Mikrostruktūras novirzes pusaudžiem ar interneta atkarības traucējumiem. (2011)

Materiāli un metodes tops

Visas izpētes procedūras apstiprināja Rietumķīnas slimnīcas apakškomiteja par cilvēka pētījumiem un tika veiktas saskaņā ar Helsinku deklarāciju.

2.1 priekšmeti

Saskaņā ar modificēto Young Diagnostic Questionnaire interneta atkarības (YDQ) kritērijiem ar Beard un Wolf [16], [29]Mūsu pētījumā tika iesaistīti astoņpadsmit jaunpienācēji un otrā kursa studenti ar IAD (12 vīrieši, vidējais vecums = 19.4 ± 3.1 gadi, izglītība 13.4 ± 2.5 gadi). YDQ kritēriji [16] sastāvēja no šādiem astoņiem “jā” vai „nē” jautājumiem, kas bija: (1) Vai jūtaties absorbēts internetā (atcerieties iepriekšējo tiešsaistes darbību vai vēlamo nākamo tiešsaistes sesiju)? (2) Vai jūs jūtaties apmierināti ar interneta lietošanu, ja palielināsiet tiešsaistes laika apjomu? (3) Vai jums nav izdevies vairākkārt kontrolēt, samazināt vai pārtraukt interneta lietošanu? (4) Vai jūs jūtat nervu, temperamentu, nomāktu vai jutīgu, mēģinot samazināt vai pārtraukt interneta lietošanu? (5) Vai jūs uzturaties tiešsaistē ilgāk nekā sākotnēji paredzēts? (6) Vai esat uzņēmies risku zaudēt nozīmīgas attiecības, darbu, izglītības vai karjeras iespējas interneta dēļ? (7) Vai esat melojis saviem ģimenes locekļiem, terapeitiem vai citiem, lai paslēptu patiesību par jūsu iesaistīšanos internetā? (8) Vai jūs izmantojat internetu kā veidu, kā izbēgt no problēmām vai atvieglot nemieru (piemēram, bezpalīdzības, vainas, nemiers vai depresija)? Visi astoņi jautājumi tika tulkoti ķīniešu valodā. Young apgalvoja, ka piecās vai vairākās „jā” atbildēs uz astoņiem jautājumiem ir norādīts, ka internets ir atkarīgs no lietotāja [16]. Vēlāk Beard un Wolf mainīja YDQ kritērijus [29], un respondenti, kas atbildēja ar “jā” uz 1. līdz 5. jautājumu un vismaz uz kādu no atlikušajiem trim jautājumiem, tika klasificēti kā ciešanas no interneta atkarības, kas tika izmantota, lai pārbaudītu priekšmetus šajā pētījumā. Atkarība bija pakāpenisks process, tāpēc mēs pētījām, vai smadzeņu struktūrā ir vai nav lineāras izmaiņas. Slimības ilgums tika noteikts, izmantojot retrospektīvo diagnozi. Mēs lūdzām pētāmos atcerēties viņu dzīves stilu, kad viņi sākotnēji bija atkarīgi no interneta. Lai garantētu, ka viņi cieš no interneta atkarības, mēs viņus atkārtoti pārbaudījām ar YDQ kritērijiem, kurus modificēja Bārda un Vilks. Mēs arī apstiprinājām IAD subjektu pašpārskatu ticamību, runājot ar viņu vecākiem pa tālruni. IAD subjekti tiešsaistes spēlēm pavadīja 10.2 ± 2.6 stundas dienā. Interneta lietošanas dienas nedēļā bija 6.3 ± 0.5. Mēs arī pārbaudījām šo informāciju no IAD priekšmetu istabas biedriem un klasesbiedriem, ka viņi bieži uzstāja, ka vēlu vakarā ir internetā, traucējot citu dzīvi, neskatoties uz sekām. Astoņpadsmit atbilstoši vecumam un dzimumam (p> 0.01) mūsu pētījumā piedalījās arī veselīgas kontroles (12 vīrieši, vidējais vecums = 19.5 ± 2.8 gadi, izglītība 13.3 ± 2.0 gadi) bez personiskas vai ģimenes anamnēzes psihisku traucējumu. Saskaņā ar iepriekšējo IAD pētījumu [19], mēs izvēlējāmies veselīgu kontroli, kas internetā pavadīja mazāk par 2 stundām dienā. Veselās kontroles tika pārbaudītas arī ar YDQ kritērijiem, kurus modificēja Beard un Wolf, lai nodrošinātu, ka viņi necieš no IAD. Visi atlasītie dalībnieki, kas tika pārbaudīti, bija vietējie ķīniešu valodā runājošie, nekad neizmantoja nelegālas vielas un bija labās puses. Pirms magnētiskās rezonanses (MRI) skenēšanas visiem pacientiem tika veikta urīna zāļu pārbaude, lai izslēgtu vielu lietošanu. Abu grupu izslēgšanas kritēriji bija (1) neiroloģiska traucējuma esamība; (2) alkohols, nikotīns vai narkotiku lietošana; (3) grūtniecības vai menstruācijas periods sievietēm; un (4) jebkura fiziska slimība, piemēram, smadzeņu audzējs, hepatīts vai epilepsija, kas novērtēta saskaņā ar klīniskiem novērtējumiem un medicīniskiem datiem. Turklāt, lai novērtētu visu dalībnieku emocionālos stāvokļus skenēšanas dienā, tika izmantots pašvērtējuma trauksmes skala (SAS) un pašnovērtējuma depresijas skala (SDS). Visi pacienti un veselīgas kontroles sniedza rakstisku informētu piekrišanu. Detalizētāka demogrāfiskā informācija tika sniegta Tabula 1.

2.2 smadzeņu attēlveidošanas metodika un datu analīze

2.2.1 skenēšanas parametri.

Attēlveidošanas dati tika veikti ar 3T Siemens skeneri (Allegra; Siemens Medical System) Huaxi MR pētniecības centrā, Rietumu Ķīnas slimnīcā Sichuanas universitātē, Čengdu, Ķīnā. Tika izmantota standarta putnu pakaļgala spole ar ierobežojošām putu spilventiņiem, lai samazinātu galvas kustību un samazinātu skenera troksni. Attēlu sekvences ieguva ar difūzijas svērtās attēlveidošanas palīdzību, izmantojot vienfoto echo planar attēlu, saskaņojot ar priekšējo un aizmugurējo komisāru plakni. Difūzijas tenzora attēlus ieguva ar 2 vidējiem lielumiem. Difūzijas sensibilizējošie gradienti tika pielietoti pa 30 nelineāriem virzieniem (b = 1000 s / mm²) kopā ar iegūšanu bez difūzijas svēršanas (b = 0 s / mm²). Attēlveidošanas parametri bija nepārtrauktas 45 šķērsgriezuma šķēlītes ar slāņa biezumu 3 mm un bez atstarpes, redzes lauks = 240 × 240 mm², atkārtošanās laiks / atbalss laiks = 6800 / 93 ms, iegūšanas matrica = 128 × 128. Turklāt ar aksiālo 3D T1 svērtus attēlus ieguva ar bojātu gradienta atgādinājuma secību un šādus parametrus: TR = 1900 ms; TE = 2.26 ms; pārsegšanās leņķis = 9⁰; plaknes matricas izšķirtspēja = 256 × 256; šķēles = 176; redzamības lauks = 256 mm; vokseļa izmērs = 1 × 1 × 1 mm.

