Verkkopohjainen analyysi paljastaa Internet-riippuvuuden trendiin liittyvän toiminnallisen yhteyden (2016)

Edessä Hum Neurosci. 2016; 10: 6.

Julkaistu verkossa 2016 Feb 1. doi: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen^1,^2,^* ja Shulan Hsieh^1,^3,^4,^*

Tekijän tiedot ► Artikkelin huomautukset ► Tekijänoikeudet ja lisenssitiedot ►

Abstrakti

Huolestumisella ja Internetin pakollisella käytöllä voi olla kielteisiä psykologisia vaikutuksia, niin että se tunnustetaan yhä enemmän mielenterveyden häiriöksi. Tässä tutkimuksessa käytettiin verkkopohjaisia tilastoja selvittääkseen, kuinka koko aivojen toiminnalliset yhteydet levossa liittyvät yksilön Internet-riippuvuusasteeseen, indeksoituna itsearvioidulla kyselylomakkeella. Tunnistimme kaksi topologisesti merkittävää verkostoa, joista toisella on yhteydet, jotka korreloivat positiivisesti Internet-riippuvuus taipumuksen kanssa, ja toinen yhteyksillä, jotka ovat negatiivisesti korreloivia Internet-riippuvuus taipumuksen kanssa. Kaksi verkkoa on kytketty toisiinsa enimmäkseen frontaalialueilla, mikä saattaa heijastaa frontaalisen alueen muutoksia kognitiivisen ohjauksen eri näkökohdissa (ts. Internetin käytön ja pelitaidon hallitsemiseksi). Seuraavaksi luokittelimme aivot useisiin suuriin alueellisiin alaryhmiin ja havaitsimme, että suurin osa yhteyksien suhteista kahdessa verkossa vastaa pikkuaiheista riippuvuusmallia, joka kattaa nelipiirimallin.

Viimeiseksi havaitsimme, että aivoalueet, joilla on eniten alueiden välisiä yhteyksiä, jotka liittyvät Internet-riippuvuus taipumukseen, toistuvat riippuvuuskirjallisuudessa usein havaittavissa olevilla alueilla, ja sitä vahvistaa Internet-riippuvuustutkimusten metaanalyysi. Tämä tutkimus antaa paremman ymmärryksen laajamittaisista verkoista, jotka osallistuvat Internetin väärinkäytön taipumukseen, ja osoittaa, että Internet-riippuvuuden prekliininen taso liittyy samanlaisiin alueisiin ja yhteyksiin kuin riippuvuuden kliinisiä tapauksia.

Avainsanat: Internet-riippuvuus, verkkopohjaiset tilastot, toiminnalliset yhteydet, lepotila, metaanalyysi

esittely

Internet-riippuvuus (OReilly, 1996; Nuori, 1998) on moderni ilmiö, jolle on ominaista huolestuminen ja Internetin pakollinen käyttö. Erityisesti Internet-pelihäiriöt (IGD) on lueteltu diagnostisen ja tilastollisen käsikirjan version 5 (DSM-5) osassa III.^®, American Psychiatric Association [APA], 2013). Vakiokriteerin puutteen vuoksi eräässä kirjallisuudessa käsiteltiin kahta terminologiaa synonyymeinä (ks Petry ja O'Brien, 2013; Petry et ai., 2014 keskusteluun); Internetin pakollinen ja liiallinen käyttö mihin tahansa toimintaan (johon viitataan tässä kirjallisuudessa Internet-riippuvuutena) on kuitenkin maailmanlaajuisempi kuin sen tärkein alatyyppi IGD, joka voi sisältää online-pelaamisen lisäksi useita Internetin käyttömuotoja (Griffiths ja Pontes, 2014; Király et ai., 2014; Petry et ai., 2014). Nykyisessä tutkimuksessamme tutkitaan Internet-riippuvuutta yleisemmässä muodossa. Samoin kuin aineiden käyttöhäiriöt, Internet-riippuvuus osoittaa vieroitusoireita, suvaitsevaisuutta, hallinnan menettämistä ja psykososiaalisia ongelmia, mikä johtaa kliinisesti merkittävään hätään tai päivittäisen toiminnan heikkenemiseen. Levinneisyys näyttää korkeimmalta Aasian maista ja miesten murrosikäisistä, ja sen on arvioitu vaihtelevan 14.1: stä 16.5%: iin (95 prosentin luottamusväli) Taiwanin korkeakouluopiskelijoiden keskuudessa yhdessä tutkimuksessa (Lin et ai., 2011). Ilmiö on herättänyt enemmän huomiota viime vuosina, ja se ansaitsee selvästi lisätutkimuksia.

Toiminnallista magneettikuvausvaikutusta (fMRI) on käytetty Internet-riippuvuuden hermosubstraattien tunnistamiseen, mikä osoittautui osoittavan samanlaisia aivojen allekirjoituksia aineisiin liittyvistä riippuvuuksista (Kuss ja Griffiths, 2012; Brand et ai., 2014; Meng et ai., 2015). Estetyissä ja tapahtumiin liittyvissä tutkimuksissa on tunnistettu useita palkkioon, riippuvuuteen ja himoihin liittyviä alueita vertaamalla Internet-pelikilpailuja lähtötilanteen kanssa, joka sisältää eristeen, ytimen keräytymisen (NAc), dorsolateraalisen etukehän kuoren (DLPFC) ja kiertoradan etusivun. aivokuori (OFC) (Hoeft et ai., 2008; Ko et ai., 2009; Han et ai., 2010; Sun et ai., 2012; Ko et ai., 2013). Aktivointipohjaiset lähestymistavat kuitenkin kontrastivat juontiin liittyvää toimintaa, eivätkä ne koske aivojen alueiden vuorovaikutusta, eivätkä siten pysty karakterisoimaan kliinisiin tai käyttäytymistoimiin liittyviä muuttuneita toiminnallisia yhteyksiä; ihmisen häiriöt ovat kuitenkin seurausta häiriöistä toisiinsa kytketyssä monimutkaisessa järjestelmässä (Fornito ja Bullmore, 2015). Lepotila-fMRI: n käyttöönotto on osoittautunut tehokkaaksi työvälineeksi koko aivojen hermosolujen tutkimiseksi (van den Heuvel ja Pol, 2010). Lepotilan toiminnallinen yhteys arvioidaan veren happitasosta riippuvien (BOLD) signaalien spontaanien heilahtelujen korrelaatiolla aivojen eri alueilla, ja sen uskotaan tarjoavan mittaa sen toiminnallisesta organisaatiosta ja voi auttaa kuvaamaan aivoalueiden välisiä epänormaaleja synkronointeja psykologisten fenotyyppien spektrissä (Biswal et ai., 2010; Craddock et ai., 2013).

Vaikka on olemassa joitain tutkimuksia, joissa on käytetty toiminnallisia yhteyksiä Internet-riippuvuuteen liittyvän muuttuneen toiminnallisen yhteyden tutkimiseksi, useimmissa tutkimuksissa käytettiin ennalta valittuja siemenalueita, joko (a) korreloimalla yksi siemenalue alueen koko aivon jäljellä oleviin vokseleihin [Hoeft et ai., 2008 käytetty NAc; Lorenz et ai., 2013 käytetty oikeaa ala-alaosaa (IFG); Ding et ai., 2013 käytetty takaosan cingulate cortex (PCC); Ko et ai., 2015 käytetty amygdala; Zhang et ai., 2015 käytetty eriste; Hong et ai., 2015 käytetty caudate ydin ja putamen; Kühn ja Gallinat, 2015 käytetty oikeaa etuosaa; Li et ai., 2015 käytti oikeaa DLPFC: tä] tai (b) suoritti korrelaatiot useiden ennalta määritettyjen sijoitetun pääoman tuottoprosessien välillä merkityksellisistä verkoista (Yuan et ai., 2015 tarkasteli keskusjohtoverkkoa ja houkuttelevuusverkostoa; Dong et ai., 2015b tutki toimeenpanovalvontaverkoston; Dong et ai., 2015a tutki johtoryhmän ja palkitsemisverkoston; Li et ai., 2014 tutki vasteenestoverkkoa; Lin et ai., 2015 tutkittiin kuutta ennalta määritettyä kahdenvälistä kortikostrijaalista ROI: tä). Tarkastetut ennalta määritellyt siemenalueet edustavat vain pientä osaa aivoista, joten ne eivät ehkä pysty tarjoamaan täydellistä kuvaa siitä, kuinka Internet-riippuvuus vaikuttaa yhteyshenkilöön.

