Samazināta funkcionālā smadzeņu savienojamība pusaudžiem ar interneta atkarību (2013)

PLoS Viens. 2013;8(2):e57831. doi: 10.1371/journal.pone.0057831.

Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, Kims HH, Suh JE, Kim CD, Kim JW, Yi SH.

avots

Melburnas neiropsihiatrijas centrs, Melburnas Universitātes un Melburnas veselības psihiatrijas nodaļa, Parkvilla, Viktorija, Austrālija; Florejas Neirozinātnes un garīgās veselības institūts, Parkvilla, Viktorija, Austrālija; Bērnu un pusaudžu psihiatrijas nodaļa, Seulas Nacionālās universitātes Medicīnas koledžas Psihiatrijas nodaļa, Seula, Korejas Republika.

Anotācija

INFORMĀCIJAI:

internets sliecība arvien biežāk tiek atzīts par garīgiem traucējumiem, lai gan tā neirobioloģiskā bāze nav zināma. Šajā pētījumā tika izmantots funkcionāls neiroattēls, lai izpētītu smadzeņu funkcionālo savienojumu pusaudžiem, kuriem diagnosticēts internets sliecība. Balstīts uz neirobioloģiskām izmaiņām, kas novērotas citās sliecība tika prognozēts, ka savienojumu traucējumi pusaudžiem ar internets sliecība būtu visizcilākā kortikostriatīvajā shēmā.

METODES:

Dalībnieki bija 12 pusaudži, kuriem diagnosticēta internets sliecība un 11 veselīgu salīdzinājumu subjekti. Tika iegūti miera stāvokļa funkcionālās magnētiskās rezonanses attēli un, izmantojot uz tīklu balstītu statistiku, tika analizētas smadzeņu funkcionālās savienojamības grupu atšķirības. Mēs analizējām arī tīkla topoloģiju, pārbaudot atšķirības starp grupām galvenajos grafika balstītos tīkla pasākumos.

REZULTĀTI:

Pusaudžiem ar internets sliecība parādīja samazinātu funkcionālo savienojamību, kas aptver izplatītu tīklu. Lielākā daļa traucētu savienojumu bija saistīti ar kortiko-subkortikālām shēmām (∼24% ar prefrontālu un ∼27% ar parietālo garozu). Divpusējie putameni bija visplašāk iesaistītais subkortikālais smadzeņu reģions. Tīkla topoloģiskajos mērījumos, ieskaitot klasterizācijas koeficientu, raksturīgo ceļa garumu vai mazās pasaulīguma attiecību, netika novērota atšķirība starp grupām.

Secinājumi:

internets sliecība ir saistīta ar plaši izplatītu un būtisku funkcionālā savienojamības samazināšanos kortiko-striatālās shēmās, ja smadzeņu funkcionālā tīkla topoloģijā nav globālu izmaiņu.

citāts: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Pazemināta funkcionālā smadzeņu savienojamība pusaudžiem ar atkarību no interneta. PLOS ONE 8 (2): e57831. doi: 10.1371 / journal.pone.0057831

Redaktors: Xi-Nian Zuo, Ķīnas Zinātņu akadēmijas Psiholoģijas institūts, Ķīna

Saņemts: Oktobris 1, 2012; Pieņemts: Janvāris 26, 2013; Publicēts: Februāris 25, 2013

Autortiesības: © 2013 Hong et al. Šis ir atvērta piekļuves raksts, kas tiek izplatīts saskaņā ar Creative Commons Attribution License noteikumiem, kas pieļauj neierobežotu izmantošanu, izplatīšanu un reproducēšanu jebkurā vidē, ja tiek ieskaitīts oriģinālais autors un avots.

Finansējums: Šo darbu atbalstīja Seulas Nacionālās universitātes Smadzeņu kodolsintēzes programmas pētniecības fonds. SBH atbalstīja Korejas Nacionālā pētniecības fonda dotācija (Globālā prakses programma), ko finansēja Korejas valdība. AF atbalstīja Nacionālā veselības un medicīnas pētījumu padome CJ Martin Fellowship (ID: 454797). Finansētājiem nebija nekādas nozīmes pētījuma izstrādē, datu vākšanā un analīzē, lēmumu publicēt vai sagatavot manuskriptu.

Konkurējošas intereses: Autori ir paziņojuši, ka nav konkurējošu interešu.

 

Ievads

Atkarība no interneta ir arvien vairāk atzīta gan sabiedrībā, gan zinātnes aprindās visā pasaulē [1], lai arī tas ir salīdzinoši jauns stāvoklis, un tā psihopatoloģiskās īpašības un neirobioloģiskie mehānismi joprojām ir slikti izprotami. Jaunākie neiroattēlu pētījumi ir ziņojuši par būtiskām smadzeņu funkcijas un struktūras izmaiņām, kas saistītas ar atkarību no interneta. Lielākajā daļā šo pētījumu tika izmantots funkcionālās magnētiskās rezonanses attēlveidošana (fMRI), kas tika veikts uzdevumu laikā, un tajā bija iesaistīti frontālie un striatālie reģioni un mazākā mērā parietālais un insula garozs. [2]-[5]. Izmantojot pozitronu emisijas tomogrāfiju (PET), Kim et al. (2011) konstatēja samazinātu dopamīna D2 receptoru pieejamību divpusējā kaudatā un labajā putamenā [6]un Hou et al. (2012), izmantojot vienas fotonu emisijas datortomogrāfiju (SPECT), tika atklāts samazināts striatālās dopamīna transportētāja ekspresijas līmenis pieaugušajiem ar atkarību no interneta [7]. Šie atklājumi saskan ar aktuālajiem atkarības traucējumu teorētiskajiem modeļiem, kas ietver ne tikai atkarību no vielām, bet arī uzvedības atkarību (piemēram, patoloģiskas azartspēles), kas uzsver fronto-striatālās shēmas patoloģiju [8], kā arī insula [9], [10]. Zhou et al. Veiktie MRI strukturālie pētījumi. (2011) un Yuan et al. (2011) kopā ir ierosinājuši pelēkās vielas novirzes smadzeņu reģionos, ieskaitot prefrontālo garozu [11], [12], un difūzijas tenzora attēlveidošanas pētījums, ko veica Lin et al. (2012) ziņoja par plaši izplatītām baltas vielas patoloģijām pusaudžiem ar atkarību no interneta [13]. Visbeidzot, Liu et al. (2010) konstatēja mainītu reģionālo viendabīgumu atkarības no interneta jomā [14], kas mūsu rīcībā ir vienīgais miera stāvokļa fMRI atradums literatūrā par šo traucējumu [15]. Autori izpētīja katra vokseļa signāla, kas atkarīgs no asinsskābekļa līmeņa (BOLD), vienādošanu laikā ar tā tuvākajiem 26 kaimiņu vokseliem, ņemot vērā vokseli.

Atpūtas stāvokļa fMRI ir salīdzinoši jauna attēlveidošanas metode spontānas smadzeņu aktivitātes starpreģionālu korelāciju izmeklēšanai, ierakstīts kā kāds mierīgi atrodas skenerī, neiesaistoties noteiktā uzdevumā [16]. Pieeja nodrošina stabilu metodi precīzi noteiktu funkcionālo sistēmu kartēšanai [17], [18]. Atpūtas stāvokļa pasākumi ir ticami [19], [20], ģenētiskā kontrolē [21]-[23], un domāja indeksēt smadzeņu funkcionālās organizācijas raksturīgo īpašību [24], ievērojot noteiktus brīdinājumus [25]. Kombinācijā ar grafu teorētiskajām metodēm miera stāvokļa fMRI piedāvā jaudīgus līdzekļus smadzeņu funkcionālās dinamikas plaša mēroga organizācijas un tās traucējumu izpētei psihopatoloģiskos apstākļos [26].

Šajā pētījumā mēs izmantojām miera stāvokļa fMRI datus, lai kartētu funkcionālā savienojamības atšķirības starp visaptverošu 90 atšķirīgu garozas un subkortikālo smadzeņu reģionu kopumu veseliem indivīdiem un pusaudžiem ar atkarību no interneta, koncentrējoties uz indivīdiem, kas iesaistās pārmērīgā tiešsaistes spēlē starp ierosinātajiem apakštipiem. šo traucējumu [27]. Mēs arī veica tīkla topoloģisko traucējumu analīzi [28] lai novērtētu, vai jebkādas starpsavienojumu stiprības atšķirības starp grupām ir saistītas arī ar funkcionālo mijiedarbību globālo konfigurāciju [26], kā ziņots par daudziem citiem psihiskiem traucējumiem [29], [30].

Balstīts uz iepriekšējiem strukturālo un funkcionālo neiroattēlu atklājumiem interneta atkarības jomā [3], [4], [6], [7], [15], kā arī izveidotos vielu atkarības traucējumu teorētiskos modeļus [8], [9], mēs izvirzījām hipotēzi, ka pusaudžiem ar atkarību no interneta būs mainīta starpreģionu savienojamība starp frontālās un striatālās daļas reģioniem, ar iespējamu turpmāku parietālā garozas un insula iesaistīšanos.

