden kestoon.

doi: 10.1371 / journal.pone.0020708.g002

3.3 Harmaan ja valkoisen aineen epänormaalien vuorovaikutus

IAD-ryhmän harmaan aineen määrien ja valkoisen aineen FA-arvojen vuorovaikutusanalyysi paljasti, että näiden kahden mittauksen välillä ei ollut merkittäviä korrelaatioita.

Keskustelu ylin

IAD aiheutti heikentynyttä henkilökohtaista psykologista hyvinvointia, akateemista epäonnistumista ja heikentää työsuoritusta nuorten keskuudessa [12]-[18]. IAD: lle ei kuitenkaan tällä hetkellä ole standardoitua hoitoa. IAD: n tehokkaiden interventio- ja hoitomenetelmien kehittäminen edellyttää ensin selkeän ymmärryksen luomista mekanismeista. IAD: n aivojen rakenteellisten poikkeavuuksien tuntemus on kriittistä mahdollisten lääkehoitojen tunnistamiseksi tämän häiriön hoitamiseksi. Tässä tutkimuksessa havaitsimme harmaan aineen määrän muutokset ja valkoisen aineen FA: n muutokset IAD-potilailla. Paljasimme myös yhteyden näiden rakenteellisten poikkeavuuksien ja Internet-riippuvuuden keston välillä. Ehdotimme, että IAD aiheutti aivojen rakenteellisia muutoksia murrosikäisillä ja nämä rakenteelliset poikkeavuudet liittyivät todennäköisesti kognitiivisen ohjauksen toimintahäiriöihin..

4.1 VBM-tulokset

Yhdenmukainen aikaisemman VBM-tutkimuksen kanssa [21], emme löytäneet aivoalueita, joissa harmaan aineen määrä olisi lisääntynyt Internet-riippuvuuskohteista. Alueellinen harmaan aineen määrän vertailu osoitti surkeutumista useissa klustereissa koko Internet-riippuvaisryhmälle (p <0.05, korjattu), jotka olivat kahdenväliset DLPFC, SMA, pikkuaivot, OFC ja vasen rACC (kuten Kuva 1). Lisäksi oikean DLPFC: n, vasemman rACC: n ja oikean SMA: n surkastuminen korreloi negatiivisesti Internet-riippuvuuden kestoon, jonka Zhou et al. epäonnistui [21]. Nämä tulokset osoittivat, että Internet-riippuvuuden jatkuessa DLPFC: n, rACC: n ja SMA: n aivojen surkastuminen oli vakavampi. Jotkut tutkimuksemme aivojen surkastumisen tulokset poikkesivat aiemmista havainnoista [21], joka voi johtua erilaisista tietojenkäsittelymenetelmistä. Tässä tutkimuksessa iän, sukupuolen ja koko aivojen määrän mahdolliset hämmentävät vaikutukset sisällytettiin muuttujiksi, mitä edellisessä tutkimuksessa ei otettu huomioon. Eri prosessointimenetelmät mahdollisesti johtivat erilaisiin havaintoihin.

Aiempien huumeriippuvuustutkimusten mukaan pitkäaikainen päihteiden väärinkäyttö [45], [46] ja Internet-riippuvuus [11], [20] johtaa heikentyneeseen kognitiiviseen hallintaan. Kognitiivinen ohjaus voidaan käsittää kyvynä tukahduttaa ennalta ehkäiseviä, mutta virheellisiä reaktioita ja kyky suodattaa merkityksetöntä tietoa ärsykejoukon sisällä ja mahdollistaa asianmukaiset toimet monimutkaisten tehtävien vaatimusten täyttämiseksi ja sopeutumiseen muuttuviin ympäristöihin [47]. Lukuisat toiminnalliset aivojen kuvantamista koskevat tutkimukset ovat paljastaneet, että DLPFC ja rACC olivat keskeisesti mukana kognitiivisessa kontrollissa [48], [49]. Eri neurokognitiiviset tutkimukset ovat paljastaneet, että kognitiivinen hallinta liittyy tiettyyn kortico – subkortikaaliseen piiriin, mukaan lukien rACC ja DLPFC [50], [51]. Näkyvän konfliktinseurantahypoteesin mukaan [47], [52], vastekonfliktin esiintymisestä ilmoittaa rACC, mikä johtaa DLPFC: n rekrytointiin kognitiivisempia kontrolleja varten seuraavaa suoritusta varten. Tämä DLPFC: n tärkeä rooli on tunnistettu neurotieteellisessä tutkimuksessa kognitiivisen ohjauksen ylhäältä alas suuntautuvien säätelyprosessien avulla [53]. Viimeaikaiset neurokuvaustyöt ovat paljastaneet myös rACC: n deaktivoinnin GO / NOGO-tehtävässä heroiinista riippuvaisilla henkilöillä [54], [55] ja kokaiinin käyttäjät [45], joka osoittaa rACC: n kriittisen roolin kognitiivisessa kontrollissa [46].