2.2.2 VBM.

Strukturālie dati tika apstrādāti ar FSL-VBM protokolu [30], [31] ar FSL 4.1 programmatūru [32]. Pirmkārt, visi T1 attēli tika iegūti smadzenēs, izmantojot smadzeņu ekstrakcijas rīku (BET) [33]. Pēc tam audu tipa segmentēšana tika veikta, izmantojot FMRIB automatizēto segmentēšanas rīku (FAST) V4.1 [34]. Iegūtie pelēkās vielas daļēja apjoma attēli pēc tam tika pielīdzināti MNI152 standarta telpai, izmantojot FMRIB lineāro attēlu reģistrēšanas rīku (FLIRT) [35], [36], kam pēc izvēles iespējama nelineāra reģistrācija, izmantojot FMRIB nelineārās attēlu reģistrēšanas rīku (FNIRT) [37], [38], kas izmanto reģistrēšanas velku lauka b-spline attēlojumu [39]. Iegūtie attēli tika vidēji aprēķināti, lai izveidotu specifisku pētījuma veidni, uz kuru pēc tam netradicionāli tika reģistrēti vietējie pelēkās vielas attēli. Optimizētais protokols ieviesa kontrakcijas / paplašināšanās modulāciju transformācijas nelineārās komponentes dēļ: katru reģistrētā pelēkās vielas attēla vokseli dalīja ar velku lauka Jacobian. Visbeidzot, lai izvēlētos labāko izlīdzināšanas kodolu, visi 32 modulētie, normalizētie pelēkās vielas tilpuma attēli tika izlīdzināti ar izotropiskām Gausa kodoliem, kas palielinās (sigma = 2.5, 3, 3.5 un 4 mm, kas atbilst 6, 7, 8 un attiecīgi 9.2 mm FWHM). Pelēkās vielas reģionālās izmaiņas tika novērtētas, izmantojot permutāciju balstītu neparametru testēšanu ar 5000 izlases permutācijām [40]. Kovarsijas analīze (ANCOVA) tika izmantota ar vecumu, dzimuma ietekmi un kopējo intrakraniālo tilpumu kā kovariantiem. Kopējais intrakraniālais tilpums tika aprēķināts kā pelēkās vielas, baltās vielas un smadzeņu šķidruma tilpumu summa no FSL BET segmentācijas. Nesen, Dong et al. konstatēja, ka depresija un trauksmes rādītāji pēc atkarības bija ievērojami augstāki nekā pirms atkarības dažos koledžas studentos, un viņi ierosināja, ka tie bija IAD rezultāti, tāpēc SAS un SDS netika iekļauti kā neskaidrības [41]. Korekcija vairāku salīdzinājumu veikšanai tika veikta, izmantojot klasteru balstītu sliekšņa metodi, ar sākotnējo kopu veidojot slieksni t = 2.0. Rezultāti tika uzskatīti par nozīmīgiem p<0.05. Reģionos, kur IAD subjektiem bija ievērojami atšķirīgs pelēkās vielas daudzums salīdzinājumā ar kontrolēm, šo apgabalu pelēkās vielas tilpumi tika iegūti, vidēji aprēķināti un regresēti, salīdzinot ar interneta atkarības ilgumu.

2.2.3 DTI.

Mēs aprēķinājām FA vērtību katram vokselim, kas atspoguļoja difūzijas anizotropijas pakāpi vokseļa robežās (diapazons 0 – 1, kur mazākas vērtības norādīja uz lielāku izotropo difūziju un mazāku saskaņotību, un lielas vērtības norādīja uz Brauna kustības atkarību no baltā materiāla) [42]. FDL 4.1 FDT programmatūra tika izmantota FA aprēķināšanai [32]. Pirmkārt, korekcija attiecībā uz virpuļstrāvām un galvas kustību tika veikta, izmantojot afīna reģistrāciju katram priekšmetam pirmajā ne-difūzijas svērtā tilpumā. FA attēli tika izveidoti, difūzijas tenzoru uzstādot izejvielu difūzijas datiem pēc smadzeņu ekstrakcijas, izmantojot BET [33]. Pēc tam, izmantojot FSL V1.2 telpisko statistiku (TBSS), tika veikta FA datu statistiskā analīze. [43], [44]. FA imges no visiem priekšmetiem (IAD priekšmeti un veselīgas kontroles) FNIRT pārveidoja par FMRIB58_FA standarta telpas attēlu [37], [38] izmantojot reģistrēšanas velku lauka b-spline attēlojumu [39]. Pēc tam tika izveidots un atšķaidīts vidējais FA attēls, lai izveidotu vidējo FA skeletu (0.2 slieksnis), kas pārstāv visu grupai kopīgo traktātu centrus. Pēc tam katra subjekta izlīdzinātie FA dati tika projicēti atpakaļ uz šī skeleta. Baltās vielas FA vērtības izmaiņas tika novērtētas, izmantojot permutācijas balstītu neparametrisku testēšanu [40] ar 5000 izlases permutācijām. ANCOVA tika izmantots kā vecuma un dzimuma ietekme kā kovariantiem. Korekcija vairākiem salīdzinājumiem tika veikta, izmantojot klasteru balstītu sliekšņa metodi, ar sākotnējo klasteru veidošanas slieksni t = 2.0. Rezultāti tika uzskatīti par nozīmīgiem p<0.05. Klasteriem, kur interneta atkarības subjektiem bija ievērojami atšķirīgas FA vērtības no kontrolēm, šo smadzeņu reģionu FA tika iegūti, vidēji aprēķināti un regresēti salīdzinājumā ar interneta atkarības ilgumu.

2.2.4 Mijiedarbība starp pelēkās vielas un balto vielu anomālijām.

Lai izpētītu mijiedarbību starp pelēkās vielas izmaiņām un baltās vielas izmaiņām, tika veikta korelācijas analīze starp nenormāliem pelēkās vielas apjomiem un baltās vielas FA vērtībām IAD grupā.

rezultāti

3.1 VBM rezultāti

Reģionālās pelēkās vielas tilpuma izmaiņas tika novērtētas neparametriski, izmantojot optimizētu VBM. Korekcija vairāku salīdzinājumu veikšanai tika veikta, izmantojot klasteru balstītu sliekšņa metodi. VBM salīdzinājums starp IAD subjektiem un saskaņotām veselīgām kontrolēm liecināja par samazinātu pelēkās vielas daudzumu vairākos klasteros, proti, divpusējā DLPFC, papildu motora zonā (SMA), OFC, smadzenēs un kreisajā rostralajā ACC (rACC), pēc tam, kad tika kontrolēta iespējamā sajaukšanās mainīgie, ieskaitot vecumu, dzimuma ietekmi un kopējo intrakraniālo apjomu. Labās DLPFC, kreisās rACC un labās SMA pelēkās vielas tilpums uzrādīja negatīvu korelāciju ar mēnešu interneta atkarību (r1 = −0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Nevienā smadzeņu reģionā nebija lielāks pelēkās vielas tilpums nekā veselām kontrolēm, kā parādīts Skaitlis 1 un Tabula 2

  

 

 

 

 

 

 

 

 

 

Skaitlis 1. VBM rezultāti.