Hyvin harvat tutkimukset ovat käyttäneet koko aivojen lähestymistapaa Internet-riippuvuuden tutkimiseen. Tietojemme mukaan tällä hetkellä on vain neljä julkaistua artikkelia, joissa omaksuttiin koko aivot -lähestymistapa, ja niiden menetelmät ovat melko vaihtelevia verkonpohjaisista tilastoista (NBS; Hong et ai., 2013) topologiseen (Hong et ai., 2013; Wee et ai., 2014; Park et ai., 2015) uusiin kehitettyihin voxel-peilattuihin homotooppisiin yhteyksiin (Wang et ai., 2015). Erityisesti, Hong et ai. (2013) työskenteli NBS: n avulla alueiden välisten funktionaalisten yhteyksien ryhmien välisten erojen tunnistamiseksi ja havaitsi kortikokortikorttisiin piireihin liittyviä heikentyneitä yhteyksiä potilailla, joilla on Internet-riippuvuus. Heidän tutkimuksensa kuitenkin keskittyi pienen otoksen kokoon ainutlaatuisesta populaatiosta (miesten varhaisikäiset).

Siksi päätimme nykyisessä artikkelissamme käyttää koko aivojen yhteyksien lähestymistapaa, NBS (Zalesky et ai., 2010a; Han et ai., 2013), jotta voidaan tunnistaa toiminnalliset yhteydet, jotka ennustavat Internet-riippuvuus taipumusta. NBS on validoitu tilastollinen menetelmä käsitellä kuvaajan monien vertailujen ongelmaa, se on analoginen klusteripohjaisten menetelmien kanssa (Nichols ja Holmes, 2002), ja sitä käytetään tunnistamaan yhteydet ja verkot, jotka käsittävät ihmisen kondomin, jotka liittyvät kokeelliseen vaikutukseen tai ryhmien väliseen eroon testaamalla hypoteesi itsenäisesti jokaisessa yhteydessä. Tuloksia verrataan lisäksi olemassa olevien papereiden metaanalyysiin, jotka liittyvät Internet-riippuvuuden hermokorrelaatteihin. Toivomme laajentavanmme olemassa olevaa kirjallisuutta useilla tavoilla: (1) Toivomme antaa täydellisemmän kuvan Internet-riippuvuudesta käyttämällä koko aivo-analyysiä sen sijaan, että käytettäisiin vain pientä määrää ennalta määritettyjä siemenalueita. (2) Vaikka Internet-riippuvuudesta on olemassa pari koko aivojen toiminnallisen yhteyden tutkimusta (esim. Hong et ai., 2013; Wang et ai., 2015), tutkimuksissa verrattiin Internet-riippuvuusryhmiä terveellisiin kontrolleihin. Tutkimukseemme ei osallistunut kliinisiä potilaita, mutta se kuvaa Internet-riippuvuus taipumusta gradienttina. Toivomme löytävämme toiminnalliset yhteydet, joiden vahvuutta moduloi riippuvuusaste. (3) Useimmissa Internet-riippuvuustutkimuksissa ei ole otettu pikkuaivoa huomioon, mutta pikkuaivoista on tehty tärkeä alue riippuvuudessa (Moulton et ai., 2014). Siksi olemme sisällyttäneet pikkuaivojen analyysiimme. (4) Monet tutkimukset ovat rajoittaneet osallistujaryhmän miehiin ja sisältävät usein suhteellisen pienet otoskokot (esim. Hong et ai., 2013, 2015; Kühn ja Gallinat, 2015). Näiden tutkimusten yleistettävyyden ja tehokkuuden lisäämiseksi tarvitaan näytteitä, joissa on molemmat sukupuolet ja suurempi otoskoko (Li et ai., 2015). Ratkaisemalla edellä mainitut ongelmat, tämän tutkimuksen tavoitteena on saada parempi käsitys siitä, kuinka toiminnallinen yhteys liittyy Internet-riippuvuus taipumukseen.

Materiaalit ja menetelmät

Meta-analyysi

Meta-analyysi rakennettiin käyttämällä NeuroSynth-tietokantaa (http://neurosynth.org; Yarkoni et ai., 2011). Muokattu analyysi suoritettiin käyttämällä hakutermejä “addiction”, “addikti”, “internet”, “pelaaminen”, “peli” ja “online” tunnistaaksesi tietokantaan Internet-riippuvuuteen liittyvät tutkimukset. Sisällyttämisperusteet varmennettiin manuaalisesti, ja luettelo mukana olevista tutkimuksista on yksityiskohtaisesti lisäaineissa 1. Mukana oli yhteensä 18-tutkimuksia. Huippuaktivointikoordinaatit sekä sen naapurimaiden 6 mm -vokselit uutettiin mukana olevista tutkimuksista. Seuraavaksi suoritettiin näiden koordinaattien metaanalyysi, joka tuotti eteenpäin ja paljasti päätelmät koko aivoista z-pistekartat. Eteenpäin suuntautuvat päästökartat heijastavat todennäköisyyttä, että alue aktivoituu näiden ehtojen perusteella [P(aktivointi | ehdot)], mikä ilmoittaa meille aktivoinnin johdonmukaisuudesta tietyille ehdoille. Käänteinen päättelykartta osoittaa todennäköisyyden, että näitä termejä käytetään tutkimuksessa, kun ilmoitetaan aktivoituneisuus [P(termit | aktivointi)]; siten aktivoitunut alue osoittaa, että se on todennäköisemmin Internet-riippuvuuteen liittyvä tutkimus kuin muu kuin Internet-riippuvuuteen liittyvä tutkimus, joka heijastaa kyseisen alueen selektiivisyyttä. Koska sekä eteenpäin että taaksepäin suuntautuvilla päätelmillä on tärkeä rooli autettaessa meitä ymmärtämään Internet-riippuvuuteen liittyviä alueita, päällekkäin nämä kaksi päättelykarttaa hahmotellaan niiden yhteisiä alueita. Ilmoitetaan klusterit, jotka ovat yli viittä vokselia.

Lepotilan fMRI

osallistujat

Neljäkymmentä seitsemää tervettä osallistujaa (21-miehiä ja 26-naisia) eteläisestä Taiwanista, joista suurin osa on yliopiston opiskelijoita tai henkilökuntaa, rekrytoitiin ilmoituksilla osallistumaan kokeiluun (ikäryhmä = 19 – 29 vuotta, keski-ikä = 22.87 vuotta, SD = 2.22 vuotta). Osallistujat olivat oikeakätisiä (Edinburgh Handedness Inventory osoitti), heillä oli normaali tai normaaliin nähden korjattu näkemys, eikä heillä ollut historiallisia psykologisia tai hermosairauksia. Heidän masennus-, ahdistus- ja älykkyyspisteensä olivat normaaleilla alueilla [Beckin masennuskertoimen (BDI) pisteet: 0 – 12; Beckin ahdistusluettelon (BAI) pisteet: 0 – 7; Ravenin standardi progressiivinen matriisi -pistemäärä: 35 – 57]. Kaikkien osallistujien Chen Internet Addiction Scale-Revised (CIAS-R) -pisteillä oli alue = 28 – 92, keskiarvo = 60.04, SD = 16.53. Pöytä Table11 Yhteenveto osallistujien demografisista tiedoista ja käyttäytymisominaisuuksista. CIAS-R-pisteiden normaliteetti varmistettiin Shapiro – Wilk-testillä [W(47) = 0.98, p = 0.50]. Sukupuolen ja CIAS-R-pistemäärän välillä ei ollut merkitsevää korrelaatiota (Spearmanin ρ = 0.15, p = 0.30). Kaikki osallistujat toimittivat kirjallisen ilmoitetun suostumuksensa, ja tutkimusprotokollan (NO: B-ER-101-144) hyväksyi kansallisen Cheng Kungin yliopistollisen sairaalan institutionaalinen arviointilautakunta (IRB), Tainan, Taiwan. Kaikille osallistujille maksettiin 500 NTD kokeen suorittamisen jälkeen.