OFC: n uskotaan myös edistävän tavoitteellisen käyttäytymisen kognitiivista hallintaa arvioimalla ärsykkeiden motivoivista merkityksiä ja valitsemalla käyttäytymistä haluttujen tulosten saamiseksi [56]. OFC: llä on laajat yhteydet striatumiin ja limbisiin alueisiin (kuten amygdalaan). Seurauksena on, että OFC on hyvin sijoitettu integroimaan useiden limbaalisten ja subkortikaalisten alueiden toiminta, joka liittyy motivaatiokäyttäytymiseen ja palkkioiden käsittelyyn [57]. Jotkut eläintutkimukset ovat osoittaneet, että sekä OFC: n että rotan prebikaalisen aivokuoren (ihmisen DLPFC: n funktionaalinen homologi) vaurioituminen heikensivät käyttäytymisen hankkimista ja muokkaamista vasteiden ja tulosten välisen tilanteen perusteella, mikä osoittaa, että nämä alueet voivat olla kriittisiä. tavoitteellisen käyttäytymisen kognitiivinen hallinta [56], [58].

SMA on kriittinen sopivan käyttäytymisen valinnassa, olipa kyse sitten sopivan vasteen suorittamisesta vai sopimatonta vastausta estävästä valinnasta [59]. Jotkut tutkijat havaitsivat, että sekä yksinkertaiset että monimutkaiset GO / NOGO-tehtävät olivat mukana SMA: ssa, ja he paljastivat SMA: n tärkeän roolin kognitiivisen ohjauksen välittämisessä. [46], [60].

Useat anatomiset, fysiologiset ja toiminnalliset kuvantamistutkimukset viittaavat siihen, että pikkuaivo edistää korkeamman asteen kognitiivisia toimintoja [61]-[64], joilla on erillisiä vaurioita pikkuaivoihin, mikä johtaa toimeenpanotoimintojen ja työmuistin heikkenemiseen, jopa persoonallisuusmuutoksissa, kuten estetty ja sopimaton käyttäytyminen.

Tuloksemme (Kuva 1) vähentyneestä harmaan aineen määrästä DLPFC: ssä, rACC: ssä, OFC: ssä, SMA: ssa ja pikkuaivoissa voi ainakin osittain liittyä kognitiiviseen hallintaan ja tavoitteellisiin käyttäytymishäiriöihin Internet-riippuvuudessa [15], [19], [20], [28], joka voi selittää Internet-riippuvuuden perusoireita.

4.2 DTI-tulokset

Laskimme FA-arvon jokaisessa valkoisen aineen vokselissa kullekin kohteelle, mikä kvantifioi paikallisten suolien mikrorakenteen suuntaviivan voimakkuuden. Koko aivojen vokselivirtainen vertailu valkoisen aineen luurankoon käyttämällä permutaatiotestausta ja tiukkaa tilastollista kynnysarvoa osoitti, että IAD-koehenkilöillä oli alhaisemmat FA-arvot klusterissa oikean PHG: n sisällä (p <0.05, korjattu). Toisaalta lisääntyneen FA: n etsiminen IAD-aiheista osoitti, että IAD-aiheilla oli korkeammat FA-arvot vasemman PLIC-ryhmän ryhmässä (p <0.05, korjattu). Lisäksi vasemman PLIC: n FA-arvo korreloi positiivisesti Internet-riippuvuuden kestoon (Kuva 2).

PHG on aivoalue, joka ympäröi hippokampusta ja jolla on tärkeä rooli muistin koodauksessa ja noutamisessa [65], [66]. PHG tarjoaa pääasiallisen polysensorisen tulon hippokampukseen entorinaalisten yhteyksien kautta ja vastaanottaa erilaisia ​​aistitietojen yhdistelmiä. [67], [68], jotka osallistuvat kognitioon ja emotionaaliseen säätelyyn [69]. Äskettäin jotkut tutkijat ehdottivat, että oikea PHG edistää sitoutuneen tiedon muodostumista ja ylläpitämistä työmuistissa [70]. Työmuisti on omistettu tietojen väliaikaiseen säilyttämiseen ja online-manipulointiin, ja se on kriittisen tärkeä kognitiivisen ohjauksen kannalta [71]. Havainto, että PHG: n alempi FA-arvo IAD-potilailla osoitti, että epätavalliset valkoisen aineen ominaisuudet saattavat ehkä johtaa IAD-tutkimushenkilöiden työmuistin toiminnallisten vajaatoimintojen rakenteelliseen perustaan [19]. Äskettäin Liu et ai. [72] raportoi lisääntynyttä ReHo-arvoa kahdenvälisessä PHG: ssä IAD-yliopisto-opiskelijoissa verrattuna kontrolleihin ja ehdotti, että tämä tulos heijastaa aivojen toiminnallista muutosta, joka mahdollisesti liittyy palkitsemisreitteihin. On selvää, että tarvitaan enemmän työtä ymmärtääksesi PHG: n tarkan roolin IAD: ssä.