A. Samazināts pelēkās vielas apjoms IAD priekšmetos, (1-p) labots p- vērtības. Fona attēls ir standarta MNI152_T1_1mm_brain veidne FSL. B. DLPFC, rACC un SMA pelēkās vielas apjomi bija negatīvi korelēti ar interneta atkarības ilgumu.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabula 2. Reģioni, kuros bija neparasti pelēkās vielas tilpums un balta viela FA (daļēja anizotropija) starp indivīdiem ar interneta atkarības traucējumiem (IAD) un veselīgu kontroli (pLabots <0.05).

doi: 10.1371 / journal.pone.0020708.t002

3.2 DTI rezultāti

Attiecībā uz DTI datu analīzi tika veikta korekcija vairāku salīdzinājumu veikšanai, izmantojot klasteru metodi. Mūsu TBSS rezultāti parādīja pastiprinātu FA vērtību (IAD: 0.78 ± 0.04; kontrole: 0.56 ± 0.02) iekšējās kapsulas kreisajā aizmugurējā daļā (PLIC) IAD subjektiem, salīdzinot ar veselām kontrolēm un samazinātu FA vērtību (IAD: 0.31 ± 0.04; kontrole: 0.48 ± 0.03) baltajā vielā labajā parahipokampālā girā (PHG), kā parādīts Skaitlis 2 un Tabula 2. Turklāt FA bija pozitīva korelācija ar interneta atkarības ilgumu kreisajā PLIC (r = 0.5869, p <0.05), turpretī nozīmīga korelācija starp labās PHG FA vērtību un interneta atkarības ilgumu netika novērota

  

 

 

 

 

 

 

 

 

 

 

 

 

Skaitlis 2. DTI rezultāti.

A. Baltās vielas struktūras, kurās IAD subjektiem ir nenormāla FA, (1-p) labots p- vērtības. Fona attēls ir standarta FMRIB58_FA_1mm veidne FSL. Sarkanā dzeltenā vokseļi ir reģioni, kuros FA ievērojami samazinājās IAD attiecībā pret veseliem kontrolpunktiem. Zilās gaismas zilie vokseļi ir palielināts FA IAD. B. PLIC FA bija pozitīvi saistīta ar interneta atkarības ilgumu.

doi: 10.1371 / journal.pone.0020708.g002

3.3 Mijiedarbība starp pelēkās vielas un balto vielu anomālijām

Mijiedarbības analīze starp pelēkās vielas tilpumiem un baltās vielas FA vērtībām IAD grupā atklāja, ka starp šiem diviem pasākumiem nav būtisku sakarību.

diskusija tops

IAD izraisīja indivīda psiholoģiskās labklājības, akadēmiskās neveiksmes un darba efektivitātes samazināšanos pusaudžu vidū [12]-[18]. Tomēr pašlaik nav standartizētas ārstēšanas ar IAD. Efektīvu IAD intervences un ārstēšanas metožu izstrādei vispirms būs nepieciešama skaidra izpratne par mehānismiem. Informētība par smadzeņu strukturālajām patoloģijām IAD ir būtiska, lai identificētu iespējamās farmakoterapijas šīs slimības ārstēšanai. Šajā pētījumā mēs atklājām pelēkās vielas apjoma izmaiņas un baltās vielas FA izmaiņas pusaudžiem ar IAD. Mēs atklājām arī saistību starp šīm strukturālajām novirzēm un interneta atkarības ilgumu. Mēs iesakām, ka IAD izraisīja smadzeņu strukturālās izmaiņas pusaudžiem, un šīs strukturālās novirzes, iespējams, bija saistītas ar funkcionāliem traucējumiem kognitīvajā kontrolē..

4.1 VBM rezultāti

Saskaņā ar iepriekšējo VBM pētījumu [21], mēs neesam atraduši smadzeņu reģionus, kuros interneta atkarības tēmās palielinājās pelēkās vielas apjoms. Reģionālais pelēkās vielas tilpuma salīdzinājums norādīja atrofiju vairākās klasteru grupās visai interneta atkarīgo grupai (p <0.05, labots), kas bija divpusējā DLPFC, SMA, smadzenītes, OFC un kreisā rACC (kā parādīts Skaitlis 1). Turklāt labās DLPFC atrofija, kreisais rACC un labais SMA bija negatīva korelācija ar interneta atkarības ilgumu, ko Zhou et al. nav konstatēts [21]. Šie rezultāti parādīja, ka, saglabājot interneta atkarību, DLPFC, rACC un SMA smadzeņu atrofija bija nopietnāka. Daži smadzeņu atrofijas rezultāti mūsu pētījumā atšķīrās no iepriekšējiem konstatējumiem [21], kas var būt saistīts ar dažādām datu apstrādes metodēm. Šajā pētījumā kā kovarianti tika iekļauti iespējamie vecuma, dzimuma un visa smadzeņu apjoma traucējošie efekti, kurus iepriekšējā pētījumā netika ņemti vērā. Dažādas apstrādes metodes, iespējams, radīja dažādus secinājumus.

Saskaņā ar iepriekšējiem narkomānijas pētījumiem, ilgtermiņa vielu lietošana [45], [46] un interneta atkarība [11], [20] izraisīs kognitīvās kontroles traucējumus. Kognitīvā kontrole var tikt konceptualizēta kā spēja nomākt iepriekšējās, bet nepareizās atbildes un spēju filtrēt neatbilstošu informāciju stimulu kopas ietvaros un ļaut atbilstošām darbībām, lai apmierinātu sarežģītas uzdevumu prasības un pielāgošanos mainīgajai videi. [47]. Daudzi funkcionālie smadzeņu attēlveidošanas pētījumi ir atklājuši, ka DLPFC un rACC bija centrāli iesaistīti kognitīvajā kontrolē. [48], [49]. Dažādi neirokognitīvie pētījumi ir atklājuši, ka kognitīvā kontrole ir saistīta ar konkrētu kortiko-subortikālo ķēdi, ieskaitot rACC un DLPFC [50], [51]. Saskaņā ar ievērojamu konfliktu uzraudzības hipotēzi [47], [52]reakcijas konflikta rašanos norāda rACC, kas noved pie DLPFC vervēšanas, lai iegūtu lielāku kognitīvo kontroli turpmākajai izpildei. Šī nozīmīgā DLPFC loma ir noteikta neirozinātnes pētījumos ar lejupejošiem kognitīvās kontroles reglamentējošiem procesiem [53]. Nesenie neirektēšanas pētījumi atklāja arī rACC dezaktivēšanu GO / NOGO uzdevumā heroīna atkarīgajiem indivīdiem [54], [55] un kokaīna lietotājiem [45], kas norāda uz rACC kritisko lomu izziņas kontrolē [46].