 

Materiāli un metodes

Ētikas paziņojums

Šo pētījumu apstiprināja Seulas Nacionālās universitātes institucionālais pārskats par cilvēkiem paredzētajiem jautājumiem. Visi pusaudži un viņu vecāki pirms studijām sniedza rakstisku informētu piekrišanu. Pētījums tika veikts saskaņā ar Helsinku deklarāciju.

Dalībnieki

Divpadsmit labās puses vīriešu pusaudži ar atkarību no interneta un 11 ar labo roku un dzimumu [31] veselīgas kontroles piedalījās šajā pētījumā. Interneta atkarības diagnoze tika noteikta, izmantojot Jauno interneta atkarības skalu (YIAS), kas sastāv no 20 vienumiem, katrs no kuriem balstās uz 5 punkta Likerta skalu, novērtējot interneta lietošanas izraisīto problēmu pakāpi. [32], un Kiddie grafiks efektīviem traucējumiem un šizofrēnijas pašreizējā un mūža versija (K-SADS-PL), daļēji strukturēts diagnostikas intervijas rīks ar noteiktu derīgumu un uzticamību, kas ļāva mums izslēgt citus psihiskus traucējumus [33], [34]. Dalībnieki, kuriem bija atkarība no interneta, aprobežojās tikai ar tiem, kas ziņoja par atkarības tipiskiem komponentiem (ti, toleranci, atsaukšanu, aizraušanos ar tiešsaistes spēļu spēlēšanu, atkārtotiem neveiksmīgiem mēģinājumiem samazināt vai pārtraukt tiešsaistes spēles, negatīvi ietekmēto noskaņu, mēģinot samazināt tiešsaistes spēles, un novārtā atstājot svarīgas attiecības vai aktivitātes tiešsaistes spēļu dēļ) [35], [36]. Visi dalībnieki, kuriem ir atkarība no interneta, ziņoja par pārmērīgu tiešsaistes azartspēli starp ierosinātajiem šo traucējumu apakštipiem. Tie paši instrumenti tika piemēroti, pieņemot darbā veselīgus pusaudžus. Tika novērtēta arī visu dalībnieku demogrāfiskā informācija un izlūkošanas koeficients (IQ) (sk Tabula 1).

sīktēls
Lejupielādēt: 

 

Tabula 1. Dalībnieku demogrāfiskās un klīniskās īpašības.

doi: 10.1371 / journal.pone.0057831.t001

Datu iegūšana un attēlu apstrāde

Atpūtas stāvokļa fMRI attēli tika iegūti 3T Siemens skenerī (Siemens Magnetom Trio Tim Syngo MR B17, Vācija) ar šādiem parametriem: atkārtojuma laiks (TR) 2700 ms; atbalss laiks (TE) 30 ms; iegūšanas matrica 64 × 64; skata lauks (FOV) 192 × 192 mm2; pagrieziena leņķis 90 °; vokseļa izmērs 3.0 mm × 3.0 mm × 3.0 mm; šķēles 40. Kopējais iegādes laiks bija 6 min 45 sek. Tika izmantota galvas spole un galvas kustība tika samazināta līdz minimumam, aizpildot tukšo vietu ap galvu ar sūkļa materiālu un apakšējo žokli nostiprinot ar lenti.

FMRI attēlu priekšapstrāde tika veikta, izmantojot datu apstrādes palīgu miera stāvokļa fMRI (DPARSF) [37], kas balstās uz statistisko parametru kartēšanu (SPM8) un miera stāvokļa fMRI datu analīzes rīku komplektu (REST). Katra subjekta pirmie 5 attēli tika izmesti, un atlikušie 145 attēli tika koriģēti, lai noteiktu laika posmu, un tika koriģēti uz pirmo sējumu, lai labotu kustības artefaktus. Visi dalībnieki 0.5 galvas kustības parametros uzrādīja mazāk par 0.5 pārvietojumu mm un 6 rotācijas °. Turklāt abas grupas būtiski neatšķīrās (p<0.05) četros galvas kustības parametros, ko nesen ieteica Van Dijk et al. [38]: ti, vidējā galvas pārvietošanās (atkarība no interneta: 0.04 ± 0.01 mm, vadība: 0.04 ± 0.01 mm), maksimālā galvas pārvietošanās (interneta atkarība: 0.18 ± 0.14 mm, vadība: 0.17 ± 0.07 mm), mikro skaits (> 0.1 mm) ) kustības (ne vairāk kā 2 visiem dalībniekiem, izņemot divus indivīdus interneta atkarības grupā ar 5 un 6 mikro kustībām) un galvas pagriešana (interneta atkarība: 0.04 ± 0.01 °, kontrole: 0.04 ± 0.00 °). Pirms telpiskās normalizācijas, pamatojoties uz NIH MRI pētījuma par normālu smadzeņu attīstību datiem, tika izveidota vecuma un dzimuma atbilstoša smadzeņu veidne, izmantojot Template-O-Matic [39]. Mūsu fMRI attēli tika normalizēti, izmantojot šo pielāgoto veidni, un tika izlīdzināti ar pilna platuma pusi no maksimālā Gausa kodola 6 mm. Pēc tam dati tika sadalīti un zemu frekvenču svārstības (0.01 – 0.08 Hz) filtrētas, lai noteiktu pelēkās vielas signālus un samazinātu trokšņa iedarbību. No filtrētā BOLD signāla tika regresēti seši galvas kustības parametri, baltās vielas signāli un cerebrospinālā šķidruma signāli. Visbeidzot, šīs regresijas atlikumi tika iegūti no 90 smadzeņu reģioniem (mezgliem), pamatojoties uz automatizēto anatomiskās marķēšanas (AAL) atlantu [40], un tika aprēķinātas pāru apvienības, kā rezultātā katram subjektam izveidojās 90 līdz 90 savienojamības matrica. Katras pāra asociācijas kvantificēšanai tika izmantots Pīrsona korelācijas koeficients (nulles aizture). Ņemiet vērā, ka globālais signāls netika iekļauts kā traucējošs kovariāts, nodrošinot, ka negatīvo korelāciju īpatsvars ir minimāls.

Datu analīze

Tīkla statistika (NBS) [41], [42] tika izmantots, lai identificētu reģionālos smadzeņu tīklus, kas parāda ievērojamas starpreģionu funkcionālās savienojamības atšķirības starp grupām. Konkrēti, tika veikts t-tests, lai pārbaudītu korelācijas koeficienta starpību starp grupām katrā no 90 × (90-1) / 2 = 4005 unikālajiem reģionālajiem pāriem. Savstarpēji savienoti tīkli, formāli zināmi kā grafika komponenti, pēc tam tika identificēti starp savienojumiem ar t-statistiku, kas pārsniedz slieksni t = 3.0. Ģimenes kļūdas (FWE) koriģētā p-vērtība tika aprēķināta katra iegūtā komponenta lielumam, izmantojot permutācijas pārbaudi (20000 permutācijas). Katrā permutācijā nejauši tika sajauktas grupas etiķetes un identificēts Lielākais savstarpēji savienotu tīklu, tādējādi iegūstot maksimālo komponentu izmēru empīrisku nulles sadalījumu [43]. Katram savstarpēji savienotajam tīklam tika aprēķināta FWE koriģēta p vērtība kā to permutāciju proporcija, kas radīja lielāku savstarpēji savienotu tīklu vai vienāda lieluma tīklu. Divas alternatīvās hipotēzes (atkarība> kontrole un atkarība <kontrole) tika vērtētas neatkarīgi. Visas šīs darbības tika veiktas, izmantojot NBS programmatūras pakotni, kas tiek brīvi izplatīta kā daļa no Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) vai NITRC (http://www.nitrc.org/projects/nbs/). Novērtēt nozīmīgu atradumu reproducējamību alternatīviem atlantiem [44]iepriekšminēto analīzi atkārtoja atsevišķi ar AAL atlantu, kas aizstāts ar diviem alternatīviem atlantiem, lai garozu sadalītu reģionos, kas nepārklājas; proti, Monreālas Neiroloģiskā institūta (MNI) strukturālais atlants (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) un nejauša pakete, kas satur 120 reģionus [45]. MNI atlants ir rupja apzīmējums, kas attēlo astoņus anatomiskos reģionus katrā smadzeņu puslodē, tādējādi atvieglojot starpsloku savienojuma raksturojumu.