Anatomisesti sisäinen kapseli on aivojen valkoisen aineen alue, joka erottaa caudate-ytimen ja talamuksen linssisestä ytimestä, joka sisältää sekä nousevia että laskevia aksoneja. Kortikospinaalikuitujen ja kortikopontiinikuitujen lisäksi sisäkapseli sisältää thalamocortical- ja corticofugal -kuituja [73], [74]. Sisäkapselin takaosa sisältää kortikospinaalikuituja, aistikuituja (mukaan lukien mediaalinen lemniscus ja anterolateraalinen järjestelmä) kehosta ja muutama korticopulbar-kuitu [73]-[76]. Ensisijainen motorinen aivokuori lähettää aksoninsa sisäkapselin takaraajan läpi ja sillä on tärkeä rooli sormen liikkeessä ja motorisissa kuvissa [77], [78]. Mahdollinen syy FA-arvojen sisäiseen kapselin parantamiseen oli se, että IAD-kohteet viettivät enemmän aikaa tietokonepelien pelaamiseen ja toistuvat motoriset toiminnot, kuten hiiren napsauttaminen ja näppäimistön kirjoittaminen, muuttivat sisäisen kapselin rakennetta. Koska havainnot, että koulutus muuttivat aivojen rakennetta muissa tutkimuksissa [79]-[81], nämä pitkäaikaiset koulutukset todennäköisesti muuttivat PLIC: n valkoaineen rakennetta. Tiedonsiirto frontaalisen ja subkortikaalisen aivoalueiden välillä moduloi korkeampaa kognitiivista toimintaa ja ihmisen käyttäytymistä [82], [83], joka luottaa sisäkapselin läpi kulkeviin valkeainekuituteihin [83], [84]. Sisäisen kapselin rakenteelliset poikkeavuudet voivat siten häiritä kognitiivista toimintaa ja heikentää toimeenpano- ja muistitoimintoja [85]. Vasemman PLIC: n epänormaali FA-arvo voi vaikuttaa aistitietojen siirtoon ja käsittelyyn ja johtaa lopulta kognitiivisen ohjauksen heikkenemiseen. [86], [87]. Lisäksi Internetistä riippuvuus voi aiheuttaa fyysisiä vaivoja tai lääketieteellisiä ongelmia, kuten karpaalitunnelin oireyhtymä, silmien kuivuminen, selkäkipu ja vakavat päänsärkyt [88]-[90]. Vasemman PLIC: n epänormaali FA-arvo saattaa selittää karpaalitunnelin oireyhtymän IAD-koehenkilöissä, mikä on tarkistettava tulevaisuuden hienostuneemmalla suunnittelulla.

4.3 Harmaan ja valkoisen aineen epänormaalien vuorovaikutus

Olemme tutkineet harmaan aineen ja valkoisen aineen muutosten suhdetta. Valitettavasti näiden kahden toimenpiteen välillä ei ollut merkittävää korrelaatiota. Tämä ilmiö ehdotti, että IAD: n morfologiset muutokset aivojen harmaassa aineessa ja valkoisessa aineessa eivät olleet merkittävästi lineaarisia korrelaatioita. Oli mahdollista, että harmaan aineen poikkeavuudet liittivät valkoisen aineen muutokset jollakin muulla tavalla. Tuloksemme osoittivat kuitenkin, että harmaan ja valkoisen aineen rakenneominaisuudet olivat poikkeavia IAD-potilailla.

Nykyisessä tutkimuksessa on joitain rajoituksia. Ensinnäkin, vaikka tulokset ovat osoittaneet, että harmaata ainetta ja valkoista ainetta koskevat muutokset voivat olla seurausta liiallisesta Internetin käytöstä tai IAD: sta, emme voi sulkea pois toista mahdollisuutta, joka korjaa normaalien kontrollien ja IAD: n rakenteelliset erot Internetin liialliselle käytölle. Näiden kognitiiviseen kontrolliin liittyvien aivojen alueiden epänormaalit ominaisuudet tekevät joistakin nuorista suhteellisen kypsymättömiä ja antavat heidän olla helposti riippuvaisia ​​internetistä. Syy- ja seurausongelmat tulisi tutkia kattavalla kokeellisella suunnittelulla tulevassa tutkimuksessa. Ehdotimme kuitenkin, että tämän tutkimuksen havainnot olivat seurausta IAD: sta. Toiseksi, kun otetaan huomioon IAD: n rakennemuutosten ja keston välinen suhde, IAD: n kuukaudet ovat brutto luonnehdinta IAD-aiheiden muistamisesta. Pyysimme aiheita muistelemaan elämäntyyliään, kun he olivat alun perin riippuvaisia ​​Internetistä. Sen varmistamiseksi, että he kärsivät Internet-riippuvuudesta, testasimme heidät uudelleen Beardin ja Wolfin muokkaamilla YDQ-kriteereillä. Vahvistimme myös IAD-aiheiden itseraporttien luotettavuuden puhumalla vanhempiensa kanssa puhelimitse. Aivojen rakenteelliset muutokset riippuvuusprosessin mukaisesti voivat olla tärkeämpiä taudin ymmärtämisessä, joten korrelaatio keston ja aivojen rakenteellisten toimenpiteiden välillä tehtiin. Nämä korrelaatiot viittasivat siihen, että kumulatiivisia vaikutuksia havaittiin oikean DLPFC: n, oikean SMA: n, vasemman rACC: n ja vähentyneen valkoisen aineen FA: n vähentyneessä harmaat aineessa. Lopuksi, vaikka ehdotimme, että harmaan aineen määrän ja valkoisen aineen FA rakenteelliset poikkeavuudet liittyivät IAD: n kognitiivisen kontrollin toiminnallisiin häiriöihin, tämän tutkimuksen suurin rajoitus on kognitiivisen kontrollin puutteiden kvantitatiivisen osoittamisen puute näissä tutkimuksissa nuoret, joilla on IAD. Vaikka näiden rakenteellisten poikkeavuuksien ja Internet-riippuvuuden keston väliset suhteet todettiin nykyisessä tutkimuksessamme, on edelleen tutkittava tarkemmin IAD: n taustalla olevien rakenteellisten poikkeavuuksien luonnetta, mikä on kriittinen vaikutuksen ymmärtämisessä IAD: n pitkän aikavälin toiminnasta. Tulevaisuudessa integroimme nämä rakenteelliset havainnot kognitiivisten tehtävien käyttäytymiseen IAD-potilailla. Kaiken kaikkiaan FA-muutokset ja harmaat aineen määrän muutokset, kuten tässä tutkimuksessa on esitetty, osoittivat aivojen muutoksen mikrorakenteellisella tasolla, mikä lisäsi ymmärrystä IAD: sta.