Tiek uzskatīts, ka OFC veicina mērķtiecīgas uzvedības kognitīvo kontroli, novērtējot stimulu motivējošo nozīmi un uzvedības izvēli, lai iegūtu vēlamos rezultātus [56]. OFC ir plaši savienojumi ar striatuma un limbiskajiem reģioniem (piemēram, amygdala). Tā rezultātā OFC ir labi izvietots, lai integrētu vairāku limbisku un subortikālu zonu aktivitātes, kas saistītas ar motivāciju un atlīdzības apstrādi. [57]. Daži pētījumi ar dzīvniekiem ir pierādījuši, ka kaitējums gan OFC, gan žurka prelimbiskajai garozai (cilvēka DLPFC funkcionālais homologs) kavēja uzvedības iegūšanu un modificēšanu, ko noteica neparedzēti gadījumi starp atbildēm un rezultātiem, norādot, ka šie reģioni var būt izšķiroši svarīga. mērķtiecīgas uzvedības kognitīvā kontrole [56], [58].

SMA ir būtiska, lai izvēlētos piemērotu uzvedību, neatkarīgi no tā, vai izvēloties veikt atbilstošu atbildi, vai izvēlēties, lai kavētu neatbilstošu atbildi [59]. Daži pētnieki atklāja, ka SMA ir iesaistīti gan vienkāršie, gan sarežģītie GO / NOGO uzdevumi, un tie atklāja SMA svarīgo lomu izziņas kontroles starpā. [46], [60].

Vairāki anatomiski, fizioloģiski un funkcionāli attēlveidošanas pētījumi liecina, ka smadzenis veicina augstākas kārtas kognitīvās funkcijas [61]-[64], ar diskrētiem smadzeņu bojājumiem, kas izraisa izpildvaras un darba atmiņas pasliktināšanos, pat personības izmaiņās, piemēram, dezinficētā un nepiemērotā uzvedībā.

Mūsu rezultāti (Skaitlis 1) no samazināta pelēkās vielas tilpuma DLPFC, rACC, OFC, SMA un smadzenēs var būt vismaz daļēji saistīta ar kognitīvo kontroli un mērķtiecīgu uzvedības traucējumiem interneta atkarībā. [15], [19], [20], [28], kas var izskaidrot interneta atkarības galvenos simptomus.

4.2 DTI rezultāti

Mēs aprēķinājām FA vērtību katrā balto vielu vokselī katram objektam, kas kvantitatīvi noteica vietējās trakta mikrostruktūras virziena stiprumu. Visu smadzeņu vokseļu salīdzinājums, salīdzinot ar balto vielu skeletu, izmantojot permutācijas testēšanu un stingru statistisko sliekšņu līmeni, liecināja, ka IAD subjektiem bija zemākas FA vērtības klasterī pareizajā PHG (p <0.05, labots). No otras puses, palielināta FA meklēšana IAD priekšmetos parādīja, ka IAD subjektiem bija augstākas FA vērtības klasterī kreisajā PLIC (p <0.05, labots). Turklāt kreisās PLIC FA vērtība pozitīvi korelēja ar interneta atkarības ilgumu (Skaitlis 2).

PHG ir smadzeņu reģions, kas ieskauj hipokampu un spēlē nozīmīgu lomu atmiņas kodēšanā un izguvē [65], [66]. PHG nodrošina lielāko hipoampu ievadi poliporā, izmantojot entorīniskos savienojumus, un ir dažādu sensoru informācijas kombināciju saņēmējs. [67], [68], kas ir iesaistīti izziņas un emocionālā regulēšanā [69]. Nesen daži pētnieki ierosināja, ka pareizais PHG veicina saistītās informācijas veidošanos un uzturēšanu darba atmiņā [70]. Darba atmiņa ir veltīta informācijas pagaidu glabāšanai un tiešsaistes manipulācijām, un tā ir izšķiroša izziņas kontrolei [71]. Konstatēts, ka zemākā FAG vērtība PHD IAD tēmās parādīja, ka neparasti baltās vielas īpašības, iespējams, ir funkcionālās atmiņas funkcionālo trūkumu IAD priekšmetos. [19]. Nesen Liu et al. [72] ziņoja par paaugstinātu ReHo divpusējā PHG IAD koledžu studentos, salīdzinot ar kontrolēm, un ierosināja, ka šis rezultāts atspoguļo funkcionālās izmaiņas smadzenēs, iespējams, saistībā ar atalgojuma ceļiem. Acīmredzot ir nepieciešams vairāk darba, lai saprastu PHG precīzo lomu IAD.

Anatomiski iekšējās kapsulas ir smadzeņu baltās vielas laukums, kas atdala caudāta kodolu un talamu no lēcu kodola, kas satur gan augšupejošus, gan dilstošus asus. Papildus kortikoskopu un kortikoskopu šķiedrām, iekšējā kapsula satur talamokortikālās un kortikoskopiskās šķiedras [73], [74]. Iekšējās kapsulas aizmugurējā daļa satur ķermeņa šķiedras, sensorās šķiedras (ieskaitot mediālo lemnisku un anterolateriālo sistēmu) no ķermeņa un dažas corticobulbar šķiedras. [73]-[76]. Primārais mehāniskais garozs nosūta savas asis iekšējās kapsulas aizmugurējā daļā un spēlē nozīmīgas lomas pirkstu kustībā un motora attēlos. [77], [78]. Iespējamais iemesls FA iekšējās kapsulas uzlabošanai bija tāds, ka IAD subjekti pavadīja vairāk laika spēlējot datorspēles, un atkārtojas motora darbības, piemēram, noklikšķinot uz peles un klaviatūras, mainīja iekšējās kapsulas struktūru. Kā secinājumi, ka apmācība mainīja smadzeņu struktūru citos pētījumos [79]-[81], šī ilgtermiņa apmācība, iespējams, mainīja PLIC balto vielu struktūru. Informācijas pārraide starp frontālo un subortikālo smadzeņu reģioniem modulēja augstāku kognitīvo darbību un cilvēka uzvedību [82], [83], kas balstījās uz baltās šķiedras šķiedras, kas iet caur iekšējo kapsulu [83], [84]. Tādējādi iekšējās kapsulas strukturālās novirzes var traucēt kognitīvo funkciju un pasliktināt izpildvaras un atmiņas funkcijas [85]. Kreisās PLIC nenormālā FA vērtība var ietekmēt sensorās informācijas pārsūtīšanu un apstrādi, kā arī beidzot izraisīt kognitīvās kontroles traucējumus. [86], [87]. Turklāt atkarība no interneta var izraisīt fiziskas diskomfortu vai medicīniskas problēmas, piemēram, karpālā kanāla sindromu, sausas acis, muguras sāpes un smagas galvassāpes. [88]-[90]. Kreisā PLIC nenormālā FA vērtība var izskaidrot karpālā kanāla sindromu IAD tēmās, kas nākotnē ir jāpārbauda ar sarežģītāku dizainu.

