Снижение функциональной связи мозга у подростков с интернет-зависимостью (2013)

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

Hong SB, Залесский А., Cocchi L, Fornito A, Choi EJ, Ким Х.Х., Suh JE, Ким CD, Kim JW, Yi SH.

Источник

Мельбурнский центр нейропсихиатрии, отделение психиатрии, Мельбурнский университет и Мельбурнское здоровье, Парквилл, Виктория, Австралия; Флориский институт неврологии и психического здоровья, Парквилл, Виктория, Австралия; Отделение детской и подростковой психиатрии, отделение психиатрии, Колледж медицины, Сеульский национальный университет, Сеул, Республика Корея.

Абстрактные

ЗАДНИЙ ПЛАН:

Интернет наркомания становится все более признанным психическим расстройством, хотя его нейробиологическая основа неизвестна. В этом исследовании использовалась функциональная нейровизуализация для исследования функциональной связности цельного мозга у подростков с диагнозом интернет наркомания, Основываясь на нейробиологических изменениях, наблюдаемых в других наркомания было предсказано, что нарушения связи у подростков с интернет наркомания будет наиболее заметным в кортико-полосатой схеме.

МЕТОДЫ:

Участниками были подростки 12 с диагнозом интернет наркомания и 11 здоровых предметов сравнения. Были получены изображения функционального магнитного резонанса в состоянии покоя, а групповые различия в функциональной связности головного мозга были проанализированы с использованием статистики на основе сети. Мы также проанализировали топологию сети, проверили различия между группами в основных сетевых сетях.

РЕЗУЛЬТАТЫ:

Подростки с интернет наркомания показало снижение функциональной связности, охватывающей распределенную сеть. Большинство нарушенных связей включали кортико-подкорковые цепи (~24% с префронтальной и ~27% с теменной корой). Двусторонний путамен был наиболее широко вовлеченным подкорковым участком мозга, В сетевых топологических мерах не наблюдалось разницы между группами, включая коэффициент кластеризации, характерную длину пути или коэффициент малости.

ВЫВОДЫ:

Интернет наркомания связано с широким и значительным снижением функциональной связности в кортико-полосатых цепях при отсутствии глобальных изменений топологии функциональной сети головного мозга.

Образец цитирования: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Снижение функциональных возможностей мозга у подростков с интернет-зависимостью. PLOS ONE 8 (2): e57831. DOI: 10.1371 / journal.pone.0057831

Редактор: Xi-Nian Zuo, Институт психологии, Китайская академия наук, Китай

Получено: Октябрь 1, 2012; Принято: Январь 26, 2013; Опубликовано: 25 февраля 2013

Авторское право: © 2013 Hong и др. Это статья с открытым доступом, распространяемая в соответствии с лицензией Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что оригинал автора и источник зачисляются.

Финансирование: Эта работа была поддержана Исследовательским фондом Программы исследований мозга мозга в Сеуле. SBH был поддержан Национальным исследовательским фондом корейского гранта (Global Internship Program), финансируемого правительством Кореи. AF поддержал Национальный совет по здравоохранению и медицинским исследованиям CJ Martin Fellowship (ID: 454797). Финансисты не играли никакой роли в разработке исследований, сборе и анализе данных, решении опубликовать или подготовить рукопись.

Конкурирующие интересы: Авторы заявили, что не существует никаких конкурирующих интересов.

 

Введение

Интернет-зависимость все чаще признается как общественностью, так и научным сообществом во всем мире [1], хотя это относительно новое состояние, и его психопатологические характеристики и нейробиологические механизмы остаются недостаточно изученными. Недавние исследования нейровизуализации сообщили о значительных изменениях в функции и структуре мозга, связанных с интернет-зависимостью. В большинстве этих исследований использовалась функциональная магнитно-резонансная томография (МРТ), выполняемая во время задач, и включала лобные и полосатые области и, в меньшей степени, теменную и изоляционную кору [2]–[5], Кроме того, используя позитронно-эмиссионную томографию (ПЭТ), Ким и др. (2011) обнаружили снижение доступности рецептора дофамина D2 в двусторонних хвостатых и правильных путаменах [6], и Hou et al. (2012) с использованием однофотонной эмиссионной компьютерной томографии (ОФЭКТ) обнаружено снижение уровня экспрессии транслокаторов трансатриола у взрослых с использованием интернет-зависимости [7], Эти данные согласуются с современными теоретическими моделями расстройств зависимости, включающими не только аддитивную зависимость, но и поведенческую зависимость (например, патологическую азартную игру), которые подчеркивают патологию фронтальной полосатой цепи [8], а также изолят [9], [10], Структурные исследования МРТ Zhou et al. (2011) и Yuan et al. (2011) вместе предложили аномалии серого вещества в областях мозга, включая префронтальную кору [11], [12], и исследование диффузионно-тензорного изображения Lin et al. (2012) сообщили о распространенных аномалиях белого вещества у подростков с интернет-зависимостью [13], Наконец, Liu et al. (2010) обнаружили измененную региональную однородность в интернет-зависимости [14], что, насколько нам известно, единственное обнаружение FMRI покоящегося состояния в литературе относительно этого расстройства [15], Авторы исследовали временную однородность сигнала-зависимого уровня кислорода (BOLD) каждого воксела с точностью до ближайших соседних вокселов 26 по воксельным способом.

FMRI состояния покоя является относительно новым методом визуализации для исследования межрегиональных корреляций спонтанной активности мозга, записывается как кто-то тихо лежит в сканере, не занимаясь конкретной задачей [16], Этот подход обеспечивает надежный метод отображения четко определенных функциональных систем [17], [18], Меры по сохранению являются надежными [19], [20], под генетическим контролем [21]–[23], и считал, что индексирует внутреннее свойство функциональной организации мозга [24], с учетом определенных оговорок [25], В сочетании с теоретико-графовыми методами покоящееся состояние fMRI предлагает мощное средство для исследования крупномасштабной организации функциональной динамики мозга и ее нарушения в психопатологических условиях [26].

В этом исследовании мы использовали данные FMRI состояния покоя для сопоставления различий в функциональной связности между полным набором 90 различных кортикальных и подкорковых областей мозга у здоровых людей и подростков с интернет-зависимостью, в которых особое внимание уделялось лицам, занимающимся чрезмерными онлайн-играми среди предлагаемых подтипов этого расстройства [27], Мы также провели анализ сетевых топологических нарушений [28] для оценки того, были ли какие-либо межгрупповые различия в силе связи еще более связаны с глобальной реконфигурацией функциональных взаимодействий [26], как сообщалось во многих других психических расстройствах [29], [30].

Основываясь на предыдущих структурных и функциональных результатах нейровизуализации в интернет-зависимости [3], [4], [6], [7], [15], наряду с установленными теоретическими моделями расстройств зависимости от наркотической зависимости [8], [9], мы предположили, что подростки с интернет-зависимостью продемонстрируют измененную межрегиональную связь между лобными и полосатыми регионами с возможным дальнейшим вовлечением теменной коры и инсулы.

 

Материалы и методы

Заявление о этике

Это исследование было одобрено институциональной комиссией по обзору для людей в Сеульском национальном университете. Все подростки и их родители предоставили письменное информированное согласие до начала учебы. Исследование проводилось в соответствии с Хельсинкской декларацией.