Yhteenveto

Annoimme todisteita siitä, että IAD-potilailla oli aivoissa useita rakenteellisia muutoksia. Joidenkin aivoalueiden harmaan aineen surkastuminen ja valkoisen aineen FA-muutokset korreloivat merkittävästi Internet-riippuvuuden kestoon. Nämä tulokset voidaan tulkita, ainakin osittain, IAD: n kognitiivisen ohjauksen toiminnallisena heikkenemisenä. Eturauhasen aivokuoren poikkeavuudet olivat yhdenmukaisia ​​aikaisempien päihteiden väärinkäyttöä koskevien tutkimusten kanssa [23], [48], [80], [81], joten ehdotimme, että IAD: ssä ja aineiden käytössä saattaa olla osittain päällekkäisiä mekanismeja. Toivomme, että tuloksemme parantavat ymmärrystämme IAD: sta ja auttavat parantamaan IAD: n diagnosointia ja ehkäisemistä.

Kiitokset ylin

Kiitämme Qin Ouyangia, Qizhu Wua ja Junran Zhangia arvokkaasta teknisestä avusta tämän tutkimuksen suorittamisessa.

Viitteet ylin

1. Ernst M, mänty D, Hardin M (2006) Triadinen malli motivoituneen käyttäytymisen neurobiologiasta murrosikäisenä. Psykologinen lääketiede 36: 299 – 312. Etsi tämä artikkeli verkossa
2. Csikszentmihalyi M, Larson R, Prescott S (1977) Nuorten aktiivisuuden ja kokemuksen ekologia. Lehti nuoruudesta ja murrosiästä 6: 281 – 294. Etsi tämä artikkeli verkossa
3. Casey B, Tottenham N, Liston C, Durston S (2005) Kehittyvien aivojen kuvantaminen: mitä olemme oppineet kognitiivisesta kehityksestä? Kognitiivisten tieteiden suuntaukset 9: 104 – 110. Etsi tämä artikkeli verkossa
4. Casey B, Galvan A, Hare T (2005) Aivojen funktionaalisen organisaation muutokset kognitiivisen kehityksen aikana. Nykyinen mielipide neurobiologiassa 15: 239 – 244. Etsi tämä artikkeli verkossa
5. Ernst M, Nelson E, Jazbec S, McClure E, Monk C, et ai. (2005) Amygdala ja ydin kertyvät vasteina aikuisten ja murrosikäisten voittojen saamiseen ja laiminlyöntiin. Neurokuva 25: 1279 – 1291. Etsi tämä artikkeli verkossa
6. Toukokuu J, Delgado M, Dahl R, Stenger V, Ryan N, et ai. (2004) Palkkaan liittyvien aivojen piirien tapahtumakohtainen toiminnallinen magneettikuvauskuvaus lapsilla ja nuorilla. Biologinen psykiatria 55: 359 – 366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et ai. (2006) Keräilyaineiden aikaisempi kehitys suhteessa orbitofrontaaliseen aivokuoreen saattaa olla riskinottoikäyttäytymisen aiheena nuorilla. Journal of Neuroscience 26: 6885 – 6892. Etsi tämä artikkeli verkossa
8. Steinberg L (2005) Kognitiivinen ja afektiivinen kehitys murrosiässä. Kognitiivisten tieteiden suuntaukset 9: 69 – 74. Etsi tämä artikkeli verkossa
9. Pine D, Cohen P, Brook J (2001) Emotionaalinen reaktiivisuus ja psykopatologian riski murrosikäisillä. CNS-spektrit 6: 27 – 35. Etsi tämä artikkeli verkossa
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Teini-ikäisten emotionaalisen ja kognitiivisen kehityksen radat: sukupuolen vaikutukset ja huumeiden käytön riski. New Yorkin tiedeakatemian lehtien 1021: 363 – 370. Etsi tämä artikkeli verkossa
11. Cao F, Su L, Liu T, Gao X (2007) Impulsiivisuuden ja Internet-riippuvuuden välinen suhde näytteessä kiinalaisia ​​murrosikäisiä. Eurooppalainen psykiatria 22: 466 – 471. Etsi tämä artikkeli verkossa
12. Ko C, Yen J, Chen S, Yang M, Lin H, et ai. (2009) Ehdotetut diagnoosikriteerit sekä Internet-riippuvuuden seulonta- ja diagnoosityökalu korkeakouluopiskelijoille. Kattava psykiatria 50: 378 – 384. Etsi tämä artikkeli verkossa
13. Flisher C (2010) Liittyminen: Katsaus Internet-riippuvuuteen. Lastentautien ja lasten terveyden lehdet 46: 557 – 559. Etsi tämä artikkeli verkossa
14. Christakis D (2010) Internet-riippuvuus: 21-luvun epidemia? BMC-lääke 8: 61. Etsi tämä artikkeli verkossa
15. Chou C, Condron L, Belland J (2005) Katsaus Internet-riippuvuustutkimukseen. Kasvatuspsykologian katsaus 17: 363 – 388. Etsi tämä artikkeli verkossa