4.3 Mijiedarbība starp pelēkās vielas un balto vielu anomālijām

Mēs esam izpētījuši saistību starp pelēkās vielas un baltās vielas izmaiņām. Diemžēl starp šiem diviem pasākumiem nebija būtiskas korelācijas. Šī parādība liecināja, ka IAD morfoloģiskās izmaiņas uz smadzeņu pelēkās un baltās vielas nav būtiski lineāri saistītas. Pastāv iespēja, ka pelēkās vielas anomālijas citādi saistīja baltās vielas izmaiņas. Tomēr mūsu atklājumi parādīja, ka pusaudžiem ar IAD pelēkās vielas un baltās vielas struktūras īpašības bija patoloģiskas.

Pašreizējā pētījumā ir daži ierobežojumi. Pirmkārt, lai gan mūsu rezultāti ir parādījuši, ka pelēkās vielas un baltās vielas izmaiņas var būt pārmērīgas interneta lietošanas vai IAD sekas, mēs nevaram izslēgt vēl vienu iespēju, kas novērš strukturālās atšķirības starp parastajām kontrolēm un IAD, kas var būt iemesls pārmērīgai interneta izmantošanai. Šo ar kognitīvo kontroli saistīto smadzeņu reģionu patoloģiskās īpašības dažiem pusaudžiem padara tos salīdzinoši nenobriedušus un ļauj viņiem būt viegli atkarīgiem no interneta. Cēloņu un seku problēmas turpmākajā pētījumā jāizpēta ar visaptverošāku eksperimentālo plānu. Tomēr mēs ierosinājām, ka šī pētījuma atklājumi bija IAD sekas. Otrkārt, attiecībā uz saistību starp strukturālajām izmaiņām un IAD ilgumu IAD mēneši ir bruto raksturojums, atceroties IAD priekšmetus. Mēs lūdzām pētāmos atcerēties viņu dzīves stilu, kad viņi sākotnēji bija atkarīgi no interneta. Lai garantētu, ka viņi cieš no interneta atkarības, mēs viņus atkārtoti pārbaudījām ar YDQ kritērijiem, kurus modificēja Bārda un Vilks. Mēs arī apstiprinājām IAD subjektu pašpārskatu ticamību, runājot ar vecākiem pa tālruni. Smadzeņu strukturālās izmaiņas atbilstoši atkarības procesam var būt izšķirošākas slimības izpratnē, tāpēc tika veikta korelācija starp ilgumu un smadzeņu strukturālajiem pasākumiem. Šīs korelācijas liecināja, ka kumulatīvās sekas tika konstatētas labās DLPFC, labās SMA, kreisās rACC un pelēkās vielas FA samazinātajā pelēkās vielas daudzumā kreisajā PLIC. Visbeidzot, lai arī mēs ierosinājām, ka pelēkās vielas tilpuma un baltās vielas FA strukturālās novirzes bija saistītas ar funkcionāliem traucējumiem kognitīvajā kontrolē IAD, šī pētījuma lielākais ierobežojums ir kognitīvās kontroles deficīta kvantitatīvas norādes trūkums šajos pētījumos pusaudžiem ar IAD. Lai gan attiecības starp šīm strukturālajām anomālijām un interneta atkarības ilgumu tika pārbaudītas mūsu pašreizējā pētījumā, nākotnē joprojām ir nepieciešams detalizētāk izpētīt IAD pamatā esošo strukturālo anomāliju raksturu, kas ir kritisks, lai saprastu ietekmi IAD par ilgtermiņa darbību. Nākotnē mēs integrēsim šos strukturālos atklājumus ar kognitīvo uzdevumu uzvedības izpildi priekšmetos ar IAD. Kopumā FA izmaiņas un pelēkās vielas apjoma izmaiņas, kā parādīts šajā pētījumā, norādīja uz smadzeņu izmaiņām mikrostrukturālā līmenī, kas uzlaboja mūsu izpratni par IAD.

Secinājumi

Mēs sniedzām pierādījumus, kas liecināja, ka IAD subjektiem bija vairākas strukturālas izmaiņas smadzenēs. Dažu smadzeņu reģionu pelēkās vielas atrofija un baltās vielas FA izmaiņas būtiski korelēja ar interneta atkarības ilgumu. Šos rezultātus vismaz daļēji var interpretēt kā kognitīvās kontroles funkcionālo traucējumu IAD. Prefrontālās garozas novirzes bija līdzīgas iepriekšējām vielu ļaunprātīgas lietošanas pētījumiem [23], [48], [80], [81], tāpēc mēs iesakām, ka IAD un vielu lietošanā var būt daļēji pārklājas mehānismi. Mēs cerējām, ka mūsu rezultāti uzlabos mūsu izpratni par IAD un palīdzēs uzlabot IAD diagnostiku un profilaksi.

Pateicības tops

Mēs vēlētos pateikties Qin Ouyang, Qizhu Wu un Junran Zhang par vērtīgo tehnisko palīdzību šī pētījuma veikšanā.