Участниками

Двенадцать правых мужчин-подростков с интернет-зависимостью и 11 с правой и гендерной связью [31] в этом исследовании приняли участие здоровые органы управления. Диагностика интернет-зависимости была установлена ​​с использованием шкалы Young Internet Addiction Scale (YIAS), которая состоит из элементов 20, каждая из которых основана на шкале Likert 5, оценивая степень проблем, вызванных использованием Интернета [32], и Kiddie-Schedule для аффективных расстройств и шизофрении - настоящая и пожизненная версия (K-SADS-PL), полуструктурированный инструмент диагностического интервью с установленной достоверностью и надежностью, который позволил нам исключить другие психические расстройства [33], [34], Участники с интернет-зависимостью были ограничены тем, кто сообщал, что испытывали типичные компоненты зависимости (толерантность, уход, озабоченность игрой в онлайн-игры, неоднократные неудачные попытки уменьшить или остановить онлайн-игры, негативно повлиять на настроение при попытке уменьшить онлайн-игры и игнорируя важные отношения или действия из-за онлайн-игр) [35], [36], Все участники с интернет-зависимостью сообщили о чрезмерных онлайн-играх среди предлагаемых подтипов этого расстройства. Те же инструменты применялись при наборе здоровых подростков. Также оценивалась демографическая информация и коэффициент интеллекта (IQ) всех участников (см. Таблица 1).

миниатюрами
Скачать: 

 

Таблица 1. Демографические и клинические характеристики участников.

DOI: 10.1371 / journal.pone.0057831.t001

Сбор данных и обработка изображений

Изображения fMRI состояния покоя были получены на сканере 3T Siemens (Siemens Magnetom Trio Tim Syngo MR B17, Германия) со следующими параметрами: время повторения (TR) 2700 ms; echo time (TE) 30 ms; матрица получения 64 × 64; поле зрения (FOV) 192 × 192 мм2; угол поворота 90 °; voxel размер 3.0 мм × 3.0 мм × 3.0 мм; срезы 40. Общее время приобретения - 6 min 45 сек. Использовалась головная катушка, и движение головы было сведено к минимуму, заполнив пустое пространство вокруг головы губчатым материалом и зафиксировав нижнюю челюсть лентой.

Предварительная обработка изображений fMRI проводилась с использованием Ассистента обработки данных для FMRI состояния покоя (DPARSF) [37], который основан на статистическом параметрическом картографировании (SPM8) и наборе инструментов анализа данных FMRI для отдыха (REST). Первые изображения 5 в каждом объекте были отброшены, а оставшиеся изображения 145 были скорректированы для синхронизации фрагментов и сведены к первому тому для исправления артефактов движения. Все участники показали меньше 0.5 мм смещения и 0.5 ° вращения в своих параметрах движения головы 6. Кроме того, эти две группы существенно не отличались (p<0.05) в четырех параметрах движения головы, недавно предложенных Van Dijk et al. [38]: т.е., среднее смещение головы (интернет-зависимость: 0.04 ± 0.01 мм, контроль: 0.04 ± 0.01 мм), максимальное смещение головы (интернет-зависимость: 0.18 ± 0.14 мм, контроль: 0.17 ± 0.07 мм), количество микро (> 0.1 мм ) движения (не более 2 для всех участников, за исключением двух человек в группе интернет-зависимости, имеющей 5 и 6 микродвижений) и вращение головы (интернет-зависимость: 0.04 ± 0.01 °, контроль: 0.04 ± 0.00 °). Перед пространственной нормализацией был создан соответствующий возрасту и полу шаблон мозга на основе данных исследования нормального развития мозга NIH MRI с использованием Template-O-Matic. [39], Наши fMRI-изображения были нормализованы с использованием этого настраиваемого шаблона и сглажены полумаксимальным гауссовым ядром шириной 6 мм. Затем данные были отфильтрованы, а низкочастотные флуктуации (0.01-0.08 Гц) были отфильтрованы для обнаружения сигналов из серого вещества и уменьшения эффекта шума. Шесть параметров движения головы, сигналы белого вещества и сигналы спинномозговой жидкости были отброшены из отфильтрованного сигнала BOLD. Наконец, остатки этой регрессии были извлечены из областей мозга (узлов) 90 на основе атласа автоматизированной анатомической маркировки (AAL) [40], и были рассчитаны попарные ассоциации, что дало матрицу связи 90 на 90 для каждого субъекта. Коэффициент корреляции Пирсона (нулевое отставание) использовался для количественной оценки каждой попарной ассоциации. Обратите внимание, что глобальный сигнал не был включен в качестве мешающей ковариаты, что гарантирует минимальную долю отрицательных корреляций.

Анализ данных

Сетевая статистика (NBS) [41], [42] был использован для определения региональных сетей мозга, демонстрирующих значительную межгрупповую разницу в межрегиональных функциональных связях. В частности, был выполнен t-тест для проверки разницы между группами в коэффициенте корреляции на каждом из уникальных региональных пар 90 × (90-1) / 2 = 4005. Связанные сети, официально известные как графовые компоненты, были затем идентифицированы среди связей с t-статистикой, превышающей порог t = 3.0. Для размера каждого результирующего компонента была рассчитана коррекционная величина p-value для семьи (FWE) с использованием тестирования перестановки (перестановки 20000). Каждая перестановка включала случайную перетасовку групповых меток и определение размера крупнейших взаимосвязанной сети, что дает эмпирическое нулевое распределение максимальных размеров компонентов [43]. Значение p с поправкой на FWE оценивалось для каждой взаимосвязанной сети как доля перестановок, в результате которых была получена более крупная взаимосвязанная сеть или сеть равного размера. Две альтернативные гипотезы (зависимость> контроль и зависимость <контроль) оценивались независимо. Все эти шаги были выполнены с помощью программного пакета NBS, который свободно распространяется как часть Brain Connectivity Toolbox (http://www.brain-connectivity-toolbox.net/) или NITRC (http://www.nitrc.org/projects/nbs/). Оценить воспроизводимость любых значительных результатов для альтернативных атласов [44], вышеуказанный анализ повторяли отдельно с атласом AAL, замещенным двумя альтернативными атласами для парсерации коры в неперекрывающиеся области; а именно структурный атлас Монреальского неврологического института (МНИ) (http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html) и случайную парселляцию, содержащую области 120 [45], Атлас MNI представляет собой грубую парселлацию, представляющую восемь анатомических областей в полушарии головного мозга, тем самым облегчая характеристику межлебарной связи.

Затем мы проверили различия между группами в ключевых сетевых методах на основе графа [28]; а именно, средний коэффициент кластеризации, характерная длина пути и коэффициент малости. Интерпретация этих мер с точки зрения сложности и организации мозга может быть найдена в недавней литературе [26], [30], [46]–[49], Матрицы связности были сначала бинаризованы относительно набора фиксированных плотностей соединения, от 10% до 30% [28], Сетевые меры рассчитывались при каждой плотности с использованием соответствующей функции, предусмотренной в панели инструментов Brain Connectivity Toolbox. Коэффициент кластеризации и длина характерного пути были нормированы относительно ансамбля случайных сетей 20, сгенерированных с использованием алгоритма перемотки Маслова-Снеппена [50], Между двумя группами были оценены различия в каждой плотности с использованием двухстороннего t-теста.

