ความสมบูรณ์ที่ผิดปกติของสสารสีขาวในวัยรุ่นที่มีความผิดปกติของการเสพติดอินเทอร์เน็ต: การศึกษาสถิติเชิงพื้นที่ (2012)

ความคิดเห็น: เช่นเดียวกับการศึกษาก่อนหน้านี้สแกนสมองเปิดเผยการเปลี่ยนแปลงโครงสร้างที่คล้ายกับการเสพติดในผู้ที่ติดอินเทอร์เน็ต ความผิดปกติในสสารสีขาวและสีเทาก็จะพบได้ในผู้ที่ติดยา

การศึกษาแบบเต็ม


พื้นหลัง

ความผิดปกติของการเสพติดอินเทอร์เน็ต (IAD) กำลังกลายเป็นปัญหาสุขภาพจิตที่ร้ายแรงทั่วโลก การศึกษาก่อนหน้านี้เกี่ยวกับ IAD มุ่งเน้นไปที่การทดสอบทางจิตวิทยาที่เกี่ยวข้องเป็นหลัก อย่างไรก็ตามมีการศึกษาน้อยเกี่ยวกับโครงสร้างสมองและฟังก์ชั่นเกี่ยวกับ IAD ในการศึกษานี้เราใช้การถ่ายภาพเทนเซอร์เมตริกซ์ (DTI) เพื่อตรวจสอบความสมบูรณ์ของสสารสีขาวในวัยรุ่นที่มี IAD

ระเบียบวิธี / ผลการวิจัยหลัก

วิชา IAD สิบเจ็ดคนและการควบคุมที่ดีต่อสุขภาพอีกสิบหกคนที่ไม่มี IAD เข้าร่วมในการศึกษานี้ การวิเคราะห์ voxel อย่างชาญฉลาดของสมองส่วน anisotropy (FA) ดำเนินการโดยสถิติเชิงพื้นที่ตามระบบทางเดินอาหาร (TBSS) เพื่อกำหนดขอบเขตของสารสีขาวที่ผิดปกติระหว่างกลุ่ม TBSS แสดงให้เห็นว่า IAD มีค่า FA ต่ำกว่าการควบคุมทั่วทั้งสมองอย่างมีนัยสำคัญรวมถึงสารสีขาวของวงโคจรด้านหน้าคอลลาสซัมซิงกูลัมฟรอนโต - ท้ายทอยที่ด้อยกว่าและการแผ่รังสีโคโรนาแคปซูลภายในและภายนอกในขณะที่ไม่มีส่วนใดของ FA ที่สูงกว่า การวิเคราะห์ Volume-of-Interest (VOI) ถูกใช้เพื่อตรวจจับการเปลี่ยนแปลงของดัชนีการแพร่กระจายในพื้นที่ที่แสดงความผิดปกติของ FA ใน VOI ส่วนใหญ่การลดลงของ FA เกิดจากการเพิ่มขึ้นของการแพร่กระจายในแนวรัศมีในขณะที่ไม่มีการเปลี่ยนแปลงของการแพร่กระจายตามแนวแกน การวิเคราะห์สหสัมพันธ์ได้ดำเนินการเพื่อประเมินความสัมพันธ์ระหว่าง FA และมาตรการพฤติกรรมภายในกลุ่ม IAD พบความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างค่า FA ใน genu ด้านซ้ายของ corpus callosum และ Screen for Child Anxiety Related Emotional Disorders และระหว่างค่า FA ในแคปซูลภายนอกด้านซ้ายกับระดับการติดอินเทอร์เน็ตของ Young

สรุป

การค้นพบของเราชี้ให้เห็นว่า IAD ได้แสดงให้เห็นถึงการลดลงของ FA อย่างกว้างขวางในเส้นทางของสสารสีขาวที่สำคัญและโครงสร้างของสสารสีขาวที่ผิดปกตินั้นอาจเชื่อมโยงกับความบกพร่องทางพฤติกรรมบางอย่าง นอกจากนี้ความสมบูรณ์ของสสารสีขาวอาจทำหน้าที่เป็นเป้าหมายการรักษาใหม่ที่มีศักยภาพและ FA อาจเป็นผู้ตรวจสอบทางชีวภาพที่มีคุณสมบัติเหมาะสมเพื่อทำความเข้าใจกลไกการบาดเจ็บของระบบประสาทหรือเพื่อประเมินประสิทธิภาพของการแทรกแซงเฉพาะใน IAD