Atsauces tops

1. Ernst M, Pine D, Hardin M (2006) Triadisks modelis motivētas uzvedības neirobioloģijā pusaudža gados. Psiholoģiskā medicīna 36: 299 – 312. Atrodiet šo rakstu tiešsaistē
2. Csikszentmihalyi M, Larson R, Prescott S (1977) Pusaudžu aktivitātes un pieredzes ekoloģija. Jauniešu un pusaudžu žurnāls 6: 281 – 294. Atrodiet šo rakstu tiešsaistē
3. Casey B, Tottenham N, Liston C, Durston S (2005) Attīstošās smadzeņu attēlveidošana: ko mēs esam uzzinājuši par kognitīvo attīstību? Kognitīvo zinātņu tendences 9: 104 – 110. Atrodiet šo rakstu tiešsaistē
4. Casey B, Galvan A, Hare T (2005) Izmaiņas smadzeņu funkcionālajā organizācijā kognitīvās attīstības laikā. Pašreizējais viedoklis neirobioloģijā 15: 239 – 244. Atrodiet šo rakstu tiešsaistē
5. Ernsts M, Nelsons E, Jazbecs S, McClure E, Monk C, et al. (2005) Amygdala un kodolkrāsas, reaģējot uz ieguvumiem un ieguvumiem pieaugušajiem un pusaudžiem. Neiroimage 25: 1279 – 1291. Atrodiet šo rakstu tiešsaistē
6. Maijs J, Delgado M, Dahl R, Stenger V, Ryan N, et al. (2004) Ar notikumiem saistīta funkcionāla magnētiskās rezonanses attēlveidošana ar smadzenēm saistītajās smadzeņu shēmās bērniem un pusaudžiem. Bioloģiskā psihiatrija 55: 359 – 366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et al. (2006) Agrāka akumbēnu attīstība saistībā ar orbitofrontālo garozu varētu būt pamatā riska uzņemšanās paradumiem pusaudžiem. Neiroloģijas žurnāls 26: 6885 – 6892. Atrodiet šo rakstu tiešsaistē
8. Steinberg L (2005) Kognitīvā un afektīvā attīstība pusaudža gados. Kognitīvo zinātņu tendences 9: 69 – 74. Atrodiet šo rakstu tiešsaistē
9. Pine D, Cohen P, Brook J (2001) Emocionāla reaktivitāte un psihopatoloģijas risks pusaudžiem. CNS spektri 6: 27 – 35. Atrodiet šo rakstu tiešsaistē
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Pusaudžu emocionālās un kognitīvās attīstības trajektorijas: dzimuma ietekme un narkotiku lietošanas risks. Ņujorkas Zinātņu akadēmijas Annals 1021: 363 – 370. Atrodiet šo rakstu tiešsaistē
11. Cao F, Su L, Liu T, Gao X (2007) Ķīniešu pusaudžu parauga attiecība starp impulsivitāti un interneta atkarību. Eiropas Psihiatrija 22: 466 – 471. Atrodiet šo rakstu tiešsaistē
12. Ko C, Yen J, Chen S, Yang M, Lin H, et al. (2009) Ierosinātie diagnostikas kritēriji un interneta atkarības skrīninga un diagnostikas instruments koledžu studentiem. Visaptveroša psihiatrija 50: 378 – 384. Atrodiet šo rakstu tiešsaistē
13. Flisher C (2010) Pievienošana: pārskats par interneta atkarību. Bērnu un bērnu veselības žurnāls 46: 557 – 559. Atrodiet šo rakstu tiešsaistē
14. Christakis D (2010) Interneta atkarība: 21 gadsimta epidēmija? BMC zāles 8: 61. Atrodiet šo rakstu tiešsaistē
15. Chou C, Condron L, Belland J (2005) Pētījums par interneta atkarību. Izglītības psiholoģijas apskats 17: 363 – 388. Atrodiet šo rakstu tiešsaistē
16. Young K (1998) Interneta atkarība: Jauna klīniskā traucējuma rašanās. Kiberpsiholoģija un uzvedība 1: 237–244. Atrodiet šo rakstu tiešsaistē
17. Morahan-Martin J, Schumacher P (2000) Patoloģiskā interneta lietošanas biežums un korelācija starp studentiem. Datori cilvēka uzvedībā 16: 13 – 29. Atrodiet šo rakstu tiešsaistē
18. Scherer K (1997) Koledžas dzīve tiešsaistē: veselīga un neveselīga interneta izmantošana. Koledžas studentu attīstības žurnāls 38: 655 – 665. Atrodiet šo rakstu tiešsaistē
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et al. (2009) Smadzeņu aktivitātes, kas saistītas ar spēļu atkarību no tiešsaistes spēļu atkarības. Psihiatrisko pētījumu žurnāls 43: 739 – 747. Atrodiet šo rakstu tiešsaistē
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Impulsu inhibīcija cilvēkiem ar interneta atkarības traucējumiem: elektrofizioloģiskie pierādījumi no Go / NoGo pētījuma. Neiroloģijas burti 485: 138 – 142. Atrodiet šo rakstu tiešsaistē
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2009) Pelēkās vielas traucējumi interneta atkarībā: vokseļa morfometrijas pētījums. Eiropas radioloģijas žurnāls. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jūnijs L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. (2010) Paaugstināts reģionālās homogēnums interneta atkarības traucējumā: atpūtas valsts funkcionālā magnētiskās rezonanses izpētes pētījums. Ķīniešu medicīnas žurnāls 123: 1904 – 1908. Atrodiet šo rakstu tiešsaistē
23. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Pelēkās vielas deficīts un miega stāvokļa novirzes hiperīna atkarīgajiem indivīdiem. Neiroloģijas burti 482: 101 – 105. Atrodiet šo rakstu tiešsaistē
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Mainītie mazās pasaules smadzeņu funkcionālie tīkli un heroīna lietošanas ilgums vīriešiem, kuri ir atkarīgi no heroīna atkarības. Neiroloģijas burti 477: 37 – 42. Atrodiet šo rakstu tiešsaistē
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et al. (2010) Telpiskās un laika informācijas apvienošana, lai izpētītu atpūtas valstu tīklus mainīgajos heroīna atkarīgajos indivīdos. Neiroloģijas burti 475: 20 – 24. Atrodiet šo rakstu tiešsaistē
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et al. (2009) Disfunkcionāli savienojumu modeļi hronisko hronīnu lietotājiem: fMRI pētījums. Neiroloģijas burti 460: 72 – 77. Atrodiet šo rakstu tiešsaistē
27. Volkow N, Fowler J, Wang G (2003) Atkarīgā cilvēka smadzenes: ieskats no attēlveidošanas pētījumiem. Klīniskās izpētes žurnāls 111: 1444 – 1451. Atrodiet šo rakstu tiešsaistē
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et al. (2010) Lēmumu pieņemšanas īpašības, risks uzņemties risku un koledžas studentu personība ar interneta atkarību. Psihiatrijas pētījumi 175: 121 – 125. Atrodiet šo rakstu tiešsaistē
29. Bārda K, Vilks E (2001) Ierosināto interneta atkarības diagnostikas kritēriju modifikācija. Kiberpsiholoģija un uzvedība 4: 377–383. Atrodiet šo rakstu tiešsaistē
30. Ashburner J, Friston K (2000) Voksela bāzes morfometrija - metodes. Neiroimage 11: 805 – 821. Atrodiet šo rakstu tiešsaistē