Наконец, коэффициент кластеризации и длина пути вычислялись локально для каждой из областей 90. Двухсторонний t-тест также использовался для проверки различий между группами в этих мерах, специфичных для региона. Скорость ложного обнаружения (FDR) [51] был использован для коррекции множественных сравнений по семейству плотностей и регионов сети.

 

Итоги

Характеристики участника

Все участники были правшами. Не было обнаружено существенной разницы в возрасте и IQ между двумя группами, а показатель YIAS был значительно выше в группе интернет-зависимостей (Таблица 1).

Групповые различия в функциональных связях

NBS определил одну сеть, показывающую значительно (p<0.05, скорректировано FWE) снижение возможности подключения у подростков с интернет-зависимостью по сравнению с контрольной группой. Эта затронутая сеть включала 59 звеньев, включающих 38 различных областей мозга (Рисунок 1). Сеть была широко реплицирована, когда атлас AAL был заменен двумя альтернативными атласами для парсерации коры в непересекающиеся области (см. Рисунок S1). Несмотря на значительные различия в общем числе регионов, входящих в эти атласы (AAL: 90, MNI: 16, random: 120), замечательная последовательность была очевидна в общей структуре сети. Ожидается, что размер сети увеличится с разрешением атласа (т. Е. Общее количество регионов), что приведет к более сложной конфигурации. Однако кортикальные и субкортикальные области (и соответствующие лепестки) были широко распространены по трем атласам. Цифры были визуализированы с помощью BrainNet Viewer (http://www.nitrc.org/projects/bnv/).

миниатюрами
Скачать: 

Рисунок 1. Сеть снижения функциональной связи мозга у подростков с интернет-зависимостью.

Красные точки представляют собой стереотаксические центроиды областей мозга (узлы), определяемые атласом автоматизированной анатомической маркировки (AAL), а синие линии представляют собой надпороговые связи (t = 3.0), включающие затронутую сеть, идентифицированную с помощью статистических данных по сети (NBS) (p<0.05, с покомпонентной коррекцией). Осевой вид иллюстрирует участие межполушарных связей (то есть соединений, пересекающихся между правым и левым полушариями). Сагиттальный вид показывает вовлечение лобных, височных и теменных долей в пораженную сеть.

DOI: 10.1371 / journal.pone.0057831.g001

Следуя Fornito et al. [52], Области AAL были классифицированы в соответствующие основные доли (например, лобные, временные, теменные), а доля соединений, связывающих эти крупномасштабные деления, была определена количественно для каждой пары долей. Было обнаружено, что были затронуты связанные с фронто-височно-париетальными соединениями, но затылочная доля не была включена в затронутую сеть. Большинство соединений, которые были уменьшены в группе интернет-зависимостей, включали связи между подкорковыми областями и лобной (~ 24%) и теменной (~ 27%) корой (Рисунок 2). Чтобы лучше понять, какие подкорковые области могут способствовать этому нахождению, мы исследовали связь между каждой кортикальной долей и каждой подкорковой областью отдельно в сети NBS (Рисунок S2). Этот анализ показал, что подкорковые области включали гиппокамп, globus pallidus и putamen. Амигдала и хвостатодное ядро ​​не были включены в затронутую сеть. Двусторонний путамен был наиболее широко вовлеченным подкорковым регионом, демонстрируя снижение связей со всеми тремя основными церебральными лопастями. Этот образец был реплицирован с использованием атласа MNI, из которого полученная сеть включала только putamen и insula, в дополнение к лобным, теменной и височным долям; хвостовое ядро ​​и затылочная доля не были включены в затронутую сеть.

миниатюрами
Скачать:  

 

Рисунок 2. Пропорция связей, затронутых интернет-зависимостью, связывающая отдельные пары широких мозговых отделов.

Число связей, связанных с каждой парой делений, нормируется общим числом парных ссылок. Следует отметить, что гиппокамп, globus pallidus и putamen были отнесены к подкорковой категории, а передняя извилистая извилина была отнесена к лобовой категории. Амигдала и хвостатое ядро ​​не были включены в разрушенную сеть, и поэтому не было необходимости назначать эти области лепестку. Путамен, на двусторонней основе, был наиболее широко вовлеченным подкорковым регионом, демонстрируя снижение связей со всеми тремя главными церебральными лопастями.

DOI: 10.1371 / journal.pone.0057831.g002

Мы не идентифицировали сеть с повышенной связностью в группе интернет-зависимостей. Не было обнаружено существенной корреляции между функциональной связностью в идентифицированной сети и оценкой YIAS, либо в группе интернет-зависимостей, либо в контроле.

Групповые различия в топологии сети

Между средним коэффициентом кластеризации, характеристической длиной пути или коэффициентом малой плотности в любой исследуемой плотности сети не было отмечено различий между группами.p<0.05, с поправкой на FDR) (Рисунок 3). Кроме того, не было различий между группами в соответствующих локальных (зависящих от региона) мерах, сохранивших коррекцию FDR для множественных сравнений. Применение менее строгой ложной положительной коррекции p<(1/90) = 0.011 [53] для изучения эффектов уровня тренда были получены различия между группами в локальном коэффициенте кластеризации и локальная длина пути, появляющаяся преимущественно в затылочных долях (Таблицы S1 и S2).

миниатюрами
Скачать: 

 

Рисунок 3. Малые параметры функциональной связи мозга у подростков с интернет-зависимостью.

DOI: 10.1371 / journal.pone.0057831.g003

 

 

Обсуждение

Доказательства снижения функциональной связи мозга были обнаружены у подростков с интернет-зависимостью. В соответствии с современными моделями, подчеркивающими роль кортико-подкорковой патологии в зависимости от [54], 24% соединений в измененной сети, дифференцирующих зависимых индивидуумов и здорового контроля, включали связи между лобной и подкорковой областями. Дополнительные связанные с 27% подкорковые и париетальные области с более ограниченными доказательствами участия инсулы снова согласуются с недавними доказательствами участия этих регионов в зависимости. Обратите внимание, что наш анализ обеспечивает строгий тест на кортико-подкорковые модели зависимости, поскольку он включает в себя меры по сопряженной функциональной связности между различными областями 90, распределенными по всему мозгу. Тот факт, что кортико-подкорковые системы возникли как заметная патология, используя этот полностью управляемый данными анализ, обеспечивает сильную поддержку участия этих систем в интернет-зависимости. Более того, наши данные показывают, что интернет-зависимость делится на нейробиологические характеристики, как и другие аддиктивные расстройства, и что подкорковые области, в частности, могут представлять собой основные участки патологии сети мозга. Важным примечанием является мнение Национального института по злоупотреблению наркотиками о том, что поведенческая зависимость может быть относительно чистыми образцами зависимости, принимая во внимание, что эти условия не загрязнены действием веществ [55]. В то время как изучение многих других расстройств зависимости неизменно смешивается с побочными токсическими последствиями злоупотребления психоактивными веществами, интернет-зависимость диагностируется поведенчески и, таким образом, обеспечивает более целенаправленную модель для изучения зависимости, которая не содержит долгосрочных эффектов лекарственного средства.