16. Young K (1998) Internet-riippuvuus: Uuden kliinisen häiriön syntyminen. Kyberpsykologia ja käyttäytyminen 1: 237–244. Etsi tämä artikkeli verkossa
17. Morahan-Martin J, Schumacher P (2000) Patologisen Internetin käytön esiintyvyys ja korrelaatiot korkeakouluopiskelijoiden keskuudessa. Ihmiskäyttäytymiseen tarkoitetut tietokoneet 16: 13 – 29. Etsi tämä artikkeli verkossa
18. Scherer K (1997) Opiskelija-elämä verkossa: Terveellinen ja epäterveellinen Internetin käyttö. Lehti korkeakouluopiskelijoiden kehityksestä 38: 655 – 665. Etsi tämä artikkeli verkossa
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et ai. (2009) Aivotoiminnot, jotka liittyvät online-peliriippuvuuden peliin liittyvään kiireeseen. Psykiatrisen tutkimuksen päiväkirja 43: 739 – 747. Etsi tämä artikkeli verkossa
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Impulssiesto ihmisillä, joilla on Internet-riippuvuushäiriö: elektrofysiologinen näyttö Go / NoGo-tutkimuksesta. Neurotiedekirjeet 485: 138 – 142. Etsi tämä artikkeli verkossa
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et ai. (2009) Harma-aineen poikkeavuudet Internet-riippuvuudessa: Vokselipohjainen morfometriatutkimus. Radiologian eurooppalainen lehti. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et ai. (2010) Lisääntynyt alueellinen homogeenisuus Internet-riippuvuushäiriössä: lepotilan toiminnallinen magneettikuvauskuvaus. Kiinalainen lääketieteellinen aikakauslehti 123: 1904 – 1908. Etsi tämä artikkeli verkossa
23. Yuan K, Qin W, Dong M, Liu J, Sun J, et ai. (2010) Harmaan aineen vajavuudet ja lepotilan poikkeavuudet itsenäisistä heroiiniriippuvaisista henkilöistä. Neurotiedekirjeet 482: 101 – 105. Etsi tämä artikkeli verkossa
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et ai. (2010) Muuttuneet pienmaailman aivojen toiminnalliset verkot ja heroiinin käytön kesto miehistä raskaana olevista heroiiniriippuvaisista henkilöistä. Neurotiedekirjeet 477: 37 – 42. Etsi tämä artikkeli verkossa
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et ai. (2010) Yhdistämällä paikkatieto ja ajallinen tieto lepotilaverkkojen tutkimiseksi raskaana olevista heroiiniriippuvaisista henkilöistä. Neurotiedekirjeet 475: 20 – 24. Etsi tämä artikkeli verkossa
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et ai. (2009) Häiriintymättömät yhteyskuviot kroonisten heroiinien käyttäjillä: fMRI-tutkimus. Neurotiedekirjeet 460: 72 – 77. Etsi tämä artikkeli verkossa
27. Volkow N, Fowler J, Wang G (2003) Riippuvaiset ihmisen aivot: havainnot kuvantamiseen liittyvistä tutkimuksista. Kliinisen tutkimuksen päiväkirja 111: 1444 – 1451. Etsi tämä artikkeli verkossa
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et ai. (2010) Päätöksenteon ominaispiirteet, mahdollisuus ottaa riskejä ja Internet-riippuvuuteen osallistuvien opiskelijoiden persoonallisuus. Psykiatriatutkimus 175: 121 – 125. Etsi tämä artikkeli verkossa
29. Beard K, Wolf E (2001) Muutos ehdotettuihin Internet-riippuvuuden diagnostisiin kriteereihin. Kyberpsykologia ja käyttäytyminen 4: 377–383. Etsi tämä artikkeli verkossa
30. Ashburner J, Friston K (2000) Voxel-pohjainen morfometria - menetelmät. Neurokuva 11: 805 – 821. Etsi tämä artikkeli verkossa
31. Hyvä C, Johnsrude I, Ashburner J, Henson R, Fristen K, et ai. (2001) Vokselipohjainen morfometrinen tutkimus ikääntymisestä 465-normaalien aikuisten ihmisen aivoissa. Neurokuva 14: 21 – 36. Etsi tämä artikkeli verkossa
32. Smith S, Jenkinson M, Woolrich M, Beckmann C, Behrens T, et ai. (2004) Edistyy toiminnallisessa ja rakenteellisessa MR-kuvan analysoinnissa ja toteutuksessa FSL: nä. Neurokuva 23: 208 – 219. Etsi tämä artikkeli verkossa
33. Smith S (2002) Nopea ja kestävä automatisoitu aivojen poisto. Ihmisen aivojen kartoitus 17: 143 – 155. Etsi tämä artikkeli verkossa