การอ้างอิง: Lin F, Zhou Y, Du Y, Qin L, Zhao Z และอื่น ๆ (2012) ความสมบูรณ์ของสารสีขาวที่ผิดปกติในวัยรุ่นที่มีความผิดปกติของการติดอินเทอร์เน็ต: การศึกษาสถิติเชิงพื้นที่ตามเส้นทาง โปรดหนึ่ง 7 (1): e30253 ดอย: 10.1371 / journal.pone.0030253

บรรณาธิการ: Martin Gerbert Frasch, Université de Montréal, Canada

ได้รับ: 4 ตุลาคม 2011; ยอมรับ: 15 ธันวาคม 2011; เผยแพร่: 11 มกราคม 2012

ลิขสิทธิ์: © 2012 Lin et al. นี่เป็นบทความแบบเปิดที่เผยแพร่ภายใต้เงื่อนไขของสัญญาอนุญาตครีเอทีฟคอมมอนส์แบบแสดงที่มาซึ่งอนุญาตให้ใช้งานแจกจ่ายและทำซ้ำได้อย่างไม่ จำกัด ในสื่อใด ๆ หากผู้เขียนต้นฉบับและแหล่งที่มาจะได้รับเครดิต

เงินทุน: งานนี้ได้รับการสนับสนุนบางส่วนจาก Natural Science Foundation of China (เลขที่ 30800252 และ 20921004) โครงการวิจัยพื้นฐานแห่งชาติของจีน (โครงการ 973) Grant No. 2011CB707802 และโครงการนวัตกรรมความรู้ของ Chinese Academy of Sciences และปริญญาเอกยอดเยี่ยม โครงการวิทยานิพนธ์ของ Chinese Academy of Sciences. ผู้ให้ทุนไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและการวิเคราะห์ข้อมูลการตัดสินใจเผยแพร่หรือจัดทำต้นฉบับ

ความสนใจในการแข่งขัน: ผู้เขียนได้ประกาศว่าไม่มีผลประโยชน์ที่แข่งขันกัน

* อีเมล: [ป้องกันอีเมล] (JX); [ป้องกันอีเมล] (HL)

# ผู้เขียนเหล่านี้มีส่วนร่วมอย่างเท่าเทียมกันกับงานนี้

โรคติดอินเทอร์เน็ต (IAD) หรือที่เรียกว่าการใช้อินเทอร์เน็ตที่มีปัญหาหรือทางพยาธิวิทยามีลักษณะเฉพาะคือการที่บุคคลไม่สามารถควบคุมการใช้อินเทอร์เน็ตของตนได้ซึ่งในที่สุดอาจส่งผลให้เกิดความทุกข์และความบกพร่องในการทำงานของชีวิตทั่วไปเช่นผลการเรียนสังคม ปฏิสัมพันธ์ความสนใจในอาชีพและปัญหาพฤติกรรม [1]. คำอธิบายเกี่ยวกับ IAD ขึ้นอยู่กับคำจำกัดความของการพึ่งพาสารหรือการพนันทางพยาธิวิทยาซึ่งแบ่งปันคุณสมบัติของการพึ่งพาสารเช่นความลุ่มหลงการปรับเปลี่ยนอารมณ์ความอดทนการถอนความทุกข์และความบกพร่องในการทำงาน [2][3]. ด้วยจำนวนผู้ใช้อินเทอร์เน็ตที่พุ่งสูงขึ้นปัญหาของ IAD ได้ดึงดูดความสนใจอย่างมากจากจิตแพทย์นักการศึกษาและประชาชน ดังนั้น IAD กำลังกลายเป็นปัญหาสุขภาพจิตที่ร้ายแรงทั่วโลก [4][5][6].

การศึกษาปัจจุบันเกี่ยวกับ IAD ได้มุ่งเน้นไปที่บทสรุปของกรณีส่วนประกอบของพฤติกรรมผลกระทบเชิงลบในชีวิตประจำวันพร้อมกับการวินิจฉัยทางคลินิกระบาดวิทยาปัจจัยทางจิตสังคมที่เกี่ยวข้องการจัดการอาการอาการจิตเวชและผลการรักษา [7][8][9][10][11]. การศึกษาเหล่านี้ใช้แบบสอบถามที่รายงานด้วยตนเองทางจิตวิทยาเป็นหลักและรายงานอย่างสม่ำเสมอว่าการใช้อินเทอร์เน็ตมากเกินไปอาจส่งผลกระทบที่อาจเกิดขึ้นกับปัญหาทางจิตใจของแต่ละบุคคลและความบกพร่องทางสติปัญญา