Tālāk mēs pārbaudījām atšķirības starp grupām galvenajos grafika balstītos tīkla pasākumos [28]; proti, vidējais klasterizācijas koeficients, raksturīgais ceļa garums un mazās pasaulīguma attiecība. Šo pasākumu interpretācija smadzeņu sarežģītības un organizācijas ziņā ir atrodama daudz jaunākajā literatūrā [26], [30], [46]-[49]. Savienojumu matricas vispirms tika binarizētas attiecībā uz fiksētu savienojuma blīvumu kopumu, sākot no 10% līdz 30%. [28]. Tīkla izmēri tika aprēķināti katrā blīvumā, izmantojot atbilstošo funkciju, kas sniegta Prāta savienojumu rīklodziņā. Klasterizācijas koeficients un raksturīgais ceļa garums tika normalizēti attiecībā uz 20 izlases tīklu ansambli, kas izveidots, izmantojot Maslov-Sneppen atkārtota vadīšanas algoritmu [50]. Pēc tam katrā blīvumā, izmantojot divpusēju t-testu, tika vērtētas atšķirības starp grupām.

Visbeidzot, klasterizācijas koeficients un ceļa garums tika aprēķināti lokāli katram 90 reģionam. Divpusējs t-tests tika izmantots arī, lai pārbaudītu atšķirības starp grupām šajos reģioniem raksturīgajos pasākumos. Viltus atklājumu līmenis (FDR) [51] tika izmantots, lai labotu vairākus salīdzinājumus visā tīkla blīvuma un reģionu grupā.

 

rezultāti

Dalībnieka raksturojums

Visi dalībnieki bija labās rokas vīrieši. Starp abām grupām netika konstatēta būtiska atšķirība starp vecumu un IQ, un YIAS rādītājs bija ievērojami augstāks interneta atkarības grupā (Tabula 1).

Grupu atšķirības funkcionālā savienojamībā

NBS identificēja vienotu tīklu, kas ievērojamip<0.05, ar FWE koriģēts) samazinājās savienojamība pusaudžiem ar atkarību no interneta, salīdzinot ar kontrolēm. Šajā ietekmētajā tīklā bija 59 saites, iesaistot 38 dažādus smadzeņu reģionus (Skaitlis 1). Tīkls tika plaši atkārtots, kad AAL atlants tika aizstāts ar diviem alternatīviem atlantiem, lai garozu sadalītu reģionos, kas nepārklājas (sk. Attēls S1). Neskatoties uz ievērojamām atšķirībām to reģionu kopskaitā, kas satur šos atlantus (AAL: 90, MNI: 16, nejauši: 120), kopējā tīkla struktūrā bija redzama ievērojama konsekvence. Paredzams, ka tīkla lielums palielināsies līdz ar atlanta izšķirtspēju (ti, kopējais reģionu skaits), radot sarežģītāku konfigurāciju. Tomēr iesaistītie garozas un subkortikālie reģioni (un atbilstošās daivas) plaši atkārtojās visos trīs atlantos. Skaitļi tika vizualizēti ar BrainNet Viewer (http://www.nitrc.org/projects/bnv/).

sīktēls
Lejupielādēt: 

Skaitlis 1. Pazeminātu smadzeņu funkcionālās savienojamības tīkls pusaudžiem ar atkarību no interneta.

Sarkani punkti apzīmē smadzeņu reģionu (mezglu) stereotaktiskos centraīdus, kas definēti Automātiskā anatomiskās marķēšanas (AAL) atlasā, un zilās līnijas apzīmē virs sliekšņa saites (t = 3.0), kas satur skarto tīklu, kas identificēts ar tīkla balstītu statistiku (NBS) (p<0.05, koriģēts pēc komponentiem). Aksiālais skats parāda starpsfēru savienojumu (ti, savienojumu, kas šķērso labo un kreiso puslodi), iesaistīšanos. Sagitālais skats ilustrē frontālo, temporālo un parietālo daivu iesaisti skartajā tīklā.

doi: 10.1371 / journal.pone.0057831.g001

Pēc Fornito et al. [52], AAL reģioni tika iedalīti atbilstošajās galvenajās daivās (piemēram, frontālajā, temporālajā, parietālajā) un savienojumu proporcija, kas savieno šos liela mēroga dalījumus, tika kvantitatīvi noteikta katram daivu lokam. Tika konstatēts, ka tiek ietekmēti fronto-temporo-parietālie savienojumi, bet pakauša daiva nebija iekļauta ietekmētajā tīklā. Lielākā daļa savienojumu, kas tika samazināti interneta atkarības grupā, ietvēra saites starp subkortikāliem reģioniem un frontālo (~ 24%) un parietālo (~ 27%) garozu (Skaitlis 2). Lai labāk izprastu, kuri subkortikālie reģioni var veicināt šo atradumu, mēs NBS tīklā izpētījām savienojumu starp katru garozas daivu un katru subkortikālo reģionu atsevišķi (Attēls S2). Šī analīze atklāja, ka subkortikālie reģioni ietvēra hipokampu, globus pallidus un putamen. Amygdala un caudate kodols netika iekļauti skartajā tīklā. Divpusējie putameni bija visplašāk iesaistītais subkortikālais reģions, uzrādot samazinātu savienojumu ar visām trim iesaistītajām galvenajām smadzeņu daivām. Šis modelis tika atkārtots, izmantojot MNI atlantu, no kura iegūtais tīkls papildus frontālās, parietālās un īslaicīgās daivām ietvēra tikai putamenus un insulus; caudate kodols un pakauša daiva nebija iekļauti skartajā tīklā.

sīktēls
Lejupielādēt:  

 

Skaitlis 2. Interneta atkarības ietekmēto savienojumu proporcija, kas savieno atšķirīgus plašu smadzeņu dalījumu pārus.

Saišu skaits, kurā iesaistīti abi dalījumu pāri, tiek normalizēts, ņemot vērā kopējo pāris saišu skaitu.Ņemiet vērā, ka hipokampu, globus pallidus un putamenus iecēla subkortikālā kategorijā, bet priekšējo cingulate gyrus piešķīra frontālajai kategorijai. Amigdala un caudate kodols netika iekļauti izjauktajā tīklā, un tāpēc nebija vajadzības šos reģionus iedalīt daivā. Divpusēji putameni bija visplašāk iesaistītais subkortikālais reģions, uzrādot samazinātu savienojumu ar visām trim iesaistītajām galvenajām smadzeņu daivām.

doi: 10.1371 / journal.pone.0057831.g002

Interneta atkarības grupā mēs neidentificējām nevienu tīklu ar paaugstinātu savienojamību. Netika atrasta būtiska korelācija starp funkcionālo savienojamību identificētajā tīklā un YIAS rādītājiem ne interneta atkarības grupā, ne kontrolēs.

Grupu atšķirības tīkla topoloģijā

Nevienā no pētāmajiem tīkla blīvumiem vidējā klasterizācijas koeficienta, raksturīgā ceļa garuma vai mazās pasaulīguma attiecībās netika novērota atšķirība starp grupām (p<0.05, labots pēc FDR) (Skaitlis 3). Turklāt vairākos salīdzinājumos FDR korekcijas laikā neizdzīvoja neviena starpība starp attiecīgajiem vietējiem (reģionam specifiskiem) mērījumiem. Piemērojot mazāk stingru viltus pozitīvu korekciju p<(1/90) = 0.011 [53] lai izpētītu tendences līmeņa efektus, kas iegūti starp grupām atšķirības vietējā klasterizācijas koeficientā un vietējā ceļa garumā, kas galvenokārt parādās pakauša daivās (Tabulas S1 un S2).

sīktēls
Lejupielādēt: 

 

Skaitlis 3. Smadzeņu funkcionālās savienojamības mazie parametri pusaudžiem ar atkarību no interneta.

doi: 10.1371 / journal.pone.0057831.g003

 

 

diskusija

Pierādījumi par samazinātu smadzeņu funkcionālo savienojamību tika atklāti pusaudžiem ar atkarību no interneta. Atbilst pašreizējiem modeļiem, kas uzsver kortiko-subkortikālo patoloģiju lomu atkarībā [54], 24% savienojumu mainītajā tīklā, kas atšķir atkarīgos cilvēkus un veselīgas kontroles, kas saistīti ar frontālo un subkortikālo reģionu. Papildu 27% saistīti subkortikālie un parietālie apgabali ar ierobežotākiem pierādījumiem par salu iesaistīšanos, kas atkal atbilst jaunākajiem pierādījumiem par šo reģionu iesaistīšanos atkarībās. Ņemiet vērā, ka mūsu analīze nodrošina stingru atkarības kortiko-subkortikālo modeļu pārbaudi, jo tajā tika iekļauti funkcionālās savienojamības pāru līmeņi starp dažādiem 90 reģioniem, kas sadalīti visā smadzenēs. Fakts, ka kortiko-subkortikālās sistēmas parādījās kā ievērojama patoloģija, izmantojot šo pilnībā uz datiem balstīto analīzi, sniedz spēcīgu atbalstu šo sistēmu iesaistīšanai interneta atkarībā. Turklāt mūsu atklājumi norāda, ka atkarībai no interneta ir kopīgas neirobioloģiskās īpašības, tāpat kā citiem atkarības traucējumiem, un ka īpaši subkortikālie reģioni var būt smadzeņu tīkla patoloģijas galvenās vietas. Svarīga piezīme ir Nacionālā narkomānijas novēršanas institūta uzskats, ka uzvedības atkarības varētu būt samērā tīri atkarības modeļi, ņemot vērā, ka šos apstākļus nepiesārņo vielu ietekme [55]. Kamēr daudzu citu atkarības traucējumu izpēte vienmēr ir saistīta ar narkotisko vielu ļaunprātīgas izmantošanas sekundāro toksicitātes iedarbību, atkarība no interneta tiek diagnosticēta uzvedībā un tādējādi nodrošina mērķtiecīgāku atkarības izpētes modeli, kurā nav ilgstošas ​​narkotiku ietekmes.