Demografiset tiedot ja käyttäytymisominaisuudet.

Chenin Internet Addiction Scale-Revised (CIAS-R) -kysely

Chenin Internet-riippuvuusasteikko-tarkistettu (CIAS-R; Chen et ai., 2003) on 26-kohteen mitta, jota käytetään arvioimaan Internet-riippuvuuden vakavuus. CIAS-R perustuu DSM-IV-TR -lisäainekäyttäytymiskriteereihin ja sisältää kaksi Internet-riippuvuuden alakategoriaa (a) ydinoireita ja (b) siihen liittyviä ongelmia, arvioiden viittä ulottuvuutta, mukaan lukien (1) pakonomainen Internetin käyttö, (2) peruuttaminen oireet, kun Internet poistetaan, (3) suvaitsevaisuus ((4) ihmissuhteiden ja fyysisen terveyden vaara) ja (5) ajanhallintaongelmat. Tuotteet luokitellaan 4-pisteen Likert-asteikolla, kokonaispistemäärä vaihtelee 26: sta 104: iin, mikä heijastaa alhaista korkeaan Internet-riippuvuuden taipumukseen. On osoitettu, että CIAS-R: llä on korkea sisäinen konsistenssi (Cronbachin α = 0.79 – 0.93; Chen et ai., 2003) ja korkea diagnostinen tarkkuus (AUC = 89.6%; Ko et ai., 2005). Tässä tutkimuksessa CIAS-R: n kokonaispistemäärää käytettiin indikaattorina osallistujien Internet-riippuvuuden nykytilasta.

Kuvien hankinta ja käsittely

Kuvantaminen suoritettiin käyttämällä GE MR750 3T -skanneria (GE Healthcare, Waukesha, WI, USA) Kansallisen Cheng Kung -yliopiston MRT-keskuksessa. Korkean resoluution anatomiset kuvat hankittiin käyttämällä nopeata SPGR: tä, joka koostui 166-akselin viipaleista (TR = 7.6 ms, TE = 3.3 ms, kääntökulma 171 = 12 °, 224-matriisit × 224-matriisit, viipaleen paksuus = 1 mm). Funktionaaliset kuvat hankittiin käyttämällä gradientin kaiku-echo-planar imaging (EPI) -pulssisekvenssiä (TR = 2000 ms, TE = 30 ms, kääntökulma = 77 °, 64-matriisit × 64-matriisit, viipaleen paksuus = 4 mm, ilman rakoa, vokselin koko 3.4375 mm x 3.4375 mm x 4 mm, 32-akselileikkaukset, jotka peittävät koko aivot).

Osallistujia käskettiin rentoutumaan ja makaamaan skannerissa silmät kiinni. Heitä pyydettiin olemaan ajatellut mitään tiettyä tapahtumaa skannauksen aikana. Rakennekuvan skannausaika oli noin 3.6 min. Toiminnallinen kuva kesti noin 8 min, ensimmäisten viiden TR: n ollessa näytönohjauksia sen varmistamiseksi, että signaali on saavuttanut tasaisen tilan ennen tietojen keräämistä; siten ajo koostuu 240 EPI -tallennuskuvista analysoitavaksi.

Tiedot esikäsiteltiin käyttämällä lepotila-fMRI: n tietojenkäsittely-avustajaa (DPARSF; Yan ja Zang, 2010), joka perustuu MRIcroN: n toimintoihin (Rorden et ai., 2007^¹) sekä tilastollisen parametrikartoitusohjelmiston (SPM^²) ja lepotilan fMRI-tietojen analysointityökalupaketti (REST; Song et ai., 2011) Matlabissa (The MathWorks, Inc., Natick, MA, USA). Toiminnallisille kuville tehtiin viipaleen ajoituksen korjaus, jota seurasi kohdistus pään liikkeen korjaamiseksi kuuden parametrin jäykillä rungon muunnoksilla. Kokonaisliike, jolle oli ominaista keskimääräinen kehyssiirtymä (FD), ei ollut suuri (keskiarvo = 0.05, SD = 0.03) eikä korreloinut CIAS-R-pisteiden kanssa (Spearmanin ρ = -0.28, p = 0.055), joten impulsiivisuus ei ole sekava tekijä Internet-riippuvuuspisteissä ja liikkeessä (Kong et ai., 2014). T1-kuvat rekisteröitiin ydin funktionaalisiin kuviin. Rakenteelliset kuvat segmentoitiin CSF: ksi, valko- ja harmaaksi aineeksi kudosten todennäköisyyskarttojen perusteella MNI-tilassa, ja näitä laskelmia käytettiin seuraavassa normalisoimalla T1- ja EPI-kuvia MNI-avaruuteen. Tiedot tasoitettiin aluealueella käyttämällä Gaussin ydintä, jonka koko leveys oli 6 mm, puolella maksimiarvosta (FWHM), ja poistettiin lineaarinen trendi. Häiriökovariaatit, mukaan lukien globaali keskimääräinen signaali, valkoaineen signaali ja aivo-selkäydinnesteen signaali, regressoitiin pois. Vaikka globaalin signaalin regression suorittaminen on edelleen jatkuva kiista (esim. Saad et ai., 2012), päätimme ottaa tämän menetelmän käyttöön, koska on ehdotettu maksimoida funktionaalisten korrelaatioiden spesifisyys ja parantaa lepo-tilan korrelaatioiden ja anatomian vastaavuutta (Fox et ai., 2009; Weissenbacher et ai., 2009; Takeuchi et ai., 2014). Viimeinkin kuville tehtiin kaistanpäästösuodatus 0.01 – 0.08 Hz.

Data Analysis

FMRI-kuvat erotettiin anatomisen automaattisen merkinnän (AAL; Tzourio-Mazoyer et ai., 2002) malli, jakamalla aivot anatomisen rakenteen perusteella 116 ROI: hin (tai solmuihin). Valitsimme AAL-atlantin, koska se on ollut yleisimmin käytetty paketti funktionaalisten verkkojen tutkimuksissa (Stanley et ai., 2013) ja oli myös mallina, jota Hong et ai. (2013), jonka tutkimus on eniten asiaan liittyvää, mikä lisää tutkimusten vertailukelpoisuutta (Zalesky et ai., 2010b). NBS-menetelmää käytettiin tunnistamaan aivoverkostot, jotka koostuvat alueiden välisestä toiminnallisesta yhteydestä, jolla on merkittävä korrelaatio CIAS-R-pistemäärän kanssa. Seuraavat analyysit tehtiin verkkopohjaisen tilastollisen työkalupakin (Zalesky et ai., 2010a) sisäisillä Matlab-komentosarjoilla. Jokaiselle osallistujalle rakennettiin 116 × 116 -korrelaatiomatriisi käyttämällä kustakin ROI: sta erotettuja aikakursseja. Pearsonin r arvot normalisoitiin arvoon Z tulokset Fisherin avulla Z muutos. Korrelaatiomatriisin kukin solu edustaa kahden solmun välisen yhteyden (tai reunan) voimakkuutta. Massamuuttujatestaus käyttäen Spearmanin sijoitus korrelaatiota suoritettiin osallistujien CIAS-R-pisteiden ja reunojen vahvuuksien välillä jokaisessa reunassa CIAS-R-pistemäärää ennustavien merkityksellisten yhteyksien tunnistamiseksi. Ehdokasreunat, jotka osoittivat CIAS-R-pistemäärän korkean ennustettavuuden, valittiin ensisijaisen kynnyksen kautta Spearmanin rho> 0.37 ja <-0.37 (suunnilleen yksihännäinen alfa = 0.005) vastaavasti CIAS-R: n positiivisesti ja negatiivisesti liittyvien verkkojen tunnistamiseksi. R-pisteet. Seuraavaksi kynnyksen yläpuolisten yhteyksien joukosta tunnistettiin topologiset klusterit, jotka tunnetaan yhdistetyinä graafikomponenteina. Perhekohtainen virhe (FWE) komponenttikoolle laskettiin käyttämällä permutaatiotestausta (3000 permutaatiota), johon sisältyi CIAS-R-pisteiden satunnainen järjestäminen ja yllä olevien prosessien toistaminen jokainen permutaatio suurimman komponenttikoon nollajakauman saamiseksi. Yhdistetyt kaaviokomponentit, joiden koko ylittää arvioidun FWE-korjatun p-arvon raja-arvo <0.05 tunnistettiin verkkoiksi, jotka liittyvät merkittävästi Internet-riippuvuustaipumukseen. BrainNet Viewer (Xia et ai., 2013) käytettiin yhteyksien visualisointiin. Esimerkki data-analyysiputkesta on esitetty Kuva Figure11.