31. Good C, Johnsrude I, Ashburner J, Henson R, Fristen K, et al. (2001) Vokseļa morfometriskais pētījums par 465 normālu pieaugušo cilvēka smadzeņu novecošanos. Neiroimage 14: 21 – 36. Atrodiet šo rakstu tiešsaistē
32. Smith S, Jenkinson M, Woolrich M, Beckmann C, Behrens T, et al. (2004) Uzlabo funkcionālo un strukturālo MR attēlu analīzi un ieviešanu kā FSL. Neiroimage 23: 208 – 219. Atrodiet šo rakstu tiešsaistē
33. Smith S (2002) Ātra spēcīga automatizēta smadzeņu ieguve. Cilvēka smadzeņu kartēšana 17: 143 – 155. Atrodiet šo rakstu tiešsaistē
34. Zhang Y, Brady M, Smith S (2001) Smadzeņu MR attēlu segmentēšana, izmantojot slēpto Markova izlases lauka modeli un gaidīšanas-maksimizācijas algoritmu. IEEE darījumi medicīniskajā attēlveidošanā 20: 45 – 57. Atrodiet šo rakstu tiešsaistē
35. Jenkinson M, Smith S (2001) Globāla optimizācijas metode smadzeņu attēlu spēcīgai reģistrēšanai. Medicīnas attēlu analīze 5: 143 – 156. Atrodiet šo rakstu tiešsaistē
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Pilnveidota optimāla smadzeņu attēlu lineāra reģistrācija un kustības korekcija. Neiroimage 17: 825 – 841. Atrodiet šo rakstu tiešsaistē
37. Andersson J, Jenkinson M, Smith S (2007) Nelineārā optimizācija. FMRIB analīzes grupas tehniskie ziņojumi: no TR07JA02 www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Nelineārā reģistrācija, pazīstama arī kā telpiskā normalizācija. FMRIB analīzes grupas tehniskie ziņojumi: no TR07JA02 www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et al. (2002) Nerūsīga reģistrācija, izmantojot brīvas formas deformācijas: pielietošana krūšu MR attēliem. IEEE darījumi medicīniskajā attēlveidošanā 18: 712 – 721. Atrodiet šo rakstu tiešsaistē
40. Nichols T, Holmes A (2002) Neparametriskas permutācijas pārbaudes funkcionālai neirotogrāfijai: primer ar piemēriem. Cilvēka smadzeņu kartēšana 15: 1 – 25. Atrodiet šo rakstu tiešsaistē
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) prekursors vai Sequela: patoloģiski traucējumi cilvēkiem ar interneta atkarības traucējumiem. PloS one 6: 306 – 307. Atrodiet šo rakstu tiešsaistē
42. Beaulieu C (2002) Anizotropas ūdens difūzijas pamats nervu sistēmā - tehniskais pārskats. NMR biomedicīnā 15: 435 – 455. Atrodiet šo rakstu tiešsaistē
43. Smith S, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols T, et al. (2006) Teritorijas statistika, kas balstīta uz traktu: daudzfunkciju difūzijas datu vokseļu analīze. Neiroimage 31: 1487 – 1505. Atrodiet šo rakstu tiešsaistē
44. Smith S, Johansen-Berg H, Jenkinson M, Rueckert D, Nichols T, et al. (2007) Daudznozaru difūzijas datu iegūšana un vokseļu analīze ar trakta telpisko statistiku. Dabas protokoli 2: 499 – 503. Atrodiet šo rakstu tiešsaistē
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Cukulē hipoaktivitāti kokaīna lietotājiem, veicot GO-NOGO uzdevumu, ko atklāj ar notikumiem saistītā funkcionālā magnētiskā rezonanse. Neiroloģijas žurnāls 23: 7839 – 7843. Atrodiet šo rakstu tiešsaistē
46. Li C, Sinha R (2008) Inhibitora kontrole un emocionālā stresa regulēšana: Neiro-attēlveidošanas pierādījumi par frontālās-limbiskās disfunkcijas psiho-stimulantu atkarību. Neirozinātnes un bioloģiskās uzvedības apskats 32: 581–597. Atrodiet šo rakstu tiešsaistē
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Konfliktu uzraudzība un kognitīvā kontrole. Psiholoģiskais pārskats 108: 624 – 652. Atrodiet šo rakstu tiešsaistē
48. Krawczyk D (2002) Prefrontālās garozas ieguldījums cilvēka lēmumu pieņemšanas nervu bāzē. Neirozinātnes un bioloģiskās uzvedības apskats 26: 631–664. Atrodiet šo rakstu tiešsaistē
49. Wilson S, Sayette M, Fiez J (2004) Prefrontal atbildes uz narkotiku norādēm: neirokognitīvā analīze. Nature Neuroscience 7: 211 – 214. Atrodiet šo rakstu tiešsaistē
50. Bārddzini A, Carter C (2005) Kognitīvā kontrole, kas iesaistīta priekšstatu reakcijas tendenču pārvarēšanā un pārejā starp uzdevumiem. Smadzeņu Cortex 15: 899 – 912. Atrodiet šo rakstu tiešsaistē
51. MacDonald A, Cohen J, Stenger V, Carter C (2000) Dorsolaterālās prefrontālās un priekšējās cingulārās garozas sadalīšana kognitīvajā kontrolē. Zinātne 288: 1835 – 1838. Atrodiet šo rakstu tiešsaistē
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Konfliktu uzraudzība, salīdzinot ar izvēli, kas paredzēta darbībai priekšējā cingulārā garozā. Daba 402: 179 – 180. Atrodiet šo rakstu tiešsaistē
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Dorsolateral prefrontal cortex and Stroop performance: Cīņa pret lateralizāciju. Psihonomiskais biļetens un pārskats 16: 609–612. Atrodiet šo rakstu tiešsaistē
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T et al. (2004) Opiātu narkomāniem trūkst kļūdas atkarīgas rostrālās priekšējās cingulācijas aktivizēšanas. Bioloģiskā psihiatrija 55: 531 – 537. Atrodiet šo rakstu tiešsaistē
55. Fu L, Bi G, Zou Z, Wang Y, Ye E, et al. (2008) traucēta atbildes reakcijas inhibīcija abstinentos heroīna apgādībā: fMRI pētījums. Neiroloģijas burti 438: 322 – 326. Atrodiet šo rakstu tiešsaistē
56. Rolls E (2000) Orbitofrontālā garoza un atlīdzība. Smadzeņu Cortex 10: 284 – 294. Atrodiet šo rakstu tiešsaistē
57. Groenewegen H, Uylings H (2000) prefrontālā garoza un sensorās, limbiskās un autonomās informācijas integrācija. Progress smadzeņu pētniecībā 126: 3 – 28. Atrodiet šo rakstu tiešsaistē
58. Balleine B, Dickinson A (1998) Mērķtiecīga instrumentālā darbība: neparedzēta un stimulējoša mācīšanās un to kortikālo substrātu izmantošana. Neirofarmakoloģija 37: 407 – 419. Atrodiet šo rakstu tiešsaistē
59. Simmonds D, Pekar J, Mostofsky S (2008) Go / No-go uzdevumu meta analīze, kas parāda, ka fMRI aktivācija, kas saistīta ar reakcijas inhibīciju, ir atkarīga no uzdevuma. Neuropsychologia 46: 224 – 232. Atrodiet šo rakstu tiešsaistē
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Attēlveidošanas reakcijas inhibīcija stop-signāla uzdevumā: neironu korelē neatkarīgi no signāla uzraudzības un pēcreakcijas apstrādes. Neiroloģijas žurnāls 26: 186 – 192. Atrodiet šo rakstu tiešsaistē