Šajā pētījumā NBS tika izmantots ar tīkla izmēru, kas izmērīts, pamatojoties uz tā apmēru; tas ir, kopējais tīklā ietilpstošo savienojumu skaits. Šis lieluma mērījums nav piemērots fokusa efektu noteikšanai, iesaistot atsevišķus, izolētus savienojumus, kas kopā neveido tīklu. Lai pārbaudītu šāda veida fokālās starp grupu atšķirības, NBS analīze tika atkārtota, pārbaudot nevis komponentu masas, bet lieluma atšķirības. Masu statistika nodrošina lielāku jutīgumu pret fokālo, intensīvo iedarbību, nekā testējot komponentu lieluma atšķirības. Turklāt mēs veicām salīdzinājumus no malas, izmantojot FDR, kas būs ļoti jutīgi pret augstas intensitātes fokusa efektiem. Neviena būtiska atšķirība starp grupām nebija redzama ne FDR, ne masu statistikā, kas liek domāt, ka noviržu savienojums interneta atkarībā ietver izplatītu tīklu, kas ietver vairākus garozas un subkortikālos reģionus.

Ņemot vērā to, ka smadzeņu tīkla īpašības ir jutīgas pret zemes gabalu parauga izvēli, mēs izpētījām vairākas alternatīvas paku nosūtīšanas shēmas, lai novērtētu visu konstatējumu atkārtojamību mezglu definīciju izmaiņu gadījumā. [45], [56], [57]. Tas ļāva mums izslēgt iespēju, ka daži atradumi bija saistīti tikai ar statistiski izdevīgu mezglu izvietojumu, bet nebija reproducējami ar citiem labi zināmiem apzīmējumiem.

In pretstatā funkcionālā savienojamības samazinājumam, topoloģiskie parametri neatklāja būtiskas atšķirības grupās. Pat tad, kad mēs veica turpmākas izpētes analīzes, pamatojoties uz mazāk stingru kontroli pret I tipa kļūdām, rezultāti liecināja par iespējamu topoloģisku atšķirību, galvenokārt iesaistot pakauša daivu, kuru NBS analīzē neietekmēja. Tādējādi, lai arī atkarība no interneta bija saistīta ar plaši izplatītu un būtisku funkcionālā savienojamības samazināšanos kortiko-subkortikālās shēmās, šī samazināšanās nebija saistīta ar smadzeņu funkcionālā tīkla topoloģijas globāliem traucējumiem. Šis pētījums parāda, ka funkcionālā savienojamības atšķirības var pastāvēt, ja nav mainīti pamata topoloģiskie pasākumi. Var šķist ievērojams, ka savienojumu stipruma atšķirības bija tik izplatītas, ja nebija nozīmīgu topoloģisko atšķirību. Tomēr ir svarīgi atzīmēt, ka topoloģija un savienojamības stiprums ir atšķirīgas savienotājīpašības īpašības, un novirzēm vienā nav jānozīmē novirzes otrā. Līdzīgi atradumi novēroti arī citos traucējumos [52], [58]. Tomēr mēs atzīmējam, ka dažu topoloģisko īpašību grupu atšķirības samazinājās līdz statistiskai nozīmībai. Lielāka parauga analīze var dot vajadzīgās pilnvaras, lai šos efektus atzītu par nozīmīgiem. Mūsu rezultāti liecina, ka topoloģiskās izmaiņas var būt smalkākas nekā tās, kas novērotas funkcionālā savienojamības pasākumos.

Starp mainītajā tīklā iekļautajiem 59 savienojumiem 25 bija starpsfēru savienojumi, un 34 bija intrahemisiski, kas norāda uz gan smadzeņu, gan maza darbības attāluma savienojumiem. Ņemot vērā to, ka atkarība no interneta ir nesen atzīts garīgās veselības stāvoklis, kura koncepcija un diagnostikas kritēriji joprojām ir neiespējami un nav noteikti, iespējams, varētu būt pārsteidzoši, ja šo subjektu smadzenēs atrodat tik plaši ietekmētu tīklu. Nesen Lin et al. (2012) pētīja smadzeņu baltās vielas integritāti pusaudžiem ar atkarību no interneta, izmantojot difūzijas-tenzora attēlveidošanu, un atklāja plašu smadzeņu frakcionētās anisotropijas (FA) samazināšanos, bet interneta atkarības grupā nebija augstāka FA apgabala [13]. Šādi rezultāti norāda uz iespējamo anatomisko pamatu funkcionālajiem traucējumiem, kas novēroti mūsu paraugā, hipotēzi, kuru varētu pārbaudīt, izmantojot kombinēto fMRI un difūzijas svērto attēlveidošanu tiem pašiem dalībniekiem [59].

Ņemot vērā lielo skaitu starpsfērisko savienojumu, kas atrasti mainītajā tīklā, efektīva starpšemu komunikācija jau sen tiek uzskatīta par svarīgu smadzeņu funkcijās [60]-[63]. Tomēr salīdzinoši maz atkarības neiroattēlu pētījumos ir apskatīta divpusējo pusložu funkcionālā integrācija. Nesen Kelly et al. (2011) novēroja samazinātu starpdisfērisko funkcionālo savienojamību no kokaīna atkarīgiem pieaugušajiem [64]. Viņi parādīja frontoparietālā tīkla galveno iesaistīšanos ar relatīvu laika reģionu saudzēšanu, rezultāti, kas līdzinās mūsu atradumiem. Lai arī autori atklājumu galvenokārt apsprieda kā hroniskas kokaīna iedarbības ilgtermiņa efektu atspoguļojumu, viņi arī minēja iespēju, ka samazināta starpdisfēru funkcionālā savienojamība varēja būt jau pirms kokaīna iedarbības kā neaizsargātība pret atkarības traucējumiem. Mūsu rezultāti liecina, ka šīs starpdisfēriskās izmaiņas atspoguļo vai nu neaizsargātību pret atkarības traucējumiem, vai arī vispārējas atkarības uzvedības neirālo korelāciju, nevis ir sekundāras ilgstošai narkotiku lietošanai, ņemot vērā, ka atkarība mūsu izlasē tika definēta tīri uzvedības izteiksmē. Šīs iespējas varētu novērtēt, pārbaudot fenotipiskās līdzības starp neskartiem radiniekiem indivīdiem ar narkotiku vai uzvedības atkarības traucējumiem.

Interesanti, ka līdzīgs samazināta miera stāvokļa funkcionālā savienojuma modelis starp frontālo un parietālo reģionu tika ziņots gan no kokaīna, gan no heroīna atkarīgajiem indivīdiems [64], [65]. Nesenā pārskatā Sutherland et al. (2012) ierosināja, ka samazināta savienojamība frontālās parietālās shēmās varētu būt galvenā sastāvdaļa traucētā kognitīvās kontroles tīklā narkotiku atkarīgajiem [54]. Mūsu atklājums par atkarību no interneta atbalsta arī uzskatu, ka samazināta funkcionālā savienojamība starp frontālo un parietālo reģioniem varētu būt kopēja īpašība dažādiem atkarības veidiem, kas liecina par kopīga fenotipa klātbūtni, kas nav narkotiku lietošanas sekundāras sekas. Turklāt nesenā smadzeņu funkcionālā savienojamības izpēte šizofrēnijā parādīja ievērojamas fronto-temporālās, nevis fronto-parietālās vai fronto-striatal izmaiņas [52], kas atbilst klasiskajiem traucējumu patofizioloģiskajiem modeļiem [66]. Protams, visievērojamākais šī pētījuma atklājums ir tas, ka atkarība no interneta bija saistīta jo īpaši ar striatālās shēmas patoloģiju, sistēmu, kas parasti ir saistīta ar citiem atkarības traucējumiem, kas liecina par kopīgu neirobioloģisko fenotipu. Izmēģināt mainītās striatālās shēmas, kas pārklājas ar labi zināmiem atkarības traucējumiem, varētu būt noderīgas, lai pārbaudītu, vai atkarības modelis ir piemērots teorētiskais pamats traucējumu izpratnei. [67], [68]. Tomēr joprojām paliek jautājums, vai relatīvi spēcīgāki frontālās parietālās un fronto-striatālās funkcionālās savienojamības traucējumi varētu būt specifiski atkarības traucējumiem. Lai noteiktu specifiku, nepieciešami turpmāki pētījumi, kas tieši salīdzina dažādus traucējumus.