จนถึงปัจจุบันมีการศึกษา neuroimaging เพียงเล็กน้อยเท่านั้นเพื่อตรวจสอบการเปลี่ยนแปลงโครงสร้างสมองและการทำงานที่เกี่ยวข้องกับ IAD การศึกษา morphometry (voxel-based morphometry (VBM) ก่อนหน้านี้รายงานว่าลดความหนาแน่นของสสารสีเทาในเยื่อหุ้มสมองด้านซ้ายด้านหน้า cingulate, เยื่อหุ้มสมองด้านหลัง cingulate, insula และ gyrus ลิ้นของวัยรุ่น IAD [12]. หยวนและเพื่อนร่วมงานพบว่าวิชา IAD มีการเปลี่ยนแปลงโครงสร้างหลายอย่างในสมองและการเปลี่ยนแปลงดังกล่าวมีความสัมพันธ์อย่างมีนัยสำคัญกับระยะเวลาของการติดอินเทอร์เน็ต [13]. การศึกษาการถ่ายภาพด้วยคลื่นแม่เหล็กไฟฟ้า (fMRI) หนึ่งการศึกษาแสดงให้เห็นว่านักศึกษาวิทยาลัย IAD ได้เพิ่มความเป็นเนื้อเดียวกันในภูมิภาคในหลายพื้นที่ของสมองรวมทั้งสมองน้อย, ก้านสมอง, กลีบพู, กลีบหน้าและปลายกลีบ [14]. การศึกษา fMRI ที่เกี่ยวข้องกับงานสองอย่างของบุคคลที่ติดเกมออนไลน์ระบุว่าการเปิดใช้งานคิวเพื่อตอบสนองต่อสิ่งเร้าวิดีโอเกมบนอินเทอร์เน็ตนั้นคล้ายกับที่สังเกตในระหว่างการนำเสนอคิวในผู้ที่พึ่งพาสารหรือการพนันทางพยาธิวิทยา [15][16]. ดงและคณะ [17]รายงานว่านักเรียน IAD มีการเปิดใช้งานในขั้นตอนการตรวจสอบความขัดแย้งลดลงและมีประสิทธิภาพน้อยลงในการประมวลผลข้อมูลและการควบคุมแรงกระตุ้นที่ต่ำกว่าการควบคุมปกติโดยการบันทึกศักยภาพสมองที่เกี่ยวข้องกับเหตุการณ์ระหว่างงาน Go / No-Go นอกจากนี้การศึกษาเอกซเรย์ปล่อยโพซิตรอน (PET) พบว่าเกมอินเทอร์เน็ตมีการใช้กลไกทางจิตวิทยาและระบบประสาทมากเกินไปกับความผิดปกติอื่น ๆ ในการควบคุมแรงกระตุ้นและการติดสาร / สารที่ไม่เกี่ยวข้องกับสารอื่น ๆ [18]. เมื่อนำมารวมกันการค้นพบนี้ชี้ให้เห็นว่าอาสาสมัครของ IAD นั้นมีความเกี่ยวข้องกับการเปลี่ยนแปลงเชิงโครงสร้างและการทำงานในส่วนของสมองที่เกี่ยวข้องกับการประมวลผลทางอารมณ์ความสนใจของผู้บริหารการตัดสินใจและการควบคุมความรู้ความเข้าใจ

เราตั้งสมมติฐานว่าวิชา IAD นั้นเกี่ยวข้องกับความบกพร่องของเส้นใยสีขาวที่เชื่อมต่อภูมิภาคเหล่านี้และสามารถตรวจพบการเปลี่ยนแปลงดังกล่าวได้โดยการแพร่ภาพเทนเซอร์ (DTI) ซึ่งเป็นเทคนิค MRI ที่ไม่รุกรานซึ่งสามารถวัดปริมาณความเสียหายของสารขาวได้ [19]. DTI มีความไวต่อคุณสมบัติการแพร่กระจายของน้ำและได้รับการพัฒนาเป็นเครื่องมือสำหรับการตรวจสอบคุณสมบัติในท้องถิ่นของสสารสีขาวในสมอง [20]. พารามิเตอร์การแพร่กระจายเชิงปริมาณที่ใช้บ่อยสี่สามารถได้มาจากข้อมูล DTI: 1) เศษส่วน anisotropy (FA) สะท้อนทิศทางของการแพร่กระจายของน้ำและการเชื่อมโยงกันของเส้นใยขาวเรื่อง; 2) หมายถึง diffusivity (MD) วัดปริมาณโดยรวมของการแพร่ของน้ำ 3) การแพร่กระจายตามแนวแกน (Da) วัดขนาดของการแพร่กระจายตามทิศทางการแพร่ของหลักการ และ 4) รัศมีการแพร่กระจาย (Dr) สะท้อนขนาดของการแพร่กระจายที่ตั้งฉากกับทิศทางการแพร่ของหลักการ [21],[22]. มาตรการเหล่านี้เกี่ยวข้องกับการจัดระเบียบโครงสร้างจุลภาคของสสารสีขาวและใช้ในการอนุมานลักษณะโครงสร้างของสภาพแวดล้อมเนื้อเยื่อในท้องถิ่น