В этом исследовании NBS использовался с размером сети, измеренным в зависимости от его протяженности; то есть общее количество соединений, входящих в сеть. Этот размер не подходит для обнаружения фокальных эффектов, связанных с одиночными изолированными соединениями, которые не образуют коллективную сеть. Чтобы протестировать эти различия между группами, анализ NBS повторил тестирование различий в массе компонентов, а не в размере. Массовая статистика обеспечивает большую чувствительность к фокальным и сильным эффектам, чем тестирование различий в размере компонентов. Кроме того, мы также установили граничные сравнения с использованием FDR, которые будут очень чувствительны к высокоинтенсивным фокальным эффектам. Никаких существенных различий между группами не было видно ни по статистике FDR, ни по массовой статистике, что указывает на то, что аберрантная связь в интернет-зависимости охватывает распределенную сеть с участием нескольких кортикальных и подкорковых областей.

Учитывая, что свойства сети мозга, как известно, чувствительны к выбору шаблона парсерации, мы исследовали несколько альтернативных схем парсерации, чтобы оценить воспроизводимость любых результатов изменений в узловых определениях [45], [56], [57], Это позволило нам исключить возможность того, что некоторые находки были связаны только с статистически выгодным расположением узлов, но не воспроизводимыми с другими известными парселлациями.

In контрастирует с пониженной прочностью функциональной связности, топологические параметры не выявили существенных групповых различий. Даже когда мы проводили дальнейшие разведочные анализы, основанные на менее строгом контроле против ошибки типа I, результаты показали возможную топологическую разницу, в основном включающую затылочную долю, которая не была затронута в анализе NBS. Таким образом, хотя интернет-зависимость ассоциировалась с широко распространенным и значительным снижением функциональной связности в кортико-подкорковых цепях, это снижение не было связано с глобальным нарушением топологии функциональной сети мозга. Это исследование показывает, что повсеместные различия в функциональной связности могут существовать в отсутствие изменений в основных топологических мерах. Может показаться замечательным, что различия в мощности связи были настолько распространены в отсутствие каких-либо значительных топологических различий. Тем не менее, важно отметить, что топология и сила связности - это разные свойства соединителя, а аномалии в одном не должны означать ненормальности в другом. Аналогичные результаты наблюдались и при других нарушениях [52], [58], Однако мы отмечаем, что групповые различия в некоторых топологических свойствах были направлены на статистическую значимость. Анализ более крупного образца может дать необходимую силу для значительного объявления этих эффектов. Наши результаты свидетельствуют о том, что топологические изменения могут быть более тонкими, чем те, которые наблюдаются для функциональных связей.

Среди соединений 59, включенных в измененную сеть, 25 были межполушарными соединениями, а 34 были внутриполушарными, что указывало на вовлечение дальних и короткодействующих соединений во всем мозге. Учитывая, что интернет-зависимость является недавно признанным состоянием психического здоровья, поскольку ее концепция и диагностические критерии все еще неуловимы и неопределенны, возможно, было бы удивительно найти такую ​​сильно затронутую сеть в мозге этих субъектов. В последнее время Lin et al. (2012) исследовали целостность белого тела у матерей с использованием интернет-аддикции с использованием диффузионно-тензорной визуализации и обнаружили широко распространенное снижение фракционной анизотропии (FA) во всем мозге без области более высокой FA в группе интернет-зависимостей [13], Такие результаты предполагают возможную анатомическую основу для функциональных нарушений, наблюдаемых в нашем образце, гипотезу, которая может быть протестирована с использованием комбинированной ФМР и диффузионно-взвешенной визуализации у тех же участников [59].

Что касается большого количества межполушарных связей, обнаруженных в измененной сети, то эффективная межполушарная связь уже давно считается важной для функций мозга [60]–[63], Однако относительно небольшое количество исследований нейровизуализации наркомании посвящено функциональной интеграции между двусторонними полушариями. Недавно Келли и др. (2011) наблюдали снижение межполушарной функциональной связности у взрослых, зависимых от кокаина [64], Они показали, что первичное участие в лобно-париетальной сети с относительной сохранностью временных областей приводит к параллельным результатам. Несмотря на то, что авторы обсудили вывод, главным образом, как отражающий долгосрочные последствия хронического воздействия кокаина, они также отметили возможность того, что снижение межполушарной функциональной связи может предшествовать воздействию кокаина как уязвимости к нарушениям зависимости. Наши результаты показывают, что эти межполушарные изменения отражают либо уязвимость к нарушениям зависимости, либо нейронный коррелятор общего привыкания, а не вторичный по отношению к длительному употреблению наркотиков, учитывая, что зависимость в нашем образце была определена чисто поведенческими терминами. Эти возможности могут быть оценены путем тестирования фенотипического сходства между незатронутыми родственниками людей с расстройствами, связанными с наркотиками или поведенческой зависимостью.

Интересно отметить, что аналогичная картина ослабленной функциональной связности состояний покоя между лобной и теменной областями была зарегистрирована как у лиц, зависимых от кокаина и героинаs [64], [65]. В недавнем обзоре Sutherland et al. (2012) предположил, что снижение связности в лобно-париетальных цепях может быть центральным компонентом в ослабленной сети когнитивного контроля наркозависимых популяций [54]. Наше обнаружение в интернет-зависимостью также подтверждает мнение о том, что снижение функциональной связности между лобными и теменными регионами может быть общей характеристикой различных типов зависимости, предполагая наличие общего фенотипа, который не является вторичным следствием употребления наркотиков. Кроме того, недавнее исследование функциональной связи цельного мозга при шизофрении показало заметные фронто-временные, а не фронто-тереальные или лобно-полосатые изменения [52], в соответствии с классическими патофизиологическими моделями расстройства [66]. Конечно, самый замечательный вывод настоящего исследования заключается в том, что интернет-зависимость ассоциировалась с патологией половых органов, в частности, системой, которая обычно связана с другими зависимыми расстройствами, что предполагает общий нейробиологический фенотип, Идентификация измененных полосатых схем, совпадающих с таковыми из хорошо установленных аддиктивных расстройств, может быть полезна для проверки того, является ли модель зависимости подходящей теоретической основой для понимания расстройства [67], [68], Однако, остается ли еще более серьезным ухудшение функциональной связности между фронтом и лобной полосой, что в значительной степени зависит от расстройств зависимости. Для установления специфики необходимы дальнейшие исследования, непосредственно сравнивающие различные расстройства.

Одним из самых интересных результатов в текущем исследовании было сильное участие putamen. Известно, что эта структура мозга модулирует несколько нейротрансмиттеров, включая допамин, и притупленная полосатая дофаминергическая функция сильно связана с одним из ключевых биологических механизмов расстройств зависимости [8]. Допамин является ключевым модулятором функции putamen и может играть важную роль в нарушениях функциональной связи, наблюдаемых в этом исследовании. Это согласуется с недавними доказательствами того, что полосатый дофаминовый транспортер и доступность рецептора D2 изменяются у людей с интернет-зависимостью [6], [7] и что генетическая и фармакологическая модуляция уровней допамина в мозге может оказать глубокое влияние на функциональные схемы связи [69]–[71], Принимая во внимание эти прежние сообщения и предлагаемый нейробиологический механизм зависимости, включающий притупленную полосатую дофаминергическую функцию [8], понимание влияния допамина на сеть, идентифицированное как проявление измененной функциональной связности в настоящем исследовании, будет важным шагом вперед в понимании нейробиологических коррелятов интернет-зависимости.