Viens no interesantākajiem atklājumiem pašreizējā pētījumā bija spēcīgā putamenu iesaistīšana. Ir zināms, ka šī smadzeņu struktūra modulē vairākus neirotransmiterus, ieskaitot dopamīnu, un izliektā striatālā dopamīnerģiskā funkcija ir stingri saistīta ar vienu no galvenajiem atkarības traucējumu bioloģiskajiem mehānismiem. [8]. Dopamīns ir galvenais putamena funkcijas modulators, un tam var būt nozīmīga loma funkcionālā savienojamības traucējumos, kas novēroti šajā pētījumā. Tas saskan ar jaunākajiem pierādījumiem, ka cilvēkiem ar interneta atkarību ir mainījies striatāls dopamīna transportētājs un D2 receptoru pieejamība [6], [7] un ka smadzeņu dopamīna līmeņa ģenētiskā un farmakoloģiskā modulācija var nopietni ietekmēt funkcionālās savienojamības modeļus [69]-[71]. Ņemot vērā šos iepriekšējos ziņojumus un ierosināto atkarības neirobioloģisko mehānismu, kas saistīts ar izliektu striatālā dopamīnerģisko funkciju [8], izpratne par dopamīna ietekmi uz tīklu, kas šajā pētījumā identificēts kā tāds, kas parāda mainītu funkcionālo savienojamību, būs svarīgs ceļš uz priekšu, lai izprastu interneta atkarības neirobioloģiskās korelācijas.

Interesants ir arī mūsu secinājums, ka putameni bija visplašāk iesaistītais subkortikālais reģions samazinātajā funkcionālā tīklā, saudzējot kaudates kodolu. Abas struktūras ir daļa no striatuma, kas savukārt ir daļa no subkortikālajām struktūrām. Parasti putamenu uzskata par smadzeņu reģionu, kas saistīts ar motorisko aktivitāti, un retāk tas ir saistīts ar vielas pievienošanu nekā caudate. Starp motoriskajām aktivitātēm ir pierādīts, ka labi apgūta atkārtotu pirkstu kustību secība ir saistīta ar aktivizēšanu putamenā [72]-[76]. Cilvēki, kas cieš no atkarības no interneta, ilgā laika posmā var izturēties daudz biežāk, piemēram, ar peles un tastatūras atkārtotām manipulācijām, un šī pieredze var ietekmēt viņu smadzenes. Tāpēc nekārtīgā savienojamība, ko rada putameni, varbūt norāda uz īpašu atkarību no interneta. Tomēr, tā kā mēs neizmērījām pirkstu manipulācijas pakāpi mūsu dalībniekos, turpmākajos pētījumos joprojām ir paredzēta samazināta, nevis palielināta funkcionālā savienojamība, kurā iesaistīti putameni, saistībā ar manipulācijām ar peli / tastatūru. Alternatīvi, putamenu iesaistīšana mūsu atklājumos var atspoguļot tā lomu izziņas procesos, kuri ir kopīgi ar caudate un kuriem ir traucēta atkarība, piemēram, atalgojuma apstrāde [77], [78].

Vēl viens diskusijas vērts jautājums ir tas, ka interneta atkarības grupā nav paaugstinātas funkcionālās savienojamības. Lai arī mēs galvenokārt gaidījām, ka atkarības grupā tiks atrasta samazināta funkcionālā savienojamība, patiesībā mēs neizslēdzām iespēju novērot arī palielinātu funkcionālo savienojamību, īpaši ņemot vērā hipotēzi, ka pusaudžiem ar interneta atkarību pārmērīgu tiešsaistes aktivitāšu dēļ var būt prakses efekts [79]-[82]. Viens no iespējamiem negatīvā secinājuma izskaidrojumiem varētu būt tas, ka mūsu nelielajam paraugam nebija spēka noteikt šo ar praksi saistīto funkcionālā savienojamības pieaugumu. Tomēr vēl nav pilnībā noteikts, vai kognitīvā veiktspēja noteiktos uzdevumos vai noteiktu psihopatoloģiju smagums izpaužas kā samazināta vai palielināta funkcionālā savienojamība [83], [84]. Vēl vienam apsvērumam vajadzētu būt tam, ka ilgstoša pārmērīga interneta lietošanas ietekme var atšķirīgi ietekmēt smadzenes atbilstoši subpopulācijai. Piemēram, apakšpopulācija, ko sauc par profesionāliem tiešsaistes spēļu spēlētājiem, iesaistās intensīvās interneta aktivitātēs, tikpat daudz laika pavada tiešsaistes spēļu praktizēšanā un, iespējams, šajās spēlēs darbojas labāk nekā cilvēki ar interneta atkarību, un tomēr šķiet, ka nav atkarīgi, par ko liecina ievērojami zemāks YIAS rādītājs [85]. Līdz ar to varētu izvirzīt hipotēzi, ka prakses ietekme uz darbībām internetā var izpausties atšķirīgi atkarībā no indivīda.

Šim pētījumam ir daži svarīgi ierobežojumi. Pirmkārt, izlases lielums bija diezgan mazs, kas, iespējams, ierobežoja mūsu spējas atklāt būtiskas korelācijas starp funkcionālo savienojamību un YIAS rādītājiem. Tādējādi pašreizējais atradums ir jākoriģē lielākam dalībnieku skaitam ar atkarību no interneta un kontroles iespējām. Tomēr ir ievērības cienīgs fakts, ka mūsu izlases lielums kopumā bija salīdzināms ar iepriekšējiem funkcionāliem neiroattēlu pētījumiem par interneta atkarību. Mūsu izlase bija unikāla, jo lielākā daļa iepriekšējo pētījumu balstījās uz pieaugušajiem [2]-[7]. Otrkārt, interneta atkarības diagnostiskie kritēriji vēl nav precīzi noteikti, lai gan mūsu atklājumi tomēr norāda uz potenciālo neirobioloģisko pamatu šim domājamajam traucējumam. Treškārt, kaut arī mēs izslēdzām komorbētus garīgus traucējumus, izmantojot K-SADS-PL, iespējams, ka joprojām bija komorbētu psihisko stāvokļu simptomi zem sliekšņa līmeņa. Ceturtkārt, plašāka klīniskās informācijas klāsta, piemēram, gulēšanas paradumu, vākšana, iespējams, ir bagātinājusi mūsu datus un uzlabojusi mūsu ieguldījumu literatūrā. [86], [87]. Visbeidzot, šķērsgriezuma pētījuma plāns ierobežo cēloņsakarības interpretāciju starp samazinātu funkcionālo savienojamību un interneta atkarības attīstību. Jāatzīmē, ka galvas kustība ir parādījusies kā būtisks sajaukums funkcionālā neiroattēlā [38], [88]. Šajā pētījumā visaptveroši tika novērtēta galvas kustība, izmantojot virkni nesen ierosinātu griešanās un pārvietošanas pasākumu [38]. Nevienam no aplūkotajiem galvas kustības pasākumiem starp grupām netika konstatēta būtiska atšķirība.

IKopumā šī pētījuma rezultāti liecina, ka pusaudžiem ar atkarību no interneta ir izmainīta smadzeņu funkcionālā savienojamība, ja nav nopietnu tīkla topoloģijas traucējumu. Izmainītais tīkls parādīja plašu liela attāluma starphemisfāru savienojumu, kā arī maza darbības attāluma intrahemisfērisko saišu iesaistīšanos visā smadzenēs. Subkortikālie smadzeņu reģioni var spēlēt nozīmīgu lomu šajā mainītajā tīklā, īpaši putameniem, kuriem bija samazināti savienojumi ar visām trim iesaistītajām galvenajām smadzeņu daivām.

 

 

Atbalsta informācija

Attēls_S1.tif
  • 1 / 4

lejuplādēt

Pazeminātu smadzeņu funkcionālās savienojamības tīkls pusaudžiem ar atkarību no interneta (izmantojot dažādus atlantus).Sarkani punkti apzīmē Monreālas Neiroloģiskā institūta (MNI) strukturālā atlanta (A) definēto smadzeņu reģionu (mezglu) stereotaktiskos centraīdus un nejaušās pacelšanas atlantu (B), un zilās līnijas apzīmē virs sliekšņa saites (attiecīgi t = 2.1 un 3.0), kas satur skarto tīkls identificēts ar tīkla balstītu statistiku (NBS) (p<0.05, koriģēts pēc komponentiem).

S1 attēls.