34. Zhang Y, Brady M, Smith S (2001) Aivojen MR-kuvien segmentointi Markovin piilotetun satunnaiskenttämallin ja odotusten maksimoinnin algoritmin avulla. IEEE-transaktiot lääketieteellisessä kuvantamisessa 20: 45 – 57. Etsi tämä artikkeli verkossa
35. Jenkinson M, Smith S (2001) Globaali optimointimenetelmä aivokuvien vankkaan affiinirekisteröintiin. Lääketieteellinen kuva-analyysi 5: 143 – 156. Etsi tämä artikkeli verkossa
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Parannettu optimointi aivojen kuvien vankkaan ja tarkkaan lineaariseen rekisteröintiin ja liikekorjaukseen. Neurokuva 17: 825 – 841. Etsi tämä artikkeli verkossa
37. Andersson J, Jenkinson M, Smith S (2007) Epälineaarinen optimointi. FMRIB Analysis Groupin tekniset raportit: TR07JA02 alkaen www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Ei-lineaarinen rekisteröinti, aluesiirkon normalisointi. FMRIB Analysis Groupin tekniset raportit: TR07JA02 alkaen www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et ai. (2002) Ei-jäykkä rekisteröinti vapaamuotoisilla muodonmuutoksilla: sovellus rintojen MR-kuviin. IEEE-transaktiot lääketieteellisessä kuvantamisessa 18: 712 – 721. Etsi tämä artikkeli verkossa
40. Nichols T, Holmes A (2002) Ei-parametriset permutaatiotestit funktionaaliseen neurokuvaukseen: pohjamaali esimerkein. Ihmisen aivojen kartoitus 15: 1 – 25. Etsi tämä artikkeli verkossa
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) edeltäjä tai jälkiseura: patologiset häiriöt ihmisillä, joilla on Internet-riippuvuushäiriö. PloS yksi 6: 306 – 307. Etsi tämä artikkeli verkossa
42. Beaulieu C (2002) Anisotrooppisen veden diffuusion perusta hermostossa - tekninen katsaus. NMR biolääketieteessä 15: 435 – 455. Etsi tämä artikkeli verkossa
43. Smith S, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols T, et ai. (2006) Trakttipohjaiset tilatilastot: moniosaisten diffuusiotietojen vokseliaalinen analyysi. Neurokuva 31: 1487 – 1505. Etsi tämä artikkeli verkossa
44. Smith S, Johansen-Berg H, Jenkinson M, Rueckert D, Nichols T, et ai. (2007) Moniosaisten diffuusiotietojen hankkiminen ja voxelwise-analyysi traktoreihin perustuvien tilatilastojen avulla. Luontoprotokollat ​​2: 499 – 503. Etsi tämä artikkeli verkossa
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Kokaiinin käyttäjien hypoaktiivisuuden kalsuloituminen GO-NOGO-tehtävän aikana, kuten paljastetaan tapahtumiin liittyvällä toiminnallisella magneettikuvauskuvauksella. Journal of Neuroscience 23: 7839 – 7843. Etsi tämä artikkeli verkossa
46. Li C, Sinha R (2008) Inhibiittorien hallinta ja emotionaalisen stressin säätely: Neurokuvantavat todisteet etu-limbisen toimintahäiriön suhteen psyko-stimulanttiriippuvuudessa. Neurotiede ja biokäyttäytyminen 32: 581–597. Etsi tämä artikkeli verkossa
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Konfliktien seuranta ja kognitiivinen hallinta. Psykologinen katsaus 108: 624 – 652. Etsi tämä artikkeli verkossa
48. Krawczyk D (2002) Prefrontaalisen aivokuoren vaikutukset ihmisen päätöksenteon hermopohjaan. Neurotiede ja biokäyttäytyminen 26: 631–664. Etsi tämä artikkeli verkossa
49. Wilson S, Sayette M, Fiez J (2004) Prefrontaaliset vasteet lääkevihjeille: neurokognitiivinen analyysi. Luonnon neurotiede 7: 211 – 214. Etsi tämä artikkeli verkossa
50. Parturi A, Carter C (2005) Kognitiivinen ohjaus, joka liittyy ennakoivien vaste taipumusten voittamiseen ja tehtävien vaihtamiseen. Aivokuori 15: 899 – 912. Etsi tämä artikkeli verkossa
51. MacDonald A, Cohen J, Stenger V, Carter C (2000). Dorsolateraalisen etupään ja etuosan cingulaarisen aivokuoren roolin dissosiointi kognitiivisessa kontrollissa. Tiede 288: 1835 – 1838. Etsi tämä artikkeli verkossa
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Konfliktien tarkkailu verrattuna toiminnan valintaan etukertaisen cingulate-aivokuoren alueella. Luonto 402: 179 – 180. Etsi tämä artikkeli verkossa