Dataanalyysiputkiston vuokaavio. Osallistujien aivot esikäsiteltiin ja partikkeloitiin eri rakennealueisiin AAL-mallin mukaan. Korrelaatiomatriisi rakennettiin käyttämällä aikakursseja, jotka oli poistettu kustakin alueesta ...

tulokset

Meta-analyysi

Eteen- ja taaksepäätelmät z-pistekartat generoitiin NeuroSynthistä (esitetty Kuva Figure22). Näiden kahden kartan aktivoinnit osoittavat hyvin samankaltaisia toisiaan. Näiden karttojen päällekkäisyydet paljastivat aktivoinnin pikkuaivojen, ajallisen lohkon (kahdenväliset alempi ajallinen gyri, oikea ylemmällinen ajallinen napa ja oikea keskimmäinen ja ylivoimainen ajallinen gyrus), useiden etumaisten alueiden (vasen keskimmäinen ja ylemmän kiertoradan etumainen gyrus, oikean keskimmäisen etuosa gyrusin, oikea alemman verrannollinen etusivun operculum ja oikea precentral gyrus), kahdenväliset putamenit, kahdenväliset eristeet, oikea keskimmäinen cingulate ja oikea precuneus. Pöytä Table22 luettelee tunnistetut klusterit sekä klusteriin kuuluvat AAL-alueet.

NeuroSynth: lle suoritetun metaanalyysin päätekartat, jotka osoittavat eteenpäin suuntautuvien aktiivisten alueiden, käänteisen päättelyn ja kahden kartan päällekkäisyydet.

Päällekkäiset ryhmät eteen- ja taaksepäätekarttoja.

Lepotilan fMRI

Internet-riippuvuus-taipumukseen liittyvät toiminnalliset yhteydet

NBS: n avulla tunnistimme kaksi verkkoa, jotka osoittivat merkittävää korrelaatiota reunan lujuuden ja CIAS-R-pistemäärien välillä (p <0.05, FWE-korjattu): yksi, jonka reunat korreloivat positiivisesti CIAS-R-pisteiden kanssa ("CIAS-R positiivinen", näkyy punaisella) ja toinen, joiden reunat korreloivat negatiivisesti CIAS-R: n kanssa ("CIAS-R negatiivinen", esitetty sinisenä). CIAS-R-positiivinen verkko koostuu yhteensä 65 solmusta ja 90 reunasta (45 intrahemisfääristä, 42 interhemisfääristä ja 3 yhdistyvät vermisiin), kun taas negatiivinen verkko koostuu 64 solmusta ja 89 reunasta (35 intrahemisfäärin, 40 interhemisfäärin ja 14 yhdistäminen vermisiin / sisällä). On tärkeää huomata, että nämä kaksi verkkoa eivät ole täysin erillisiä, ja niillä on yhteensä 39 solmua, joista 30.77% on etulohkon alueita. CIAS-R: hen liittyvien reunojen kokonaismäärä on 2.68% kaikista aivojen reunoista. Verkko on kuvattu Kuva Figure33 ja erityiset liitännät on lueteltu lisämateriaaleissa 2, taulukko S1.

CIAS-R-pisteiden kanssa korreloivien yhteyksien verkko. Harmaat pallot edustavat kunkin solmun keskikohtaa ja skaalataan sen mukaan, kuinka monta merkittävää reunaa heihin liittyy. Näytetään vain solmut, joilla on yhteydet. Punaiset viivat edustavat ...

Osallistuvien reunojen maailmanlaajuinen jakauma

Seuraamme seuraavaa, jotta ymmärrämme paremmin näiden yhteyksien jakautumista Fornito et ai. (2011) ja Hong et ai. (2013), ja luokitteli kunkin verkon jokaisen AAL-alueen seitsemään alueelliseen alaryhmään: frontaalinen, ajallinen, parietaalinen, niskakyhmytys, eriste ja cingulate gyri, subkortikaali ja pikkuaivo. Suurimpaan osaan CIAS-R-positiivisen verkon reunoista liittyi yhteyksiä (1) ajallisten alueiden ja eristeen välillä ja cingulate gryi (N13%), joista suurimpaan osaan liittyy takaosan cingulate gyrus, joka yhdistää eri ajallisiin alueisiin; (2) frontaaliset ja ajalliset alueet (∼12%), joka sisältää yhteydet mediaalisen orbitofrontaalisen aivokuoren, paraentraalisen lobulen ja ajallisen keiran gyri, ajallisen navan välillä; ja (3) parietaaliset ja subkortikaaliset alueet (∼11%), jotka koostuvat yhteyksistä postamentraalisen aivokuoren ja ylemmän parietaalisen lobulen välillä putamenin ja pallidumin kanssa. On mielenkiintoista huomata, että etusuoraa lukuun ottamatta kaikilla muilla alueilla ei ole alueiden sisäisiä yhteyksiä, joiden vahvuus korreloi positiivisesti Internet-riippuvuus taipumuksen kanssa. Suurimpaan osaan CIAS-R-negatiivisen verkon reunoista liittyi yhteyksiä (1) edessä olevan keilan ja pikkuaivojen välillä (∼19%), joista suurin osa on yhteyksiä orbitaalisen etumaisen alueen ja pikkuaivojen erilaisten ROI: ien välillä; ja (2) eriste ja cingulate gyri sekä ajallinen lohko (~ 12%), joka käsittää yhteydet erulaan, cingulumiin, parahippocampaliin ja ajalliseen lohi gyriin. CIAS-R-negatiiviseen verkostoon ei havaittu sisällyttävän mitään vatsakalvoalueita. Kunkin verkon alueiden välisten yhteyksien osuudet on esitetty Kuva Figure44.

Niiden reunojen osuus, jotka ovat positiivisesti ja negatiivisesti korreloivia Internet-riippuvuus taipumuksen kanssa parien alueellisten alaryhmien välillä. Osuudet laskettiin jakamalla reunojen lukumäärä alueparien välillä (tai niiden sisällä) kokonaismäärän kanssa ...

Maksimoidut solmut

Tunnistettujen reunojen suuren määrän vuoksi seuraamme Finn et ai. (2014), ja tunnistivat solmut, joilla on korkea ”CIAS-R-korreloituneiden reunojen summa”, jotta keskitymme analyysiimme alueisiin, joilla yhteydet liittyvät maksimaalisesti Internet-riippuvuus taipumukseen. Solmun CIAS-R-korreloituneiden reunojen summa määritettiin sen reunojen kokonaismääräksi sekä CIAS-R-positiivisissa että CIAS-R-negatiivisissa verkoissa (tämä on käsitteellisesti sama kuin astemitta graafisessa teoriassa). Tämän menetelmän avulla voimme tunnistaa solmut, joissa yhteydet todennäköisimmin muuttuvat Internet-riippuvuus taipumuksen perusteella. Seuraavat Pöytä Table33 luettelee solmut, joihin maksimaalisesti vaikuttaa, ja näyttää solmut, joissa on ainakin summa CIAS-R-korreloiduista reunoista vähintään 8. Solmujen ja niiden yhteyksien visualisointi näkyy Kuva Figure55. Nämä ovat myös keskustelulle valitut solmut.

Internet-riippuvuus taipumuksen solmujen tason analyysi.

Sellaisten solmujen visualisointi, joissa on eniten reunoja Internet-riippuvuus taipumukseen liittyen. Vihreät pallot kuvaavat kunkin solmun keskikohtaa maksimireunoilla, kun taas keltaiset pallat kuvaavat niiden toiminnallisia yhteysyhteyksiä. Punaiset viivat osoittavat reunat ...