Интересен также наш вывод о том, что putamen был наиболее широко вовлеченным подкорковым регионом в уменьшенной функциональной сети, экономя хвостовое ядро. Обе структуры являются частью стриатума, который, в свою очередь, является частью подкорковых структур. Путамен обычно рассматривается как область мозга, связанная с двигательной активностью, и реже участвует в добавлении вещества, чем хвостатый, Было показано, что среди моторных действий хорошо продуманная последовательность повторяющихся движений пальцев связана с активацией в putamen [72]–[76], Люди, страдающие от интернет-зависимости, могут подвергаться гораздо более высокой частоте определенных видов поведения в течение длительного периода времени, включая повторные манипуляции с мышью и клавиатурой, и эти переживания могут влиять на их мозг. Поэтому аберрантная связь, связанная с putamen, возможно, указывает на специфику интернет-зависимости. Однако, поскольку мы не измеряли степень манипулирования пальцами у наших участников, подразумевается снижение, а не увеличение функциональной связности с использованием putamen в отношении манипуляции с мышью / клавиатурой, остается открытым для будущих исследований. В качестве альтернативы, участие putamen в наших результатах может отражать его роль в когнитивных процессах, которые разделяются с хвостатом и которые ослаблены в зависимости, например, обработка вознаграждения [77], [78].

Еще один момент, заслуживающий обсуждения, - отсутствие каких-либо расширенных функциональных связей в группе интернет-зависимостей. Хотя мы в основном ожидали найти снижение функциональной связности в группе наркозависимости, на самом деле мы не исключили возможности наблюдения за увеличением функциональной связности, особенно учитывая гипотезу, что подростки с интернет-зависимостью могут проявлять практический эффект из-за чрезмерной активности в Интернете [79]–[82], Одно из возможных объяснений отрицательного вывода может заключаться в том, что у нашего небольшого размера выборки не хватило силы для обнаружения этого связанного с практикой увеличения функциональной связи. Однако еще не полностью установлено, проявляется ли когнитивная эффективность в определенных задачах или серьезность определенных психопатологий как снижение или увеличение функциональной связности [83], [84], Другое соображение должно состоять в том, что эффект долгосрочного чрезмерного использования Интернета может дифференцировать влияние мозга на субпопуляцию. Например, субпопуляция, называемая профессиональными игроками онлайн-игр, участвует в интенсивных интернет-играх, проводит аналогичное длительное время, занимаясь онлайн-играми, и, вероятно, работает лучше в этих играх, чем люди с интернет-зависимостью, и все же, похоже, не увлекается, о чем свидетельствует значительно более низкий показатель YIAS [85], Следовательно, можно предположить, что последствия практики в интернет-деятельности могут проявляться по-разному в зависимости от личности.

Настоящее исследование имеет некоторые важные ограничения. Во-первых, размер выборки был довольно небольшим, что, вероятно, ограничивало нашу способность обнаруживать значительные корреляции между функциональной связностью и оценками ИИАС. Таким образом, текущее обнаружение должно быть воспроизведено в более широкой выборке участников с интернет-зависимостью и контролем. Тем не менее, следует отметить, что наш размер выборки в целом был сопоставим с размерами прежних функциональных нейровизуальных исследований интернет-зависимости. Наш образец был уникальным, поскольку большинство предыдущих исследований были основаны на взрослых [2]–[7], Во-вторых, диагностические критерии для интернет-зависимости еще не установлены, хотя наши данные указывают на потенциальную нейробиологическую основу для этого предполагаемого нарушения. В-третьих, хотя мы исключили сопутствующие психические расстройства с использованием K-SADS-PL, симптомы сопутствующего психического состояния подпорогового уровня, возможно, все еще присутствовали. В-четвертых, сбор более широкого спектра клинической информации, такой как привычки к спячке, возможно, обогатил наши данные и улучшил наш вклад в литературу [86], [87], Наконец, дизайн исследования поперечного сечения ограничивает интерпретацию причинно-следственной связи между уменьшением функциональной связности и развитием интернет-зависимости. Следует отметить, что движение головы стало важным препятствием в функциональной нейровизуализации [38], [88], Движение головы было всесторонне оценено в этом исследовании с использованием ряда недавно предложенных мер по вращению и перемещению [38], Никакой существенной разницы между группами не было найдено ни для одной из рассматриваемых мер движения головы.

In резюме, результаты этого исследования показывают, что подростки с интернет-зависимостью отображают измененную функциональную связность мозга при отсутствии грубых нарушений сетевой топологии. Измененная сеть показала широкое участие дальних межполушарных связей, а также короткодействующих внутриполушарных связей во всем мозге. Подкорковые области головного мозга могут играть важную роль в этой измененной сети, особенно в путаменах, которая демонстрирует снижение связей со всеми тремя основными церебральными лопастями.

 

 

Вспомогательная информация

Figure_S1.tif
  • 1 / 4

скачать

Сеть снижения функциональной связи мозга у подростков с интернет-зависимостью (с использованием разных атласов).Красные точки представляют собой стереотаксические центроиды областей мозга (узлы), определяемые структурным атласом Монреальского неврологического института (MNI) (A) и атласом случайного парселлажа (B), а синие линии представляют собой надпороговые звенья (t = 2.1 и 3.0 соответственно), включающие пораженные сеть, идентифицированная с сетевой статистикой (NBS) (p<0.05, с покомпонентной корректировкой).

Рисунок S1.

Сеть снижения функциональной связи мозга у подростков с интернет-зависимостью (с использованием разных атласов).Красные точки представляют собой стереотаксические центроиды областей мозга (узлы), определяемые структурным атласом Монреальского неврологического института (MNI) (A) и атласом случайного парселлажа (B), а синие линии представляют собой надпороговые звенья (t = 2.1 и 3.0 соответственно), включающие пораженные сеть, идентифицированная с сетевой статистикой (NBS) (p<0.05, с покомпонентной корректировкой).

(TIF)

Рисунок S2.

Доля связей, затронутых в интернет-зависимости, связывающая отдельные пары широких мозговых отделов (подробно для подкорковых областей).Количество ссылок, связанных с каждой парой делений, нормируется общим числом парных ссылок.

(TIF)

Таблица S1.

Коэффициент локальной кластеризации.В этой таблице показаны результаты трендового уровня с менее строгой ложной положительной коррекцией p<(1/90) = 0.011; ни один результат не выдержал стандартной поправки на частоту ложных открытий для множественных сравнений.

(DOC)

Таблица S2.

Локальная длина пути.В этой таблице показаны результаты трендового уровня с менее строгой ложной положительной коррекцией p<(1/90) = 0.011; ни один результат не выдержал стандартной поправки на частоту ложных открытий для множественных сравнений.

(DOC)

  

 

Авторские вклады

Задуманные и разработанные эксперименты: SBH EJC HHK JES CDK JWK SHY. Проводили эксперименты: SBH EJC HHK JES. Проанализированы данные: SBH AZ LC AF. Используемые реагенты / материалы / инструменты анализа: SBH AZ LC AF CDK JWK SHY. Написал бумагу: SBH AZ LC AF EJC HHK JES CDK JWK SHY.