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Dorsolateral prefrontal cortex and Stroop performance: Sivuttaistuminen. Psykonomiset tiedotteet ja katsaus 16: 609–612. Etsi tämä artikkeli verkossa
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T, et ai. (2004) Opiaattien addiktioista puuttuu virheestä riippuvainen rostraalisen etusinkulaatin aktivointi. Biologinen psykiatria 55: 531 – 537. Etsi tämä artikkeli verkossa
55. Fu L, BiG, Zou Z, Wang Y, Ye E, et ai. (2008) Vammaisen vasteen estämistoiminto pidättyneillä heroiiniriippuvaisilla: fMRI-tutkimus. Neurotiedekirjeet 438: 322 – 326. Etsi tämä artikkeli verkossa
56. Rulla E (2000) Orbitofrontaalinen aivokuori ja palkita. Aivokuori 10: 284 – 294. Etsi tämä artikkeli verkossa
57. Groenewegen H, Uylings H (2000) Eturauhasen kuori ja aistien, limbisten ja autonomisten tietojen integrointi. Aivotutkimuksen edistyminen 126: 3 – 28. Etsi tämä artikkeli verkossa
58. Balleine B, Dickinson A (1998) Tavoitteeseen suuntautunut instrumentaalitoimi: jatko- ja kannustava oppiminen ja niiden aivokuoren substraatit. Neurofarmakologia 37: 407 – 419. Etsi tämä artikkeli verkossa
59. Simmonds D, Pekar J, Mostofsky S (2008) Go / No-go-tehtävien metaanalyysi osoittaen, että vasteen estämiseen liittyvä fMRI-aktivaatio on tehtäväriippuvainen. Neuropsykologia 46: 224 – 232. Etsi tämä artikkeli verkossa
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Kuvantamisen vasteenesto stop-signaalitehtävässä: hermokorrelaatit riippumatta signaalin seurannasta ja vasteen jälkeisestä prosessoinnista. Journal of Neuroscience 26: 186 – 192. Etsi tämä artikkeli verkossa
61. Raymond J, Lisberger S, Mauk M (1996) pikkuaivo: hermostoa oppiva kone? Tiede 272: 1126 – 1131. Etsi tämä artikkeli verkossa
62. Schmahmann J, Sherman J (1998) Aivo-kognitiivinen afektiivinen oireyhtymä. Aivot 121: 561 – 579. Etsi tämä artikkeli verkossa
63. Desmond J (2001) Serebellarin osallistuminen kognitiiviseen toimintaan: näyttöä neurokuvista. Kansainvälinen psykiatrian katsaus 13: 283 – 294. Etsi tämä artikkeli verkossa
64. Heyder K, Suchan B, Daum I (2004) Cortico-subkortikaaliset panokset toimeenpanevaan valvontaan. Acta Psychologica 115: 271 – 289. Etsi tämä artikkeli verkossa
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et ai. (1998) Muistien rakentaminen: sanallisten kokemusten muistaminen ja unohtaminen aivojen toiminnan ennustamana. Tiede 281: 1188 – 1191. Etsi tämä artikkeli verkossa
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Uutuus- ja perehtymisaktivoinnit PET-tutkimuksissa muistin koodaamiseksi ja hakemiseksi. Aivokuori 6: 71 – 79. Etsi tämä artikkeli verkossa
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et ai. (2004) Ei-invasiivinen in vivo osoitus ihmisen parahipokampus gyrus -yhteyksistä. Neurokuva 22: 740 – 747. Etsi tämä artikkeli verkossa
68. BURWELL R (2000) Parahipokampaalinen alue: kortikokortiaalinen yhteys. New Yorkin tiedeakatemian lehtien 911: 25 – 42. Etsi tämä artikkeli verkossa
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J, et ai. (2010) Valkoisen aineen muuttumattomuus ensimmäisen jakson, hoitoa aiemmin saaneiden nuorten aikuisten aikuisilla, joilla on suuri masennus: Traktiopohjainen tilatilastotutkimus. Aivotutkimus 1396: 223 – 229. Etsi tämä artikkeli verkossa
70. Luck D, Danion J, Marrer C, Pham B, Gounot D, et ai. (2010) Oikea parahippocampal gyrus edistää sitoutuneen tiedon muodostumista ja ylläpitämistä työmuistissa. Aivot ja kognitio 72: 255 – 263. Etsi tämä artikkeli verkossa
71. Engle R, Kane M (2003) Johtajien huomio, työmuistikapasiteetti ja kaksifaktorinen kognitiivisen ohjauksen teoria. Oppimisen ja motivaation psykologia 44: 145 – 199. Etsi tämä artikkeli verkossa
72. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et ai. Lisääntynyt alueellinen homogeenisuus Internet-riippuvuushäiriössä: lepotilan toiminnallinen magneettikuvauskuvaus. Kiinalainen lääketieteellinen aikakauslehti 123: 1904 – 1908. Etsi tämä artikkeli verkossa
73. Vanhempi A, Puuseppä M (1996) Puusepän ihmisen neuroanatomia: Williams & Wilkins.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) kuitutraktiopohjainen ihmisen valkoisten aineiden anatomian atlas1. Radiologia 230: 77 – 87. Etsi tämä artikkeli verkossa
75. Andersen R, Knight P, Merzenich M (1980) AI: n, AII: n talamokortikaaliset ja korticothalamic-liitokset sekä kissan anteriiorinen kuulokenttä (AFF): Todisteet kahdesta pääosin segregatoidusta yhteysjärjestelmästä. Lehti vertailevasta neurologiasta 194: 663 – 701. Etsi tämä artikkeli verkossa
76. Winer J, Diehl J, Larue D (2001) Kuulokuoren ennusteet kissan mediaaliseen genikulaariseen runkoon. Lehti vertailevasta neurologiasta 430: 27 – 55. Etsi tämä artikkeli verkossa
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Primaarisen motorisen aivokuoren osallistuminen moottorikuviin: neuromagneettinen tutkimus. Neurokuva 6: 201 – 208. Etsi tämä artikkeli verkossa
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et ai. (1993) Sekä primaarisella motorisella aivokuorella että lisämoottorin alueella on tärkeä rooli monimutkaisessa sormenliikkeessä. Aivot 116: 1387 – 1398. Etsi tämä artikkeli verkossa
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et ai. (2004) Neuroplastisuus: harjoittelun aiheuttamat muutokset harmaassa aineessa. Luonto 427: 311 – 312. Etsi tämä artikkeli verkossa
80. Boyke J, Driemeyer J, Gaser C, Buchel C, toukokuu A (2008) Harjoituksen aiheuttamat aivorakenteen muutokset vanhuksilla. Journal of Neuroscience 28: 7031 – 7035. Etsi tämä artikkeli verkossa
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) Koulutus aiheuttaa muutoksia valko-ainearkkitehtuurissa. Luonnon neurotiede 12: 1370 – 1371. Etsi tämä artikkeli verkossa
82. Cummings JL (1993) Frontaaliset subkortikaaliset piirit ja ihmisen käyttäytyminen. Neurologian arkisto 50: 873 – 880. Etsi tämä artikkeli verkossa
83. Cummings JL (1995) anatomiset ja käyttäytymiseen liittyvät näkökohdat etu- ja subkortikaalisessa piirissä. New Yorkin tiedeakatemian lehtien 769: 1 – 14. Etsi tämä artikkeli verkossa
84. Albin RL, Young AB, Penney JB (1989) Perusgangliaalien häiriöiden toiminnallinen anatomia. Neurotieteiden suuntaukset 12: 366 – 375. Etsi tämä artikkeli verkossa
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et ai. (2010) Sisäkapselin etupään raajojen diffuusio tenorikuvatutkimus skitsofreniassa. Psykiatriatutkimus 184: 143 – 150. Etsi tämä artikkeli verkossa
86. Werring D, Clark C, Barker G, Miller D, Parker G et ai. (1998) Motorisen palautumisen rakenteelliset ja toiminnalliset mekanismit: diffuusiotensorin ja toiminnallisen magneettikuvauskuvannuksen täydentävä käyttö sisäisen kapselin traumaattisessa vammassa. Journal of Neurology, Neurosurgery & Psychiatry 65: 863–869. Etsi tämä artikkeli verkossa
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R, et ai. (2008) Mikrostrukturaalisen valkoaineen vaurion laajuus postkoncussiivisessa oireyhtymässä korreloi heikentyneen kognitiivisen reaktioajan kanssa: 3T-diffuusiotensorikuvatutkimus lievästä traumaattisesta aivovauriosta. American Journal of Neuroradiology 29: 967 – 973. Etsi tämä artikkeli verkossa
88. Nuori K (1999) Internet-riippuvuus: oireet, arviointi ja hoito. Kliinisen käytännön innovaatiot: Lähdekirja 17: 19 – 31. Etsi tämä artikkeli verkossa
89. Beard K (2005) Internet-riippuvuus: katsaus nykyisiin arviointitekniikoihin ja mahdollisiin arviointikysymyksiin. Kyberpsykologia ja käyttäytyminen 8: 7–14. Etsi tämä artikkeli verkossa
90. Culver J, Gerr F, Frumkin H (1997) Lääketieteelliset tiedot Internetissä. Journal of General Internal Medicine 12: 466 – 470.