Keskustelu

Normaalissa nuorten aikuisten ryhmässä arvioimme heidän Internet-riippuvuuden tasonsa itsearvioidun kyselylomakkeen (CIAS-R) avulla ja tunnistimme edelleen kaksi aivoverkkoa, joiden toiminnalliset yhteydet korreloivat positiivisesti ja negatiivisesti Internet-riippuvuus taipumuksen kanssa. Seuraavassa keskustelemme tuloksistamme eri havainnointiasteikkoilla: (1) kriittiset alueet, jotka yhdistävät CIAS-R-positiiviset ja CIAS-R-negatiiviset verkot, (2) -alueet, joilla on suuri osuus yhteyksistä, jotka liittyvät Internet-riippuvuus taipumukseen, ja (3) ) kriittiset solmut, joita Internet-riippuvuus taipumus muuttaa.

Frontaalialueet yhdistävät CIAS-R-positiiviset ja CIAS-R-negatiiviset verkot

Havaitsimme, että suurin osa solmuista, jotka yhdistävät kaksi (CIAS-R positiivinen ja CIAS-R negatiivinen) verkkoa, sijaitsevat eturintamassa. Nämä alueet sisältävät ylemmän etuosan gyuruksen, IFG: n, mediaalisen etuosan gyuruksen, rolandic operculumin ja lisämoottorin alueen. Prefrontaalisen aivokuoren on katsottu olevan kriittinen rakenne kognitiivisessa ohjauksessa, estämisessä ja vasteen valinnassa (Aron et ai., 2004; Talati ja Hirsch, 2005; Forstmann et ai., 2008). Internetin väärinkäyttö on ilmiö siinä, että riippuvaisilla on vähentynyt Internetin käyttöä koskevaa itsehillintää ja päätöksentekoa, mikä heijastuu jatkuvassa liiallisessa käytössä huolimatta heidän tiedoistaan kielteisistä vaikutuksista. Esimerkiksi useissa tutkimuksissa on havaittu, että Internet-riippuvuudesta kärsivillä osallistujilla oli korkeampi fronto-striaatiaalinen ja fronto-parietal-aktivaatio Go / Nogo -tehtävän aikana (Ding et ai., 2014; Ko et ai., 2014; Chen et ai., 2015) ja Stroop-tehtävä (Dong et ai., 2012a, 2013, 2014), mikä viittaa huonompaan vasteenestoon ja virheiden seurantaan ja lisääntyneeseen impulsiivisuuteen. Mutta toisaalta, Internet-riippuvaisilla ja videopelien pelaajilla on usein erinomainen kognitiivisten toimintojen suorituskyky, kuten moottorin hallinta ja tehokas päätöksenteko pelaamisen aikana. Videopelien käytännön vaikutusten on osoitettu yleistyvän moniin parannettuihin toimeenpanotaitoihin, mukaan lukien havainto-, moottori-, huomio- ja todennäköisyyspäätelmätaitot (Vihreä ja Bavelier, 2003; Castel et ai., 2005; Dye et ai., 2009; Green et ai., 2010; Green et ai., 2012). Yhdessä fMRI-tutkimuksessa havaittiin, että fronto-parietal-verkon rekrytointi videopelien pelaajissa oli vähentynyt verrattuna muihin kuin pelaajiin korkean huomion tarvetehtävän aikana, mikä heijastaa mahdollisesti tehokkaampaa toimeenpanon ja huomion hallintaaBavelier et ai., 2012). Internet-riippuvaisiden esittämät kognitiivisen hallinnan kaksi kasvot muodostavat mielenkiintoisen ongelman. Tutkimuksessamme kahden verkon yhdistävien etumaisten alueiden havaitseminen, joissa toiminnallinen yhteys vähenee ja lisääntyy Internet-riippuvuus taipumuksen avulla, voisi heijastaa eturintaman muutoksia kognitiivisen ohjauksen eri näkökohdissa (ts. Internetin käytön ja pelitaitojen hallitsemiseksi). On syytä mainita, että vaikka Hong et ai. (2013) Olettaen, että Internet-riippuvaisilla voisi mahdollisesti olla lisääntynyttä käytännön vaikutusta, joka liittyy harjoitteluvaikutuksiin, toiminnalliset yhteydet havaittiin vain heikentyneen. Yksi mahdollisuus, jonka ehdotti Hong et ai. (2013) Koska he eivät olleet parantaneet toiminnallista yhteyttä Internet-riippuvaisissa yksilöissä, se, että heidän pieni otoskoko johti virran puuttumiseen. Käyttämällä siemenpohjaista analyysiä, joka vaatii vähemmän monta vertailua kuin koko aivojen lähestymistavat, Hong et ai. (2015) analysoi uudelleen 2013-tiedot ja havaitsi sekä Internet-riippuvuuteen liittyvän lisääntyneen että vähentyneen toiminnallisen yhteyden.

Internet Addiction Tendency -verkkojen laajalle levitetyt yhteydet

Tiedot osoittavat suuren määrän sisäpuolisia ja puolipallomaisia yhteyksiä sekä CIAS-R-positiivisissa että CIAS-R-negatiivisissa verkoissa, mikä heijastaa Internet-riippuvuus taipumuksen laajaa vaikutusta aivoihin. Havaitsimme, että suurin osa yhteyksistä CIAS-R-positiivisessa verkossa oli ”eristeellä ja cingulate - ajallisella”, “frontaalisella - ajallisella” ja “subcortical - parietal” -reunalla, kun taas suurin osuus yhteyksistä CIAS-R: ssä Negatiiviseen verkkoon osallistuivat “etuosa - pikkuaivojen” ja “eristykset ja sinkulaatit - ajalliset” reunat (Kuva Figure44). Äskettäin ehdotetussa riippuvuusmallissa (Moulton et ai., 2014), pikkuaivo auttaa ylläpitämään riippuvuuteen liittyvien neljän toisiinsa kytketyn piirin homeostaasia: palkkio / miellyttävyys, motivaatio / ajaminen, oppiminen / muisti sekä kognitiivinen hallinta. Tämä malli integroi nelipiirimallin (Volkow et ai., 2003, 2010) ja aivokuoren toiminnalliset lepotilaverkot, jotka liittyvät toimeenpanoon ja assosiatiiviseen käsittelyyn aivokuoressa (Buckner et ai., 2011). Palkitsemisen, palkitsemisen, motivaation / ajamisen ja oppimisen / muistin komponentit vahvistetaan, kun taas kognitiivinen hallinta on heikentynyt riippuvuudessa. nähdä Kuva Figure66 kuvaa varten. Huomautuksemme kahden Internet-riippuvuus taipumusverkon suurimmista toiminnallisista yhteyksistä ovat yleensä yhteensopivia Moulton et ai. (2014) malli kriittisistä komponenteista, jotka ovat mukana riippuvuuspiirissä. Samoin emme havainneet monia merkittäviä yhteyksiä, jotka käsittävät niskakynnen, joka myös kutistuu Hong et ai. (2013) havainnot. Havaitsimme kuitenkin myös suuren osan "subkortikaalisista - parietaalisista" reunoista, joita, vaikka niitä ei ole erityisen korostettu nelipiirimallissa, nämä yhteydet on havaittu Internet-riippuvuuskirjallisuudessa (esim. Ding et ai., 2013; Hong et ai., 2013, 2015), joka voi johtua Internetin käyttöön liittyvistä käytännön vaikutuksista.

Riippuvuusmalli, joka korostaa niiden neljän suurimman aivoverkon pikkuaivojen moduloivaa roolia, joiden ehdottamiseen riippuvuus vaikuttaa (mukautettu Moulton et ai., 2014). Näihin piireihin kuuluvat palkitseminen / palkitseminen, motivaatio / ajaminen, oppiminen / muisti, ...