  

 

Рекомендации

  1. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012). Связь между интернет-зависимостью и психическим расстройством: обзор литературы. Eur Psychiatry 27: 1-8. DOI: 10.1016 / j.eurpsy.2010.04.011. Найти эту статью в Интернете
  2. Dong G, Huang J, Du X (2011) Повышенная чувствительность к награде и снижение чувствительности к потерям в интернет-наркоманах: исследование fMRI во время угадывания. J Psychiatr Res 45: 1525-1529. DOI: 10.1016 / j.jpsychires.2011.06.017. Найти эту статью в Интернете
  3. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Мозговая активность и желание играть в интернет-видео. Compr Psychiatry 52: 88-95. DOI: 10.1016 / j.comppsych.2010.04.004. Найти эту статью в Интернете
  4. Хан DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) Изменения в индуцированной кией, префронтальной активности коры с видеоиграми. Cyberpsychol Behav Soc Netw 13: 655-661. DOI: 10.1089 / cyber.2009.0327. Найти эту статью в Интернете
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009). Мозговые действия, связанные с игровым побуждением к онлайн-игре. J Psychiatr Res 43: 739-747. DOI: 10.1016 / j.jpsychires.2008.09.012. Найти эту статью в Интернете
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, et al. (2011) Сниженные рецепторы дофамина D2 полосатого тела у людей с интернет-зависимостью. Neuroreport 22: 407-411. DOI: 10.1097/WNR.0b013e328346e16e. Найти эту статью в Интернете
  7. Hou H, Jia S, Hu S, Fan R, Sun W и др. (2012) Сокращение полосатых дофаминовых транспортеров у людей с нарушением интернет-зависимости. J Biomed Biotechnol 2012: 854524. DOI: 10.1155/2012/854524. Найти эту статью в Интернете
  8. Гольдштейн Р.З., Волков Н.Д. (2011). Дисфункция префронтальной коры при наркомании: результаты нейровизуализации и клинические последствия. Nat Rev Neurosci 12: 652-669. DOI: 10.1038 / nrn3119. Найти эту статью в Интернете
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) Нейроциркуляция нарушенной проницательности в наркомании. Тенденции Cogn Sci 13: 372-380. DOI: 10.1016 / j.tics.2009.06.004. Найти эту статью в Интернете
  10. Naqvi NH, Bechara A (2010) Изоляция и наркомания: интероцептивный взгляд на удовольствие, побуждение и принятие решений. Brain Struct Funct 214: 435-450. DOI: 10.1007/s00429-010-0268-7. Найти эту статью в Интернете
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM и др. (2011) Нарушения серого вещества в интернет-зависимости: исследование морфометрии на основе воксела. Eur J Radiol 79: 92-95. DOI: 10.1016 / j.ejrad.2009.10.025. Найти эту статью в Интернете
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Нарушения микроструктуры у подростков с нарушением интернет-зависимости. PLoS One 6: e20708. DOI: 10.1371 / journal.pone.0020708. Найти эту статью в Интернете
  13. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Аномальная целостность белого вещества у подростков с нарушением интернет-зависимостей: исследование пространственной статистики на основе трактов. PLoS One 7: e30253. DOI: 10.1371 / journal.pone.0030253. Найти эту статью в Интернете
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK и др. (2010) Повышенная региональная однородность в расстройстве интернет-зависимостей: исследование функционального магнитного резонансного состояния покоя. Chin Med J (Engl) 123: 1904-1908. Найти эту статью в Интернете
  15. Yuan K, Qin W, Liu Y, Tian J (2011) Интернет-зависимость: результаты нейровизуализации. Commun Integr Biol 4: 637-639. Найти эту статью в Интернете
  16. Raichle ME, Snyder AZ (2007) Режим работы мозга по умолчанию: краткая история эволюционирующей идеи. Neuroimage 37: 1083-1090; обсуждение 1097-1089. DOI: 10.1016 / j.neuroimage.2007.02.041. Найти эту статью в Интернете
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006). Спонтанная активность нейронов отличает системы дорсального и вентрального внимания человека. Proc Natl Acad Sci USA 103: 10046-10051. DOI: 10.1073 / pnas.0604187103. Найти эту статью в Интернете
  18. Smith SM, Miller KL, Moeller S, Xu J, Auerbach EJ, et al. (2012) Временно-независимые функциональные моды спонтанной активности мозга. Proc Natl Acad Sci USA 109: 3131-3136. DOI: 10.1073 / pnas.1121329109. Найти эту статью в Интернете
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, et al. (2006). Согласованные сети состояний покоя среди здоровых субъектов. Proc Natl Acad Sci USA 103: 13848-13853. DOI: 10.1073 / pnas.0601417103. Найти эту статью в Интернете
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) Оставшийся мозг: безусловный, но надежный. Cereb Cortex 19: 2209-2229. DOI: 10.1093 / cercor / bhn256. Найти эту статью в Интернете
  21. Fornito A, Bullmore ET (2012) Соединительные промежуточные фенотипы для психических расстройств. Передняя психиатрия 3: 32. DOI: 10.3389 / fpsyt.2012.00032. Найти эту статью в Интернете
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Ellison-Wright I, et al. (2011) Генетическое влияние на экономически эффективную организацию функциональных сетей кортикальных клеток человека. J Neurosci 31: 3261-3270. DOI: 10.1523 / JNEUROSCI.4858-10.2011. Найти эту статью в Интернете
  23. Glahn DC, Winkler AM, Kochunov P, Almasy L, Duggirala R, et al. (2010) Генетический контроль над покоящимся мозгом. Proc Natl Acad Sci USA 107: 1223-1228. DOI: 10.1073 / pnas.0909969107. Найти эту статью в Интернете
  24. Fox MD, Raichle ME (2007) Спонтанные флуктуации активности мозга, наблюдаемые при функциональной магнитно-резонансной томографии. Nat Rev Neurosci 8: 700-711. DOI: 10.1038 / nrn2201. Найти эту статью в Интернете
  25. Fornito A, Bullmore ET (2010) Что могут спонтанные колебания сигнала, зависящего от уровня оксигенации крови, рассказать нам о психических расстройствах? Текущее мнение в психиатрии 23: 239-249. DOI: 10.1097/YCO.0b013e328337d78d. Найти эту статью в Интернете
  26. Bullmore E, Sporns O (2009) Комплексные сети мозга: теоретический анализ графиков структурных и функциональных систем. Nat Rev Neurosci 10: 186-198. Найти эту статью в Интернете
  27. Блок JJ (2008) Проблемы для DSM-V: интернет-зависимость. Am J Psychiatry 165: 306-307. DOI: 10.1176 / appi.ajp.2007.07101556. Найти эту статью в Интернете
  28. Рубинов М., Sporns O (2010) Комплексные сетевые измерения связности мозга: использование и интерпретация. Neuroimage 52: 1059-1069. DOI: 10.1016 / j.neuroimage.2009.10.003. Найти эту статью в Интернете
  29. Xia M, He Y (2011) Магнитно-резонансная томография и графический теоретический анализ сложных сетей мозга при нейропсихиатрических расстройствах. Brain Connect 1: 349-365. DOI: 10.1089 / brain.2011.0062. Найти эту статью в Интернете