Pazeminātu smadzeņu funkcionālās savienojamības tīkls pusaudžiem ar atkarību no interneta (izmantojot dažādus atlantus).Sarkani punkti apzīmē Monreālas Neiroloģiskā institūta (MNI) strukturālā atlanta (A) definēto smadzeņu reģionu (mezglu) stereotaktiskos centraīdus un nejaušās pacelšanas atlantu (B), un zilās līnijas apzīmē virs sliekšņa saites (attiecīgi t = 2.1 un 3.0), kas satur skarto tīkls identificēts ar tīkla balstītu statistiku (NBS) (p<0.05, koriģēts pēc komponentiem).

(TIF)

S2 attēls.

Tādu savienojumu proporcija, kas ietekmē atkarību no interneta, savienojot atsevišķus plašu smadzeņu dalījumu pārus (sīki izstrādāti subkortikālajiem reģioniem).Saišu skaits, kas ietver katru sadalījumu pāri, tiek normalizēts ar kopējo pāru saišu skaitu.

(TIF)

Tabula S1.

Vietējais klasterizācijas koeficients.Šajā tabulā parādīti tendenču līmeņa rezultāti ar mazāk stingrām viltus pozitīvajām korekcijām p<(1/90) = 0.011; neviens rezultāts neizdzīvoja standarta viltus atklāšanas līmeņa korekciju vairākiem salīdzinājumiem.

(DOC)

Tabula S2.

Vietējā ceļa garums.Šajā tabulā parādīti tendenču līmeņa rezultāti ar mazāk stingrām viltus pozitīvajām korekcijām p<(1/90) = 0.011; neviens rezultāts neizdzīvoja standarta viltus atklāšanas līmeņa korekciju vairākiem salīdzinājumiem.

(DOC)

  

 

Autora iemaksas

Iecerēti un projektēti eksperimenti: SBH EJC HHK JES CDK JWK SHY. Veica eksperimentus: SBH EJC HHK JES. Analizēti dati: SBH AZ LC AF. Iesniegtie reaģenti / materiāli / analīzes rīki: SBH AZ LC AF CDK JWK SHY. Uzrakstīja papīru: SBH AZ LC AF EJC HHK JES CDK JWK SHY.

  

 