Kriittiset solmut, joita Internet Addiction Tendency muuttaa

Havaitsimme solmut, joilla on eniten yhteyksiä, jotka liittyvät maksimaalisesti Internet-riippuvuus taipumukseen. Nämä solmut ovat niitä, joiden yhteyksien rakenne solmun itsensä ja muiden aivoalueiden välillä on alttiimpia Internet-riippuvuus taipumus muuttaa. Alueita ovat erityisesti kahdenväliset takaosan cingulaattiset gyrus, oikea insula, oikea keskimääräinen ajallinen gyrus, vasen ylin ajallinen napa, oikea putamen ja vasemman IFG: n kiertorataosa (Kuva Figure55). Nämä alueet on sisällytetty avainalueiksi monissa (Internet) riippuvuustutkimuksissa, ja jotkut on jo mainittu edellisessä osassa. Keskustelemme nyt riippuvuuskirjallisuudesta, joka korostaa näitä alueita yksityiskohtaisemmin. PCC, osa oletusmoodin verkkoa ja mukana itseprosessoinnin eri näkökohdissa (Buckner et ai., 2008; Fransson ja Marrelec, 2008), toiminut siemenalueena vuonna Ding et ai. (2013) Tutkimus osoitti merkittävästi parantuneen toiminnallisen yhteyden kaksipuoliseen pikkuaivojen takaosaan ja keskiosaiseen ajalliseen gyrus-osaan, kun taas kahdenväliset alempi parietaalinen lobule ja oikea alempi ajallinen gyrus laskivat Internet-peliriippuvaisissa. Internet-addiktoituneiden on myös havaittu osoittavan epänormaalia murto-anisotroopiaa (Dong et ai., 2012b) ja harmaan aineen tiheys (Zhou et ai., 2011) PCC: ssä. Zhang et ai. (2015) valitsi insulan, johon on vaikuttanut riippuvuus (Naqvi ja Bechara, 2009; Droutman et ai., 2015) siemenalueeksi ja havaitsi muuttuneen toiminnallisen yhteyden alueellisten verkkojen kanssa Internet-riippuvaisista. Insulan merkitystä riippuvuudessa on ehdotettu integroitaessa interceptiiviset signaalit tietoisiin tunteisiin (lääkekehotuksiin) ja puolueelliseen käyttäytymiseen päätöksenteon aikana (Naqvi ja Bechara, 2009). Keskimääräinen ajallinen gyrus ja ylivoimainen ajallinen napa on havaittu joissain Internet-riippuvuustutkimuksissa (ks Meng et ai., 2015 meta-analyysiä varten), ja ne on liitetty pelin kehotukseen / himoon, semanttiseen käsittelyyn, ruumiillistumattomuuteen, työmuistiin ja tunnepitoon; heidän erityisroolinsa riippuvuudessa vaatii kuitenkin lisätutkimuksia. Putamen, selkärangan osa, on myös kriittinen alue, jota suositellaan monissa riippuvuustutkimuksissa (esim. Ko et ai., 2009; Ding et ai., 2013; Lin et ai., 2015), jossa samanaikainen dopamiinineurotransmissio on mukana pakollisen lääkeaineiden etsimisen ja ihmisen kehittämisessä (Volkow et ai., 2006; Koob ja Volkow, 2010). Lisäksi tutkimukset ovat viitanneet siihen, että häiriöt striato-thalamo-orbitofrontaalipiirissä ovat ratkaiseva riippuvuuden syy, kun taas selkärangan striatumi, joka osallistuu tapan oppimiseen ja himoon, orbitofrontaaliseen aivokuoreen liittyy houkuttelevuutta, ajamista ja pakkokeinoa (Volkow ja Fowler, 2000; Koob ja Volkow, 2010; Volkow et ai., 2010; Goldstein ja Volkow, 2011). Orbitofrontaalisen aivokuoren epänormaali toiminta voisi selittää riippuvuuden käyttäytymishäiriöitä. Yhteenvetona yllä olevista, tunnistimme solmut, jotka ovat keskittymiä, jotka ovat alttiimpia Internet-riippuvuus taipumus muuttaa, ja ne on tunnistettu toistuvasti olemassa olevassa kirjallisuudessa.

rajoitus

Kuten yksi tarkastajistamme huomautti, onko globaalin signaalin regression suorittaminen lepotilan fMRI: ssä edelleen nykyinen keskustelu. Analysoituaan nykyiset tiedot uudelleen ilman globaalia signaalin regressiota, tuloksemme osoittautuivat aivan erilaisiksi verrattuna alkuperäiseen analyysiimme ja vain 22.91% NBS-analyysien löydetyistä reunoista ilman globaalia signaalin regressiota päällekkäin nykyisten tulosten kanssa. Ilman globaalia signaalin regressiota, emme löytäneet riittävästi toiminnallisia yhteyksiä, jotka olivat positiivisesti yhteydessä CIAS-R-pisteisiin; löysimme kuitenkin verkon, joka koostui toiminnallisista yhteyksistä, jotka olivat negatiivisesti yhteydessä CIAS-R-pisteisiin. Kun tunnistetaan solmut, joilla on eniten yhteyksiä, liittyy maksimaalisesti Internet-riippuvuus taipumukseen, löydämme johdonmukaisuuden globaalin signaalin regressioanalyysin kanssa siinä mielessä, että cingulaatti, eriste, ajallinen ja etuosa olivat eniten mukana. Useisiin eroihin sisältyy kuitenkin kahdenvälisten lisämoottorialueiden ja suorakulmaisen gyurin lisähaku, jolla on heikentynyt toiminnallinen yhteys, eikä tunnistetussa verkossa ollut niin monta alakortikaalista aluetta. Vaikka signaalin globaali regressio on edelleen kiistanalainen, päätimme ilmoittaa molemmat tulokset. Yksityiskohdat verkosta, joka on tunnistettu ilman globaalia signaalin regressiota, on dokumentoitu lisämateriaaleissa 3. Toivottavasti tulevaisuuden kuvan esikäsittelyn työ paljastaa, mikä tulos on tarkempi. Ehdotamme tällä hetkellä tulkita nykyiset tulokset tällaisten varoitusten mielessä.

Yhteenveto

Käyttämällä datavetoista lähestymistapaa osoitimme, että verkkopohjaiset tilastot ovat hyödyllinen työkalu karakterisoimaan koko aivojen yhteydet, joihin Internet-riippuvuus taipumus vaikuttaa, tunnistamaan yhteydet ja kriittiset alueet, jotka toistavat aiemmat tutkimukset. Verrattuna siemenanalyyseihin, tämä koko aivojen lähestymistapa tarjoaa kattavamman analyysin Internet-riippuvuuteen liittyvistä aivoyhteyksistä tutkimalla yhteensä 6670-yhteyksiä. Lisäksi osoitimme, että monien funktionaalisten yhteyksien ja riippuvuuden kliinisissä tapauksissa kriittisten aivoalueiden havaitaan liittyvän myös prekliinisiin taipumuksiin, jotka on indeksoitu käyttäytymiskyselylomakkeilla. Vaikka käyttämällä korrelaatiomenetelmää, emme voi olla varmoja siitä, muuttuvatko nämä verkot Internetin käytön seurauksena vai ovatko ne ominaispiirteitä ihmisille, joilla on taipumus alttiimmalle Internet-riippuvuuden kehittymiselle, tämä tutkimus tarjoaa hyödyllistä tietoa auttamaan meitä ymmärtämään hermostoa riippuvuuden taustalla olevat piirteet ja sen kehitys.

Tekijänoikeudet

TW suoritti kokeen, analysoi tiedot, tulkitsi tulokset, kirjoitti ja muutti käsikirjoitusta. SH suunnitteli kokeilun, kirjoitti avustusehdotuksen, ohjasi kokeen valmistelua ja toteutusta, auttoi tulkitsemaan tietoja, valmistelemaan ja käsikirjoituksen tarkistamiseen.

Eturistiriidat

Kirjoittajat toteavat, että tutkimus toteutettiin ilman sellaisia kaupallisia tai taloudellisia suhteita, joita voitaisiin pitää mahdollisena eturistiriitana.