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Шизофрения, нейровизуализация и связь. Neuroimage doi: 10.1016 / j.neuroimage.2011.12.090. Найти эту статью в Интернете
  31. Gong G, He Y, Evans AC (2011) Связь с мозгом: пол имеет значение. Нейробиолог 17: 575-591. DOI: 10.1177/1073858410386492. Найти эту статью в Интернете
  32. Widyanto L, McMurran M (2004) Психометрические свойства теста интернет-зависимости. Cyberpsychol Behav 7: 443-450. DOI: 10.1089 / cpb.2004.7.443. Найти эту статью в Интернете
  33. Kaufman J, Birmaher B, Brent D, Rao U, Flynn C и др. (1997) Расписание для аффективных расстройств и шизофрении для детей школьного возраста и пожизненной версии (K-SADS-PL): исходные данные о надежности и достоверности. J Am Acad Child Adolesc Психиатрия 36: 980-988. DOI: 10.1097 / 00004583-199707000-00021. Найти эту статью в Интернете
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ и др. (2004) Надежность и обоснованность Kiddie-графика для аффективных расстройств и шизофрении - настоящая и пожизненная версия - корейская версия (K-SADS-PL-K). Yonsei Med J 45: 81-89. Найти эту статью в Интернете
  35. Christakis DA (2010) Интернет-зависимость: эпидемия 21st века? BMC Med 8: 61. DOI: 10.1186/1741-7015-8-61. Найти эту статью в Интернете
  36. Flisher C (2010) Включение: обзор интернет-зависимости. J Педиатр Здоровье детей 46: 557-559. DOI: 10.1111 / j.1440-1754.2010.01879.x. Найти эту статью в Интернете
  37. Чао-Ган И, Ю-Фэн ​​З. (2010) DPARSF: Набор инструментов MATLAB для анализа «конвейерных» данных фМРТ в состоянии покоя. Front Syst Neurosci 4:13. Найти эту статью в Интернете
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) Влияние движения головы на внутреннюю функциональную связность MRI. Neuroimage 59: 431-438. DOI: 10.1016 / j.neuroimage.2011.07.044. Найти эту статью в Интернете
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: набор инструментов для создания настраиваемых педиатрических шаблонов. Neuroimage 41: 903-913. DOI: 10.1016 / j.neuroimage.2008.02.056. Найти эту статью в Интернете
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Автоматическая анатомическая маркировка активации в СЗМ с использованием макроскопической анатомической парсерации одномоментного мозга MNI MRI. Neuroimage 15: 273-289. DOI: 10.1006 / nimg.2001.0978. Найти эту статью в Интернете
  41. Zalesky A, Fornito A, Bullmore ET (2010) Сетевая статистика: выявление различий в сетях мозга. Neuroimage 53: 1197-1207. DOI: 10.1016 / j.neuroimage.2010.06.041. Найти эту статью в Интернете
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Различия в связях в сетях мозга. Neuroimage 60: 1055-1062. DOI: 10.1016 / j.neuroimage.2012.01.068. Найти эту статью в Интернете
  43. Nichols TE, Holmes AP (2002) Непараметрические тесты перестановки для функционального нейровизуализации: праймер с примерами. Отображение мозга человека 15: 1-25. DOI: 10.1002 / hbm.1058. Найти эту статью в Интернете
  44. Wig GS, Schlaggar BL, Petersen SE (2011). Концепции и принципы анализа сетей мозга. Ann NY Acad Sci 1224: 126-146. DOI: 10.1111 / j.1749-6632.2010.05947.x. Найти эту статью в Интернете
  45. Залески А., Форнито А, Хардинг ИГ, Кокки Л., Юкель М и др. (2010) Цельномышечные анатомические сети: имеет ли смысл выбор узлов? Neuroimage 50: 970-983. DOI: 10.1016 / j.neuroimage.2009.12.027. Найти эту статью в Интернете
  46. Bassett DS, Bullmore ET (2009) Сети человеческого мозга в области здоровья и болезней. Curr Opin Neurol 22: 340-347. DOI: 10.1097/WCO.0b013e32832d93dd. Найти эту статью в Интернете
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Графический теоретический анализ структурной и функциональной связи МРТ в нормальных и патологических сетях мозга. MAGMA 23: 409-421. DOI: 10.1007 / s10334-010-0205-г. Найти эту статью в Интернете
  48. He Y, Evans A (2010) График теоретического моделирования взаимодействия мозга. Curr Opin Neurol 23: 341-350. DOI: 10.1097/WCO.0b013e32833aa567. Найти эту статью в Интернете
  49. Bassett DS, Gazzaniga MS (2011) Понимание сложности в мозге человека. Тенденции Cogn Sci 15: 200-209. DOI: 10.1016 / j.tics.2011.03.006. Найти эту статью в Интернете
  50. Маслов С., Снеппен К (2002) Специфичность и устойчивость в топологии белковых сетей. Наука 296: 910-913. DOI: 10.1126 / science.1065103. Найти эту статью в Интернете
  51. Genovese CR, Lazar NA, Nichols T (2002) Порог статистических карт в функциональной нейровизуализации с использованием скорости ложного обнаружения. Neuroimage 15: 870-878. DOI: 10.1006 / nimg.2001.1037. Найти эту статью в Интернете
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) Общие и специфические нарушения функциональной связности при шизофрении первого эпизода во время работы когнитивного контроля. Biol Psychiatry 70: 64-72. DOI: 10.1016 / j.biopsych.2011.02.019. Найти эту статью в Интернете
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M и др. (2010) Функциональная связь и сети мозга при шизофрении. J Neurosci 30: 9477-9487. Найти эту статью в Интернете
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Функциональная связность состояния покоя в зависимости: извлеченные уроки и путь вперед. Neuroimage 62: 2281-2295. DOI: 10.1016 / j.neuroimage.2012.01.117. Найти эту статью в Интернете
  55. Shaw M, Black DW (2008) Интернет-зависимость: определение, оценка, эпидемиология и клиническое управление. CNS Drugs 22: 353-365. DOI: 10.2165 / 00023210-200822050-00001. Найти эту статью в Интернете
  56. Wang J, Wang L, Zang Y, Yang H, Tang H, et al. (2009). Зависимые от клеток клетки мозговые функциональные сети, связанные с клетками: исследование МРТ в состоянии покоя. Hum Brain Mapp 30: 1511-1523. DOI: 10.1002 / hbm.20623. Найти эту статью в Интернете
  57. Fornito A, Zalesky A, Bullmore ET (2010) Эффекты масштабирования сети в графоаналитических исследованиях данных FMRI человека в состоянии покоя. Front Syst Neurosci 4: 22. DOI: 10.3389 / fnsys.2010.00022. Найти эту статью в Интернете
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L и др. (2012) Измененная функциональная связь мозга в неклиническом образце молодых людей с синдромом дефицита внимания / гиперактивности. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Найти эту статью в Интернете
  59. Honey CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP и др. (2009) Предсказание функциональной связности человеческого покоящегося состояния от структурной связности. Proc Natl Acad Sci USA 106: 2035-2040. DOI: 10.1073 / pnas.0811168106. Найти эту статью в Интернете
  60. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Снижение межполушарной функциональной связности при аутизме. Cereb Cortex 21: 1134-1146. DOI: 10.1093 / cercor / bhq190. Найти эту статью в Интернете