Atsauces

  1. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Saistība starp interneta atkarību un psihiskiem traucējumiem: literatūras apskats. Eur Psihiatrija 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. Atrodiet šo rakstu tiešsaistē
  2. Dong G, Huang J, Du X (2011) Paaugstināta atalgojuma jutība un samazināta jutība pret zaudējumiem interneta atkarīgajiem: fMRI pētījums minēšanas uzdevuma laikā. J Psychiatr Res 45: 1525 – 1529. doi: 10.1016 / j.jpsychires.2011.06.017. Atrodiet šo rakstu tiešsaistē
  3. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Smadzeņu darbība un vēlme pēc interneta videospēļu spēlēšanas. Compr psihiatrija 52: 88 – 95. doi: 10.1016 / j.comppsych.2010.04.004. Atrodiet šo rakstu tiešsaistē
  4. Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) Izmaiņas cue izraisītā prefrontālajā garozas darbībā ar videospēļu spēlēšanu. Kiberpsihola uzvedības Soc Netw 13: 655 – 661. doi: 10.1089 / cyber.2009.0327. Atrodiet šo rakstu tiešsaistē
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Smadzeņu darbības, kas saistītas ar azartspēļu vēlmi radīt atkarību no tiešsaistes spēlēm. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012. Atrodiet šo rakstu tiešsaistē
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, et al. (2011) Samazināti striatālā dopamīna D2 receptori cilvēkiem ar atkarību no interneta. Neiroreport 22: 407 – 411. doi: 10.1097/WNR.0b013e328346e16e. Atrodiet šo rakstu tiešsaistē
  7. Hou H, Jia S, Hu S, Fan R, Sun W, et al. (2012) Samazināti striatāla dopamīna transportieri cilvēkiem ar interneta atkarības traucējumiem. J Biomed Biotechnol 2012: 854524. doi: 10.1155/2012/854524. Atrodiet šo rakstu tiešsaistē
  8. Goldstein RZ, Volkow ND (2011) Prefontālās garozas disfunkcija atkarībā: neirofotogrāfijas konstatējumi un klīniskās sekas. Nat Rev Neurosci 12: 652 – 669. doi: 10.1038 / nrn3119. Atrodiet šo rakstu tiešsaistē
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) Pavājinātas izpratnes par narkomāniju neirokircums. Tendences Cogn Sci 13: 372 – 380. doi: 10.1016 / j.tics.2009.06.004. Atrodiet šo rakstu tiešsaistē
  10. Naqvi NH, Bechara A (2010) Izola un narkotiku atkarība: interoceptive skatījums uz priekiem, mudinājumi un lēmumu pieņemšana. Smadzeņu sagraušanas funkcija 214: 435 – 450. doi: 10.1007/s00429-010-0268-7. Atrodiet šo rakstu tiešsaistē
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Pelēkās vielas novirzes interneta atkarībā: vokseļa morfometrijas pētījums. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025. Atrodiet šo rakstu tiešsaistē
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Mikrostruktūras anomālijas pusaudžiem ar atkarības no interneta traucējumiem. PLoS One 6: e20708. doi: 10.1371 / journal.pone.0020708. Atrodiet šo rakstu tiešsaistē
  13. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Patoloģiska baltās vielas integritāte pusaudžiem ar atkarības no interneta traucējumiem: telpiskās statistikas pētījums uz traktiem. PLoS One 7: e30253. doi: 10.1371 / journal.pone.0030253. Atrodiet šo rakstu tiešsaistē
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Palielināta reģionālā viendabība interneta atkarības traucējumos: miera stāvokļa funkcionālās magnētiskās rezonanses attēlveidošanas pētījums. Chin Med J (Engl) 123: 1904 – 1908. Atrodiet šo rakstu tiešsaistē
  15. Juaņa K, Qin W, Liu Y, Tian J (2011) Interneta atkarība: neiroattēlu atklājumi. Commun Integr Biol 4: 637 – 639. Atrodiet šo rakstu tiešsaistē
  16. Raichle ME, Snyder AZ (2007) Smadzeņu funkcijas noklusējuma režīms: īsa attīstības idejas vēsture. Neiroattēls 37: 1083 – 1090; diskusija 1097 – 1089. doi: 10.1016 / j.neuroimage.2007.02.041. Atrodiet šo rakstu tiešsaistē
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006) Spontānā neironu aktivitāte izšķir cilvēka muguras un ventrālās uzmanības sistēmas. Proc Natl Acad Sci ASV 103: 10046 – 10051. doi: 10.1073 / pnas.0604187103. Atrodiet šo rakstu tiešsaistē
  18. Smits SM, Millers KL, Moellers S, Xu J, Auerbaha EJ, et al. (2012) Spontānas smadzeņu darbības no laika neatkarīgie funkcionālie režīmi. Proc Natl Acad Sci ASV 109: 3131 – 3136. doi: 10.1073 / pnas.1121329109. Atrodiet šo rakstu tiešsaistē
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, et al. (2006) Pastāvīgi atpūtas stāvokļa tīkli starp veseliem cilvēkiem. Proc Natl Acad Sci ASV 103: 13848 – 13853. doi: 10.1073 / pnas.0601417103. Atrodiet šo rakstu tiešsaistē
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) Atpūtas smadzenes: neierobežots, bet uzticams. Cereb Cortex 19: 2209 – 2229. doi: 10.1093 / cercor / bhn256. Atrodiet šo rakstu tiešsaistē
  21. Fornito A, Bullmore ET (2012) Connectomic starpposma fenotipi psihiskiem traucējumiem. Priekšējā psihiatrija 3: 32. doi: 10.3389 / fpsyt.2012.00032. Atrodiet šo rakstu tiešsaistē
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Elisons-Raits I, et al. (2011) Ģenētiskā ietekme uz cilvēka garozas funkcionālo tīklu rentablu organizāciju. J Neurosci 31: 3261 – 3270. doi: 10.1523 / JNEUROSCI.4858-10.2011. Atrodiet šo rakstu tiešsaistē
  23. Glahn DC, Winkler AM, Kochunov P, Almasy L, Duggirala R, et al. (2010) Ģenētiskā kontrole pār atpūtas smadzenēm. Proc Natl Acad Sci ASV 107: 1223 – 1228. doi: 10.1073 / pnas.0909969107. Atrodiet šo rakstu tiešsaistē
  24. Fox MD, Raichle ME (2007) Spontānas smadzeņu aktivitātes svārstības, kas novērotas ar funkcionālās magnētiskās rezonanses attēlveidošanu. Nat Rev Neurosci 8: 700 – 711. doi: 10.1038 / nrn2201. Atrodiet šo rakstu tiešsaistē
  25. Fornito A, Bullmore ET (2010) Kādas spontānas asins oksidācijas līmeņa signāla svārstības var mums pastāstīt par psihiskiem traucējumiem? Pašreizējais viedoklis psihiatrijā 23: 239 – 249. doi: 10.1097/YCO.0b013e328337d78d. Atrodiet šo rakstu tiešsaistē
  26. Bullmore E, Sporns O (2009) Kompleksie smadzeņu tīkli: grafisko teorētiskā analīze par strukturālajām un funkcionālajām sistēmām. Nat Rev Neurosci 10: 186 – 198. Atrodiet šo rakstu tiešsaistē
  27. Bloķēt JJ (2008) problēmas DSM-V: interneta atkarība. Am J Psihiatrija 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556. Atrodiet šo rakstu tiešsaistē
  28. Rubinovs M, Sporns O (2010) Smadzeņu savienojumu kompleksi tīkla mērījumi: lietojumi un interpretācijas. Neiroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003. Atrodiet šo rakstu tiešsaistē
  29. Xia M, He Y (2011) Magnētiskās rezonanses attēlveidošana un sarežģītu smadzeņu tīklu neiropsihisko traucējumu teorētiskā grafika analīze. Prāta savienojums 1: 349 – 365. doi: 10.1089 / smadzenes.2011.0062. Atrodiet šo rakstu tiešsaistē
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Šizofrēnija, neirogrāfiskā attēlveidošana un savienotika. Neuroimage doi: 10.1016 / j.neuroimage.2011.12.090. Atrodiet šo rakstu tiešsaistē
  31. Gong G, He Y, Evans AC (2011) Smadzeņu savienojamība: dzimums izšķir. Neirozinātnieks 17: 575 – 591. doi: 10.1177/1073858410386492. Atrodiet šo rakstu tiešsaistē
  32. Widyanto L, McMurran M (2004) Interneta atkarības testa psihometriskās īpašības. Cyberpsychol Behav 7: 443 – 450. doi: 10.1089 / cpb.2004.7.443. Atrodiet šo rakstu tiešsaistē
  33. Kaufmens J, Birmaher B, Brent D, Rao U, Flynn C, et al. (1997) Afektīvo traucējumu un šizofrēnijas grafiks skolas vecuma bērniem - pašreizējā un mūža versija (K-SADS-PL): sākotnējie dati par ticamību un derīgumu. J Am Acad bērnu pusaudžu psihiatrija 36: 980 – 988. doi: 10.1097 / 00004583-199707000-00021. Atrodiet šo rakstu tiešsaistē
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, et al. (2004) Kiddie grafika ticamība un derīgums efektīviem traucējumiem un šizofrēnijas pašreizējā un kalpošanas versija korejiešu versijai (K-SADS-PL-K). Yonsei Med J 45: 81 – 89. Atrodiet šo rakstu tiešsaistē
  35. Christakis DA (2010) Interneta atkarība: 21st gadsimta epidēmija? BMC Med 8: 61. doi: 10.1186/1741-7015-8-61. Atrodiet šo rakstu tiešsaistē
  36. Flisher C (2010) Pieslēgšanās: pārskats par interneta atkarību. J Paediatr Bērnu veselība 46: 557 – 559. doi: 10.1111 / j.1440-1754.2010.01879.x. Atrodiet šo rakstu tiešsaistē
  37. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: MATLAB rīkkopa fMRI miera stāvokļa datu analīzei “cauruļvads”. Front Syst Neurosci 4: 13. Atrodiet šo rakstu tiešsaistē
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) Galvas kustības ietekme uz iekšējās funkcionālās savienojamības MRI. Neiroimage 59: 431 – 438. doi: 10.1016 / j.neuroimage.2011.07.044. Atrodiet šo rakstu tiešsaistē
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: rīkkopa pielāgotu bērnu veidņu izveidošanai. Neiroimage 41: 903 – 913. doi: 10.1016 / j.neuroimage.2008.02.056. Atrodiet šo rakstu tiešsaistē
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) SPM aktivizāciju anatomiska anatomiska marķēšana, izmantojot MNI MRI viena subjekta smadzeņu makroskopisko anatomisko apzīmējumu. Neiroimage 15: 273 – 289. doi: 10.1006 / nimg.2001.0978. Atrodiet šo rakstu tiešsaistē
  41. Zalesky A, Fornito A, Bullmore ET (2010) Tīkla statistika: smadzeņu tīklu atšķirību identificēšana. Neiroimage 53: 1197 – 1207. doi: 10.1016 / j.neuroimage.2010.06.041. Atrodiet šo rakstu tiešsaistē
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Savienojumu atšķirības smadzeņu tīklos. Neiroimage 60: 1055 – 1062. doi: 10.1016 / j.neuroimage.2012.01.068. Atrodiet šo rakstu tiešsaistē
  43. Nichols TE, Holmes AP (2002) Neparametriskas permutācijas testi funkcionālā neiroattēlā: Gruntējums ar piemēriem. Cilvēka smadzeņu kartēšana 15: 1 – 25. doi: 10.1002 / hbm.1058. Atrodiet šo rakstu tiešsaistē
  44. Wig GS, Schlaggar BL, Petersen SE (2011) Jēdzieni un principi smadzeņu tīklu analīzē. Ann NY Acad Sci 1224: 126 – 146. doi: 10.1111 / j.1749-6632.2010.05947.x. Atrodiet šo rakstu tiešsaistē
  45. Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) Veselo smadzeņu anatomiskie tīkli: vai mezglu izvēlei ir nozīme? Neiroattēls 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027. Atrodiet šo rakstu tiešsaistē
  46. Bassett DS, Bullmore ET (2009) Cilvēka smadzeņu tīkli veselībā un slimībās. Curr Opin Neurol 22: 340 – 347. doi: 10.1097/WCO.0b013e32832d93dd. Atrodiet šo rakstu tiešsaistē