Kiitokset

Kirjoittajat ovat kiitollisia Yun-Ting Leelle avusta tiedonkeruussa ja professori Po-Hsien Huangille tilastollisesta kuulemisesta. Tutkimusta rahoitti Taiwanin tiede- ja teknologiaministeriö (MOST) (MOST 102-2420-H-006-006-MY2 ja MOST 104-2420-H-006-004-MY2). Lisäksi tätä tutkimusta tuki osittain Taiwanin opetusministeriö (REM) Yliopistohankkeen tavoite kansalliselle Cheng Kung -yliopistolle (NCKU). Kiitämme MOST: n tukemaa mielen tutkimus- ja kuvantamiskeskusta (MRIC) NCKU: ssa neuvonnasta ja välineiden saatavuudesta. CIAS-R-kyselylomakkeen toimitti Sue-Huei Chen.

alaviitteet

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Oheismateriaali

Tämän artikkelin lisämateriaali löytyy osoitteesta: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Klikkaa tästä, jos haluat lisätietoja.^{(20K, DOCX)}

Klikkaa tästä, jos haluat lisätietoja.^{(33K, DOCX)}

Klikkaa tästä, jos haluat lisätietoja.^{(258K, DOCX)}

Viitteet

American Psychiatric Association [APA] (2013). Psyykkisten häiriöiden diagnostinen ja tilastollinen käsikirja (DSM-5^®). Arlington, VA: American Psychiatric Pub.
Aron AR, Robbins TW, Poldrack RA (2004). Inhibitio ja oikea ala-alakerta. Trendit Cogn. Sei. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Cross Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Neuraaliset perusteet valikoivalle huomioinnille toimintapelissä. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et ai. (2010). Kohti ihmisen aivojen toiminnan tiedettä. Proc. Natl. Acad. Sei. Yhdysvallat 107 4734 – 4739. 10.1073 / pnas.0911855107 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Tuotemerkki M., Young KS, Laier C. (2014) .Esfalttakontrolli ja Internet-riippuvuus: teoreettinen malli ja katsaus neuropsykologisiin ja neuromukuviin havaintoihin. Edessä. Hyräillä. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Aivojen oletusverkko - anatomia, toiminta ja merkitys taudille. Vuosi Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Cross Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). Ihmisen pikkuaivojen organisaatio arvioidaan luontaisen funktionaalisen yhteyden perusteella. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Castel AD, Pratt J., Drummond E. (2005). Toimintavideopelikokemuksen vaikutukset paluun eston ajanjaksoon ja visuaalisen haun tehokkuuteen. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Cross Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et ai. (2015). Aivot korreloivat vasteen estämisen kanssa Internet-pelihäiriöissä. Psychiatry Clin. Neurosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Cross Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Kiinan Internet-riippuvuusasteikon kehittäminen ja sen psykometrinen tutkimus. Leuka. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Cross Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et ai. (2013). Kuvantamisen ihmisen yhteydet makroskaalassa. Nat. menetelmät 10 524 – 539. 10.1038 / Nmeth.2482 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et ai. (2014). Ominaisuuden impulssiivisuus ja heikentynyt prefrontaalisen impulssin estävä toiminta nuorilla, joilla on Internet-peliriippuvuus, paljastui Go / No-Go-fMRI-tutkimuksella. Behav. Brain Funct. 10:20 10.1186/1744-9081-10-20 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, et ai. (2013). Muutettu oletusverkon lepotilafunktionaalinen liitettävyys murrosikäisillä, joilla on Internet-peliriippuvuus. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Heikentynyt estävä hallinta Internet-riippuvuushäiriössä: toiminnallinen magneettikuvauskuvaus. Psychiatry Res. aivokuvantamisen 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Dong GH, DeVito E., Huang J., Du XX (2012b). Diffuusiotensorikuvaus paljastaa talamuksen ja takaosan cingulate-aivokuoren poikkeavuudet Internet-peliriippuvaisissa. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Tasapainoinen toiminnallinen yhteys toimeenpanovalvontaverkon ja palkkioverkoston välillä selittää online-pelihakuiset käyttäytymiset Internet-pelihäiriöissä. Sei. Rep. 5: 9197 10.1038 / Srep09197 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Dong GH, Lin X., Potenza MN (2015b). Alentunut toiminnallinen liitettävyys toimeenpanovalvontaverkossa liittyy heikentyneeseen johtotehtävään Internet-pelaamishäiriössä. Prog. Neuro-Psychopharmacol. Biol. Psykiatria 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Internet-riippuvaisten kognitiivinen joustavuus: fMRI-todisteet vaikeista helpoista ja helposti vaikeista vaihto-tilanteista. Addikti. Behav. 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Cross Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Heikentynyt virheenseurantatoiminto ihmisillä, joilla on Internet-riippuvuushäiriö: tapahtumiin liittyvä fMRI-tutkimus. Eur. Addikti. Res. 19 269 – 275. 10.1159 / 000346783 [PubMed] [Cross Ref]
Droutman V., Lue SJ, Bechara A. (2015). Insulan roolin uudelleen arviointi riippuvuudessa. Trendit Cogn. Sei. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Väriaine MWG, Green CS, Bavelier D. (2009). Käsittelynopeuden lisääminen toimintavideopeleillä. As. Ohj. Psychol. Sei. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., et ai. (2014). Funktionaalisten verkkojen häiriöt dysleksiassa: koko aivot, datavetoinen analyysi yhteyksistä. Biol. Psykiatria 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Fornito A., Bullmore ET (2015). Connectomiikka: uusi paradigma aivosairauden ymmärtämiseen. Eur. Neuropsychopharmeeol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Cross Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Ensimmäisen jakson skitsofrenian yleiset ja erityiset toiminnalliset yhteyshäiriöt kognitiivisen kontrollin aikana. Biol. Psykiatria 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Neuromekanismit, ajallinen dynamiikka ja yksilölliset erot häiriöiden ohjauksessa. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Cross Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Globaali signaali ja havaitut antikorrelatoituneet lepotila-aivoverkot. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Fransson P., Marrelec G. (2008). Preuneus / posterior cingulate -kuorella on keskeinen rooli oletusmoodiverkossa: todisteet osittaisesta korrelaatioverkon analyysistä. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Cross Ref]
Goldstein RZ, Volkow ND (2011). Prefrontaalisen aivokuoren toimintahäiriöt riippuvuudessa: neurokuvan tulokset ja kliiniset vaikutukset. Nat. Rev. Neurosci. 12 652 – 669. 10.1038 / nrn3119 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Vihreä CS, Bavelier D. (2003). Toimintavideopeli muuttaa visuaalista valikoivaa huomiota. luonto 423 534 – 537. 10.1038 / luonto01647 [PubMed] [Cross Ref]
Vihreä CS, Pouget A., Bavelier D. (2010). Parannettu todennäköisyysnäkökohta yleisenä oppimismekanismina toimintavideopeleillä. As. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Toimintavideopelien vaikutus tehtävien vaihtamiseen. Comput. Hyräillä. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Griffiths MD, Pontes HM (2014). Internet-riippuvuushäiriö ja Internet-pelihäiriöt eivät ole samoja. J. addikti. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Cross Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Klusteripohjaiset tilastot aivojen yhteyksistä suhteessa käyttäytymistoimiin. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Muutokset kii-indusoidussa, eturauhasen aivokuoren toiminnassa videopelien toiston kanssa. Cyberpsychol. Behav. Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Cross Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Sukupuolierot mesokortikolimbisessa järjestelmässä tietokonepelien aikana. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Cross Ref]
Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, et ai. (2015). Putamen-toiminnallisten yhteyksien valikoiva osallistuminen nuoriin, joilla on Internet-pelihäiriö. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Cross Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, et ai. (2013). Aivojen funktionaalisen yhteys heikentynyt murrosikäisillä nuorilla. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et ai. (2014). Ongelmainen internetin käyttö ja ongelmalliset verkkopelit eivät ole samoja: havainnot suuresta kansallisesti edustavasta murrosikäytteestä. Cyberpsychol. Behav. Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et ai. (2014). Aivojen aktivoitumisen muuttuminen vasteen estämisen ja virheiden käsittelyn aikana henkilöillä, joilla on Internet-pelaamishäiriö: toiminnallinen magneettikuvantaminen. Eur. Kaari. Psykiatrian klinikka. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et ai. (2015). Muuttunut harmaan aineen tiheys ja häiriintynyt amygdala-funktionaalinen yhteys aikuisilla, joilla on Internet-pelihäiriö. Prog. Neuro-Psychopharmacol. Biol. Psykiatria 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cross Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et ai. (2009). Aivojen toiminta, joka liittyy online-peliriippuvuuden tarpeeseen. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Cross Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Aivot korreloivat verkkopelaamisen halun kohtaamisaltistuksen alla kohteilla, joilla on Internet-peliriippuvuus, ja remissioissa. Addikti. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref]