61. Raymond J, Lisberger S, Mauk M (1996) Smadzenes: neironu mācīšanās mašīna? Zinātne 272: 1126 – 1131. Atrodiet šo rakstu tiešsaistē
62. Schmahmann J, Sherman J (1998) Smadzeņu kognitīvais afektīvais sindroms. Brain 121: 561 – 579. Atrodiet šo rakstu tiešsaistē
63. Desmond J (2001) Smadzeņu iesaiste kognitīvajā funkcijā: pierādījumi no neirolācijas. Psihiatrijas starptautiskais pārskats 13: 283 – 294. Atrodiet šo rakstu tiešsaistē
64. Heyder K, Suchan B, Daum I (2004) Cortico-subortical iemaksas izpildvaras kontrolē. Acta Psychologica 115: 271 – 289. Atrodiet šo rakstu tiešsaistē
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et al. (1998) Atmiņu veidošana: verbālās pieredzes atcerēšanās un aizmirstība, kā to paredz smadzeņu darbība. Zinātne 281: 1188 – 1191. Atrodiet šo rakstu tiešsaistē
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Atmiņas kodēšanas un izguves pētījumi PET pētījumos. Smadzeņu Cortex 6: 71 – 79. Atrodiet šo rakstu tiešsaistē
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et al. (2004) Cilvēka parahipokampālā gyrus savienojumu neinvazīva in vivo demonstrēšana. Neiroimage 22: 740 – 747. Atrodiet šo rakstu tiešsaistē
68. BURWELL R (2000) Parahipokampālais reģions: kortikoskortikālais savienojums. Ņujorkas Zinātņu akadēmijas Annals 911: 25 – 42. Atrodiet šo rakstu tiešsaistē
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J, et al. (2010) Balto vielu integritātes izmaiņas pirmajā epizodē, ārstējot nezināmus jaunus pieaugušos ar smagu depresijas traucējumu: Telpu statistikas pētījums. Smadzeņu izpēte 1396: 223 – 229. Atrodiet šo rakstu tiešsaistē
70. Luck D, Danion J, Marrer C, Pham B, Gounot D, et al. (2010) Pareizā parahippokampālā gyrus veicina saistītās informācijas veidošanos un uzturēšanu darba atmiņā. Smadzenes un izziņas 72: 255 – 263. Atrodiet šo rakstu tiešsaistē
71. Engle R, Kane M (2003) Vadītāja uzmanība, darba atmiņas ietilpība un divfaktoru kognitīvās kontroles teorija. Mācīšanās un motivācijas psiholoģija 44: 145 – 199. Atrodiet šo rakstu tiešsaistē
72. Jūnijs L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. Paaugstināts reģionālās homogēnums interneta atkarības traucējumos: atpūtas valsts funkcionālā magnētiskās rezonanses pētījums. Ķīniešu medicīnas žurnāls 123: 1904 – 1908. Atrodiet šo rakstu tiešsaistē
73. Vecāks A, Galdnieks M (1996) Galdnieka cilvēka neiroanatomija: Viljamss un Vilkinss.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) cilvēka baltās vielas atlases anatomija1. Radioloģija 230: 77 – 87. Atrodiet šo rakstu tiešsaistē
75. Andersen R, Knight P, Merzenich M (1980) AI, AII un anteriālās dzirdes lauka (AFF) talamokortikālās un kortikočamās sakarības kaķī: pierādījumi par divām lielākoties saistītām savienojumu sistēmām. Salīdzinošās neiroloģijas žurnāls 194: 663 – 701. Atrodiet šo rakstu tiešsaistē
76. Winer J, Diehl J, Larue D (2001) Dzirdes garozas projekcijas uz kaķa mediālo ķermeni. Salīdzinošās neiroloģijas žurnāls 430: 27 – 55. Atrodiet šo rakstu tiešsaistē
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Primārā motora garozas iesaistīšana motora attēlos: neiromagnētiskais pētījums. Neiroimage 6: 201 – 208. Atrodiet šo rakstu tiešsaistē
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Gan primārajam motora garozam, gan papildu motora zonai ir liela nozīme sarežģītā pirkstu kustībā. Brain 116: 1387 – 1398. Atrodiet šo rakstu tiešsaistē
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neiroplastiskums: treniņu izraisītās pelēkās vielas izmaiņas. Daba 427: 311 – 312. Atrodiet šo rakstu tiešsaistē
80. Boyke J, Driemeyer J, Gaser C, Buchel C, maijs A (2008) Apmācības izraisītas smadzeņu struktūras izmaiņas gados vecākiem cilvēkiem. Neiroloģijas žurnāls 28: 7031 – 7035. Atrodiet šo rakstu tiešsaistē
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) Apmācība izraisa izmaiņas balto vielu arhitektūrā. Nature Neuroscience 12: 1370 – 1371. Atrodiet šo rakstu tiešsaistē
82. Cumings JL (1993) Frontālās-subortikālās ķēdes un cilvēka uzvedība. Neiroloģijas arhīvs 50: 873 – 880. Atrodiet šo rakstu tiešsaistē
83. Cummings JL (1995) Frontālās-subkortikālās Circuitsa anatomiskās un uzvedības aspekti. Ņujorkas Zinātņu akadēmijas Annals 769: 1 – 14. Atrodiet šo rakstu tiešsaistē
84. Albin RL, Young AB, Penney JB (1989) Bazālo gangliju traucējumu funkcionālā anatomija. Tendences neirozinātnēs 12: 366 – 375. Atrodiet šo rakstu tiešsaistē
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et al. (2010) Šizofrēnijas iekšējās kapsulas priekšējās daļas difūzijas tenzora attēlveidošanas pētījums. Psihiatrijas pētījumi 184: 143 – 150. Atrodiet šo rakstu tiešsaistē
86. Werring D, Clark C, Barker G, Miller D, Parker G un citi. (1998) Motora atveseļošanās strukturālie un funkcionālie mehānismi: difūzijas tenzora un funkcionālās magnētiskās rezonanses attēlveidošanas papildu izmantošana iekšējās kapsulas traumatiskā bojājumā. Neiroloģijas, neiroķirurģijas un psihiatrijas žurnāls 65: 863–869. Atrodiet šo rakstu tiešsaistē
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R et al. (2008) Mikrostruktūras balto vielu bojājumu apjoms pēckonflikta sindromā korelē ar traucētu kognitīvās reakcijas laiku: 3T difūzijas tenzora attēlveidošanas pētījums par vieglu traumatisku smadzeņu traumu. American Journal of Neuroradiology 29: 967 – 973. Atrodiet šo rakstu tiešsaistē
88. Young K (1999) Interneta atkarība: simptomi, novērtēšana un ārstēšana. Inovācijas klīniskajā praksē: avota grāmata 17: 19 – 31. Atrodiet šo rakstu tiešsaistē
89. Bārda K (2005) Interneta atkarība: pašreizējo novērtēšanas metožu un iespējamo novērtēšanas jautājumu pārskats. Kiberpsiholoģija un uzvedība 8: 7–14. Atrodiet šo rakstu tiešsaistē
90. Culver J, Gerr F, Frumkin H (1997) Medicīniskā informācija internetā. Vispārējās iekšējās medicīnas žurnāls 12: 466 – 470.