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M и др. (2008) когерентности ЭЭГ у взрослых с нарушением дефицита внимания / гиперактивности. Int J Psychophysiol 67: 35-40. DOI: 10.1016 / j.ijpsycho.2007.10.001. Найти эту статью в Интернете
  62. Петтигрю Дж. Д., Миллер С. М. (1998) «липкий» межполушарный переключатель при биполярном расстройстве? Proc Biol Sci 265: 2141–2148. doi: 10.1098 / rspb.1998.0551. Найти эту статью в Интернете
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME, et al. (2003) Аномальная нервная синхронизация при шизофрении. J Neurosci 23: 7407-7411. Найти эту статью в Интернете
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L и др. (2011). Снижение функциональной связности состояния межполушарного покоя при кокаиновой зависимости. Biol Psychiatry 69: 684-692. DOI: 10.1016 / j.biopsych.2010.11.022. Найти эту статью в Интернете
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Дефициты серого вещества и аномалии состояния покоя у лиц, страдающих от героина. Neurosci Lett 482: 101-105. DOI: 10.1016 / j.neulet.2010.07.005. Найти эту статью в Интернете
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999) Аномальная цингулярная модуляция фронтальной височной связи при шизофрении. Neuroimage 9: 337-342. DOI: 10.1006 / nimg.1998.0411. Найти эту статью в Интернете
  67. Choi JS, Shin YC, Jung WH, Jang JH, Kang DH, et al. (2012) Измененная деятельность мозга во время предвосхищения вознаграждения при патологическом азартном и обсессивно-компульсивном расстройстве. PLoS One 7: e45938. DOI: 10.1371 / journal.pone.0045938. Найти эту статью в Интернете
  68. Tomasi D, Volkow ND (2012) Дисфункция стриатокортикального пути при наркомании и ожирении: различия и сходства. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Найти эту статью в Интернете
  69. Cole DM, Oei NY, Soeter RP, Both S, van Gerven JM и др. (2012) Допамин-зависимая архитектура кортико-субкорковых сетевых подключений. Cereb Cortex doi: 10.1093 / cercor / bhs136. Найти эту статью в Интернете
  70. Гордон Э.М., Столлсторфф М, Девани Дж. М., Бин С., Вайдя К.Ю. (2011) Влияние генотипа трансплантата допамина на внутреннюю функциональную связь зависит от когнитивного состояния. Cereb Cortex doi: 10.1093 / cercor / bhr305. Найти эту статью в Интернете
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) Конденсатная дофамин D1-рецепторная плотность связана с индивидуальными различиями в передней части соприкосновения во время рабочей памяти. J Neurosci 31: 14284-14290. DOI: 10.1523 / JNEUROSCI.3114-11.2011. Найти эту статью в Интернете
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB, et al. (2006) Управление двигателем в схемах базальных ганглиев с использованием подходов fMRI и мозгового атласа. Cereb Cortex 16: 149-161. DOI: 10.1093 / cercor / bhi089. Найти эту статью в Интернете
  73. Jenkins IH, Brooks DJ, Nixon PD, Frackowiak RS, Passingham RE (1994) Изучение последовательности двигателей: исследование с позитронно-эмиссионной томографией. J Neurosci 14: 3775-3790. Найти эту статью в Интернете
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) Анатомия моторного обучения. II. Подкорковые структуры и обучение методом проб и ошибок. J Neurophysiol 77: 1325-1337. Найти эту статью в Интернете
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982). Изменения регионального церебрального кровотока в коре и базальных ганглиях во время добровольных движений у обычных добровольцев. J Neurophysiol 48: 467-480. Найти эту статью в Интернете
  76. Шибасаки Х, Садато Н, Лышков Х, Йонекура Й, Хонда М и др. (1993) И основная двигательная кора и дополнительная моторная область играют важную роль в сложном движении пальцев. Мозг 116 (Pt 6): 1387-1398. DOI: 10.1093 / мозг / 116.6.1387. Найти эту статью в Интернете
  77. Volkow ND, Fowler JS, Wang GJ (2003) Зависимый мозг человека: идеи исследований изображений. J Clin Invest 111: 1444-1451. Найти эту статью в Интернете
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Измененные функциональные сети мозга головного мозга и продолжительность употребления героина у мужчин, страдающих от героина-зависимых лиц. Neurosci Lett 477: 37-42. DOI: 10.1016 / j.neulet.2010.04.032. Найти эту статью в Интернете
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Измененная функция и структура головного мозга в профессиональных бадминтонах. Brain Connect 2: 225-233. DOI: 10.1089 / brain.2011.0050. Найти эту статью в Интернете
  80. Duan X, Liao W, Liang D, Qiu L, Gao Q, et al. (2012) Крупномасштабные сети мозга в играх с бортовыми играми: идеи из задачи, связанной с доменом, и состояния покоя без задач. PLoS One 7: e32532. DOI: 10.1371 / journal.pone.0032532. Найти эту статью в Интернете
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) Изменения происходят в состоянии покоя государственной сети двигателя в течение 4 недель обучения навыкам умения. Neuroimage 58: 226-233. Найти эту статью в Интернете
  82. Martinez K, Solana AB, Burgaleta M, Hernandez-Tamames JA, Alvarez-Linera J, et al. (2012) Изменения в функционально связанных париетнофронтальных сетях покоящегося состояния после практики видеоигр. Hum Brain Mapp doi: 10.1002 / hbm.22129. Найти эту статью в Интернете
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, et al. (2007) Функциональная дезинтеграция при параноидальной шизофрении с использованием МРТ покоящегося состояния. Schizophr Res 97: 194-205. DOI: 10.1016 / j.schres.2007.05.029. Найти эту статью в Интернете
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV и др. (2009) Гиперактивность и гиперсвязность сети по умолчанию при шизофрении и у родственников первой степени с шизофренией. Proc Natl Acad Sci USA 106: 1279-1284. DOI: 10.1073 / pnas.0809141106. Найти эту статью в Интернете
  85. Хан DH, Lyoo IK, Renshaw PF (2012) Дифференциальные объемы регионального серого вещества у пациентов с онлайновой зависимостью от игры и профессиональных геймеров. J Psychiatr Res 46: 507-515. DOI: 10.1016 / j.jpsychires.2012.01.004. Найти эту статью в Интернете
  86. De Havas JA, Parimal S, Soon CS, Chee MW (2012) Лишение сна уменьшает сетевое подключение по умолчанию и антикорреляцию во время отдыха и выполнения задач. Neuroimage 59: 1745-1751. DOI: 10.1016 / j.neuroimage.2011.08.026. Найти эту статью в Интернете
  87. Killgore WD, Schwab ZJ, Weiner MR (2012). Продолжительность ночного сна с сообщением о себе связана с функциональной связью состояния отдыха на следующий день. Neuroreport 23: 741-745. DOI: 10.1097 / WNR.0b013e3283565056. Найти эту статью в Интернете
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Ложные, но систематические корреляции в функциональной связности. МРТ-сети возникают из-за движения субъекта. Neuroimage 59: 2142-2154. DOI: 10.1016 / j.neuroimage.2011.10.018. Найти эту статью в Интернете