Ko C.-H., Jen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Internet-riippuvuuden seulonta: empiirinen tutkimus chen-internet-riippuvuusasteikon raja-arvoista. Kaohsiung J. Med. Sei. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Cross Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., et ai. (2014). Henkilökohtaiset erot impulssiviteetissä ennustavat pään liikettä magneettikuvantamisen aikana. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Koob GF, Volkow ND (2010). Riippuvuuden neuropiiri. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Kühn S., Gallinat J. (2015). Aivot verkossa: Internetin tavanomaisen käytön rakenteelliset ja toiminnalliset korrelaatiot Addikti. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Cross Ref]
Kuss DJ, Griffiths MD (2012). Internet-peliriippuvuus: systemaattinen katsaus empiirisestä tutkimuksesta. Int. J. Mielenterveysriippuvainen. 10 278–296. 10.1007/s11469-011-9318-5 [Cross Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et ai. (2014). Heikentynyt frontaalien ja basaalien ganglion yhteydet nuorilla, joilla on Internet-riippuvuus. Sei. Rep. 4: 5027 10.1038 / Srep05027 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et ai. (2015). Terveiden nuorten aikuisten Internet-taipumusten yksilöllisiin eroihin liittyvät aivojen rakenteet ja toiminnalliset yhteydet. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Cross Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et ai. (2015). Poikkeava kortikostriaatiaalinen toimintapiiri murrosikäisillä, joilla on Internet-riippuvuus. Edessä. Hyräillä. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Lin MP, Ko HC, Wu JYW (2011). Internet-riippuvuuteen liittyvä esiintyvyys ja psykososiaaliset riskitekijät Taiwanin yliopisto-opiskelijoiden kansallisesti edustavassa otoksessa. Cyberpsychol. Behav. Soci. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Cross Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., et ai. (2013). Cue-reaktiivisuus ja sen estäminen patologisissa tietokonepeleissä. Addikti. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Cross Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). Eturauhasen toimintahäiriöt henkilöillä, joilla on Internet-pelihäiriö: metaanalyysi toiminnallisista magneettikuvauskuvauksista. Addikti. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Cross Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Selväkärki ja riippuvuus: neurokuvaustyöstä saatuja tietoa. Addikti. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Naqvi NH, Bechara A. (2009). Piilotettu riippuvuussaari: erula. Trendit Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Nichols TE, Holmes AP (2002). Ei-parametriset permutaatiotestit funktionaaliseen neurokuvaukseen: pohjamaali esimerkein. Hyräillä. Brain Mapp. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Cross Ref]
OReilly M. (1996). Internet-riippuvuus: uusi häiriö tulee lääketieteelliseen sanastoon. Can. Med. Associ. J. 154 1882 – 1883. [PMC vapaa artikkeli] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Onko internetpeleistä riippuvainen aivo lähellä patologista tilaa? Addikti. Biol. [Epub ennen tulostusta] .10.1111 / adb.12282 [PubMed] [Cross Ref]
Petry NM, O'Brien CP (2013). Internet-pelihäiriö ja DSM-5. Riippuvuus 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Cross Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et ai. (2014). Kansainvälinen konsensus Internet-pelaamishäiriöiden arvioimiseksi käyttämällä uutta DSM-5-lähestymistapaa. Riippuvuus 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Cross Ref]
Rorden C., Karnath HO, Bonilha L. (2007). Leesio-oireiden kartoituksen parantaminen. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Cross Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et ai. (2012). Ongelmat levossa: kuinka korrelaatiomallit ja ryhmäerot vääristyvät globaalin signaalin regression jälkeen. Brain Connect. 2 25 – 32. 10.1089 / brain.2012.0080 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et ai. (2011). REST: työkalupakki lepotilan toiminnallisen magneettikuvauskuvan tietojen käsittelyyn. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Solmujen määritteleminen monimutkaisissa aivoverkoissa. Edessä. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et ai. (2012). Brain fMRI -tutkimus haasta, jonka aiheutti lyöntikuvia online-peliriippuvaisten (miesten murrosikäisten) kohdalla. Behav. Brain Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Cross Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., et ai. (2014). Yhdistys lepotilan toiminnallisen yhteyden ja empatisoinnin / systemaation välillä. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Cross Ref]
Talati A., Hirsch J. (2005). Toiminnallinen erikoistuminen etusydämen mediaaliin havainnollisiin go / no-go -päätöksiin perustuen “mitä”, “milloin” ja “missä” liittyviin tietoihin: fMRI-tutkimus. J. Cogn. Neurosci. 17 981 – 993. 10.1162 / 0898929054475226 [PubMed] [Cross Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et ai. (2002). SPM: n aktivointien automatisoitu anatominen merkitseminen käyttämällä MNI MRI: n yksilöllisen aivon makroskooppista anatomista lohkoa. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Cross Ref]
van den Heuvel MP, Pol HEH (2010). Aivoverkon tutkiminen: katsaus lepotilan fMRI-toiminnallisuuteen. Eur. Neuropsychopharmeeol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Cross Ref]
Volkow ND, Fowler JS (2000). Riippuvuus, pakko- ja ajotauti: orbitofrontaalisen aivokuoren osallistuminen. Cereb. Aivokuori 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Cross Ref]
Volkow ND, Fowler JS, Wang GJ (2003). Ihmisen addiktoituneet aivot: kuvantamisen tutkimustulokset. J. Clin. Investig. 111 1444 – 1451. 10.1172 / Jci200318533 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Riippuvuus: vähentynyt palkitsemisherkkyys ja lisääntynyt odotusherkkyys pyrkivät ylikuormittamaan aivojen ohjauspiirin. Bioessays 32 748 – 755. 10.1002 / bies.201000042 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et ai. (2006). Kokaiinin osoitukset ja dopamiini selkärankassa: kokaiiniriippuvuuden himomekanismi. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Cross Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et ai. (2015). Vähentynyt prefrontaalisen lohkon interhemisfäärinen funktionaalinen yhteys murrosikäisillä, joilla on Internet-pelihäiriö: ensisijainen tutkimus, jossa käytetään lepotilan fMRI: tä. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et ai. (2014). Häiriintynyt aivojen toimintaverkko Internet-riippuvuushäiriössä: lepotilan toiminnallinen magneettikuvauskuvaus. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Korrelaatiot ja antikorrelaatiot lepotilan toiminnallisessa liitettävyydessä MRI: kvantitatiivinen vertailu esikäsittelystrategioita. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Cross Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: verkon visualisointityökalu ihmisen aivojen yhteysominaisuuksiin. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Yan C., Zang Y. (2010). DPARSF: MATLAB-työkalupakki lepotila-fMRI: n "putkilinja" -analyysiin. Edessä. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Laajamittainen automatisoitu ihmisen funktionaalisen neurokuvan datan synteesi. Nat. menetelmät 8 665 – 670. 10.1038 / nmeth.1635 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., et ai. (2011). Ihmisen aivokuoren organisaatio, joka on arvioitu sisäisillä toiminnallisilla yhteyksillä. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Nuori KS (1998). Internet-riippuvuus: uuden kliinisen häiriön esiintyminen. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., et ai. (2015). Aivoverkkojen vuorovaikutukset ja kognitiivinen hallinta Internet-pelaamishäiriöillä yksilöillä myöhäisikäisellä / varhaisella aikuisilla Brain Struct. Funet. [Epub ennen tulostusta] .10.1007 / s00429-014-0982-7 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Verkkopohjainen tilasto: aivoverkkojen erojen tunnistaminen. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., et ai. (2010b). Koko aivojen anatomiset verkot: onko solmujen valinnalla merkitystä? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Cross Ref]
Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L., et ai. (2015). Muutettu eristetyn lepotilan toiminnallinen liitettävyys nuorilla aikuisilla, joilla on Internet-pelaamishäiriö. Addikti. Biol. [Epub ennen tulostusta] .10.1111 / adb.12247 [PMC vapaa artikkeli] [PubMed] [Cross Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et ai. (2011). Harmaan aineen poikkeavuudet Internet-riippuvuudessa: vokselipohjainen morfometriatutkimus. Eur. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Cross Ref]