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Diagrammas teorētiskā analīze par strukturālās un funkcionālās savienojamības MRI normālos un patoloģiskos smadzeņu tīklos. MAGMA 23: 409 – 421. doi: 10.1007 / s10334-010-0205-z. Atrodiet šo rakstu tiešsaistē
  48. He Y, Evans A (2010) Smadzeņu savienojumu grafiskā teorētiskā modelēšana. Curr Opin Neurol 23: 341 – 350. doi: 10.1097/WCO.0b013e32833aa567. Atrodiet šo rakstu tiešsaistē
  49. Bassett DS, Gazzaniga MS (2011) Izpratne par cilvēka smadzeņu sarežģītību. Tendences Cogn Sci 15: 200 – 209. doi: 10.1016 / j.tics.2011.03.006. Atrodiet šo rakstu tiešsaistē
  50. Maslov S, Sneppen K (2002) Specifiskums un stabilitāte olbaltumvielu tīklu topoloģijā. Zinātne 296: 910 – 913. doi: 10.1126 / science.1065103. Atrodiet šo rakstu tiešsaistē
  51. Genovese CR, Lazar NA, Nichols T (2002) Statistisko karšu sliekšņa noteikšana funkcionālā neiroattēlā, izmantojot viltus atklāšanas ātrumu. Neiroattēls 15: 870 – 878. doi: 10.1006 / nimg.2001.1037. Atrodiet šo rakstu tiešsaistē
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) Vispārēji un specifiski funkcionālā savienojuma traucējumi pirmās epizodes šizofrēnijā kognitīvās kontroles izpildes laikā. Biol psihiatrija 70: 64 – 72. doi: 10.1016 / j.biopsych.2011.02.019. Atrodiet šo rakstu tiešsaistē
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, et al. (2010) Funkcionālā savienojamība un smadzeņu tīkli šizofrēnijas gadījumā. J Neurosci 30: 9477 – 9487. Atrodiet šo rakstu tiešsaistē
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Atpūtas stāvokļa funkcionālā savienojamība atkarības gadījumā: Gūtās atziņas un ceļš priekšā. Neiroattēls 62: 2281 – 2295. doi: 10.1016 / j.neuroimage.2012.01.117. Atrodiet šo rakstu tiešsaistē
  55. Shaw M, Black DW (2008) atkarība no interneta: definēšana, novērtēšana, epidemioloģija un klīniskā vadība. CNS narkotikas 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001. Atrodiet šo rakstu tiešsaistē
  56. Wang J, Wang L, Zang Y, Yang H, Tang H, et al. (2009) No zemes gabala atkarīgie mazās pasaules smadzeņu funkcionālie tīkli: miera stāvokļa fMRI pētījums. Hum Brain Mapp 30: 1511 – 1523. doi: 10.1002 / hbm.20623. Atrodiet šo rakstu tiešsaistē
  57. Fornito A, Zalesky A, Bullmore ET (2010) Tīkla mērogošanas efekti cilvēku miera stāvokļa FMRI datu grafiskos analītiskos pētījumos. Priekšējās Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022. Atrodiet šo rakstu tiešsaistē
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al. (2012) Izmainīta smadzeņu funkcionālā savienojamība neklīniskajā paraugā jauniem pieaugušajiem ar uzmanības deficīta / hiperaktivitātes traucējumiem. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Atrodiet šo rakstu tiešsaistē
  59. Medus CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP, et al. (2009) Cilvēka miera stāvokļa funkcionālās savienojamības prognozēšana no strukturālās savienojamības. Proc Natl Acad Sci USA 106: 2035 – 2040. doi: 10.1073 / pnas.0811168106. Atrodiet šo rakstu tiešsaistē
  60. Andersons JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Samazināta starpdisfēru funkcionālā savienojamība autismā. Cereb Cortex 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190. Atrodiet šo rakstu tiešsaistē
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M, et al. (2008) EEG saskaņotība pieaugušajiem ar uzmanības deficīta / hiperaktivitātes traucējumiem. Int J psihofiziols 67: 35 – 40. doi: 10.1016 / j.ijpsycho.2007.10.001. Atrodiet šo rakstu tiešsaistē
  62. Pettigrew JD, Miller SM (1998) "lipīgs" starpsfēras slēdzis bipolāru traucējumu gadījumā? Proc Biol Sci 265: 2141–2148. doi: 10.1098 / rspb.1998.0551. Atrodiet šo rakstu tiešsaistē
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME et al. (2003) Patoloģiska neironu sinhronija šizofrēnijas gadījumā. J Neurosci 23: 7407 – 7411. Atrodiet šo rakstu tiešsaistē
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Samazināta starpdisfērisko miera stāvokļu funkcionālā savienojamība kokaīna atkarības gadījumā. Biol psihiatrija 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022. Atrodiet šo rakstu tiešsaistē
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Pelēkās vielas deficīts un miera stāvokļa anomālijas abstinentiem no heroīna atkarīgiem indivīdiem. Neurosci Lett 482: 101 – 105. doi: 10.1016 / j.neulet.2010.07.005. Atrodiet šo rakstu tiešsaistē
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999). Šizofrēnijas patoloģiska frontālās un laika savienojuma modulācijas modulācija. Neiroattēls 9: 337 – 342. doi: 10.1006 / nimg.1998.0411. Atrodiet šo rakstu tiešsaistē
  67. Choi JS, Shin YC, Jung WH, Jang JH, Kang DH, et al. (2012) Izmainīta smadzeņu darbība atlīdzības prognozēšanas laikā patoloģisku azartspēļu un obsesīvi-kompulsīvu traucējumu gadījumā. PLoS One 7: e45938. doi: 10.1371 / journal.pone.0045938. Atrodiet šo rakstu tiešsaistē
  68. Tomasi D, Volkow ND (2012) Striatokortikālā ceļa disfunkcija atkarības un aptaukošanās gadījumos: atšķirības un līdzības. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Atrodiet šo rakstu tiešsaistē
  69. Cole DM, Oei NY, Soeter RP, Both S, van Gerven JM, et al. (2012) no dopamīna atkarīgā arhitektūra no kortiko-subkortikālā tīkla savienojuma. Cereb Cortex doi: 10.1093 / cercor / bhs136. Atrodiet šo rakstu tiešsaistē
  70. Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) Dopamīna transportētāja genotipa ietekme uz iekšējo funkcionālo savienojamību ir atkarīga no izziņas stāvokļa. Cereb Cortex doi: 10.1093 / cercor / bhr305. Atrodiet šo rakstu tiešsaistē
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) Caudate dopamīna D1 receptoru blīvums ir saistīts ar individuālām atšķirībām frontoparietālā savienojamībā darba atmiņas laikā. J Neurosci 31: 14284 – 14290. doi: 10.1523 / JNEUROSCI.3114-11.2011. Atrodiet šo rakstu tiešsaistē
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB et al. (2006) Motora vadība bazālo gangliju ķēdēs, izmantojot fMRI un smadzeņu atlanta pieejas. Cereb Cortex 16: 149 – 161. doi: 10.1093 / cercor / bhi089. Atrodiet šo rakstu tiešsaistē
  73. Jenkins IH, Brooks DJ, Nixon PD, Frackowiak RS, Passingham RE (1994) Motora sekvences mācība: pētījums ar pozitronu emisijas tomogrāfiju. J Neurosci 14: 3775 – 3790. Atrodiet šo rakstu tiešsaistē
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) Motora apguves anatomija. II. Subkortikālas struktūras un mācīšanās, izmantojot izmēģinājumu un kļūdu. J neirofiziols 77: 1325 – 1337. Atrodiet šo rakstu tiešsaistē
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982) Normālu cilvēku brīvprātīgo kustību laikā smadzeņu asins plūsmas izmaiņas smadzeņu garozā un bazālajās ganglijās. J neirofiziols 48: 467 – 480. Atrodiet šo rakstu tiešsaistē
  76. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Gan primārajam motora garozai, gan papildu motora zonai ir liela nozīme sarežģītā pirkstu kustībā. Smadzenes 116 (Pt 6): 1387 – 1398. doi: 10.1093 / smadzenes / 116.6.1387. Atrodiet šo rakstu tiešsaistē
  77. Volkow ND, Fowler JS, Wang GJ (2003) Atkarīgo cilvēka smadzenes: ieskats attēlveidošanas pētījumos. J Clin Invest 111: 1444 – 1451. Atrodiet šo rakstu tiešsaistē
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Mainīti mazās pasaules smadzeņu funkcionālie tīkli un heroīna lietošanas ilgums abstinentu vīriešu vīriešiem, kuri ir atkarīgi no heroīna. Neurosci Lett 477: 37 – 42. doi: 10.1016 / j.neulet.2010.04.032. Atrodiet šo rakstu tiešsaistē
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Izmainīta smadzeņu miera funkcija un struktūra profesionāliem badmintona spēlētājiem. Prāta savienojums 2: 225 – 233. doi: 10.1089 / smadzenes.2011.0050. Atrodiet šo rakstu tiešsaistē
  80. Duan X, Liao W, Liang D, Qiu L, Gao Q, et al. (2012) Liela mēroga smadzeņu tīkli galda spēļu ekspertos: ieskats no uzdevumiem, kas saistīti ar domēnu, un atpūtas stāvoklī bez uzdevumiem. PLoS One 7: e32532. doi: 10.1371 / journal.pone.0032532. Atrodiet šo rakstu tiešsaistē
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) Mehānisko prasmju apguves 4 nedēļu laikā notiek izmaiņas motora sistēmas atpūtas stāvoklī tīklā. Neiroattēls 58: 226 – 233. Atrodiet šo rakstu tiešsaistē
  82. Martinez K, Solana AB, Burgaleta M, Hernandez-Tamames JA, Alvarez-Linera J, et al. (2012) Atpūtas stāvokļa funkcionāli savienotu parietofrontālu tīklu izmaiņas pēc videospēļu prakses. Hum Brain Mapp doi: 10.1002 / hbm.22129. Atrodiet šo rakstu tiešsaistē
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, et al. (2007) Funkcionālā sadalīšanās paranojas šizofrēnijas gadījumā, izmantojot miera stāvokļa fMRI. Schizophr Res 97: 194 – 205. doi: 10.1016 / j.schres.2007.05.029. Atrodiet šo rakstu tiešsaistē
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV, et al. (2009) Noklusējuma tīkla hiperaktivitāte un hipersavienojamība šizofrēnijas gadījumā un cilvēkiem ar šizofrēniju pirmās pakāpes radiniekiem. Proc Natl Acad Sci USA 106: 1279 – 1284. doi: 10.1073 / pnas.0809141106. Atrodiet šo rakstu tiešsaistē
  85. Han DH, Lyoo IK, Renshaw PF (2012) Diferenciālās reģionālās pelēkās vielas apjomi pacientiem ar tiešsaistes spēļu atkarību un profesionāliem spēlētājiem. J Psychiatr Res 46: 507 – 515. doi: 10.1016 / j.jpsychires.2012.01.004. Atrodiet šo rakstu tiešsaistē
  86. De Havas JA, Parimal S, Soon CS, Chee MW (2012) Miega režīma atņemšana samazina tīkla savienojuma noklusējuma režīmu un anti-korelāciju atpūtas un uzdevumu izpildes laikā. Neiroattēls 59: 1745 – 1751. doi: 10.1016 / j.neuroimage.2011.08.026. Atrodiet šo rakstu tiešsaistē
  87. Killgore WD, Schwab ZJ, Weiner MR (2012). Paziņotais nakts miega ilgums ir saistīts ar nākamās dienas atpūtas stāvokļa funkcionālo savienojamību. Neuroreport 23: 741 – 745. doi: 10.1097 / WNR.0b013e3283565056. Atrodiet šo rakstu tiešsaistē
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Nelabvēlīgas, bet sistemātiskas korelācijas funkcionālā savienojamības MRI tīklos rodas no subjekta kustības. Neiroimage 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018. Atrodiet šo rakstu tiešsaistē