ในการศึกษานี้เราใช้ DTI เพื่อตรวจสอบความสมบูรณ์ของสสารสีขาวในวัยรุ่นกับ IAD สถิติการวิเคราะห์เชิงพื้นที่ (TBSS) ของผู้สังเกตการณ์อิสระใช้วิธีการวิเคราะห์ข้อมูล DTI วิธีนี้ยังคงความแข็งแกร่งของการวิเคราะห์โดยใช้ voxel ในขณะที่แก้ไขข้อบกพร่องบางประการเช่นการจัดรูปภาพจากหลาย ๆ วัตถุและการเลือกที่จะปรับให้เรียบโดยไม่มีการกระตุก [23]. จุดมุ่งหมายของการศึกษาคือ 1) เพื่อตรวจสอบความแตกต่างในการกระจายภูมิประเทศของความสมบูรณ์ของสารสีขาวระหว่างวัยรุ่นที่มี IAD และการควบคุมที่ดีต่อสุขภาพโดยไม่มี IAD โดยไม่มีสมมติฐานเบื้องต้นเกี่ยวกับตำแหน่งของความผิดปกติที่อาจเกิดขึ้นและ 2) เพื่อตรวจสอบว่ามีหรือไม่ ความสัมพันธ์ระหว่างความสมบูรณ์ของสารสีขาวและมาตรการทางประสาทสรีรวิทยาในอาสาสมัคร IAD

Subjects

วัยรุ่นสิบแปดคนที่ติด IAD ได้รับคัดเลือกจากภาควิชาจิตเวชเด็กและวัยรุ่นศูนย์สุขภาพจิตเซี่ยงไฮ้ซึ่งทุกคนได้พบกับแบบสอบถามการวินิจฉัยของ Young ที่ได้รับการแก้ไขสำหรับเกณฑ์การติดอินเทอร์เน็ตโดย Beard and Wolf [2]. อายุสิบแปดเพศและความเป็นไปได้ของการศึกษาที่ตรงกับวิชาปกติโดยไม่ต้อง IAD ถูกเลือกเป็นตัวควบคุม อาสาสมัครทุกคนถนัดขวาประเมินโดยแบบสอบถามตามรายการความถนัดของเอดินเบอระ [24]. ข้อมูล MRI โครงสร้างจากวิชาเหล่านี้ถูกใช้ในการศึกษา VBM ก่อนหน้านี้ของเรา [12]. สำหรับการศึกษาครั้งนี้ข้อมูลภาพจากตัวควบคุมสองตัวและวัตถุ IAD หนึ่งอันจะต้องถูกทิ้งเพราะวัตถุเคลื่อนไหวขนาดใหญ่ เป็นผลให้มีการควบคุมทั้งหมดสิบหกตัว (ช่วงอายุ: 15 – 24) และสิบเจ็ดวิชา IAD (ช่วงอายุ: 14 – 24) รวมอยู่ด้วย. ข้อมูลด้านประชากรศาสตร์ของวิชาที่รวมอยู่ในรายการ 1 ตาราง.

1 ตาราง ลักษณะทางประชากรและพฤติกรรมของผู้เข้าร่วมรวม

ดอย: 10.1371 / journal.pone.0030253.t001

การศึกษาได้รับการอนุมัติโดยคณะกรรมการจริยธรรมของโรงพยาบาล RenJi ของโรงเรียนแพทย์มหาวิทยาลัยเซี่ยงไฮ้เจียวทง ผู้เข้าร่วมและผู้ปกครอง / ผู้ปกครองตามกฎหมายของพวกเขาได้รับแจ้งถึงจุดมุ่งหมายของการศึกษาของเราก่อนการตรวจ MRI ได้รับความยินยอมเป็นลายลักษณ์อักษรเต็มรูปแบบจากผู้ปกครอง / ผู้ปกครองของผู้เข้าร่วมแต่ละคน

เกณฑ์การรวมและการยกเว้น

วิชาทั้งหมดได้รับการตรวจร่างกายอย่างง่ายรวมถึงการวัดความดันโลหิตและอัตราการเต้นของหัวใจและได้รับการสัมภาษณ์โดยจิตแพทย์เกี่ยวกับประวัติทางการแพทย์ของพวกเขาเกี่ยวกับประสาทการเคลื่อนไหวการย่อยอาหารทางเดินหายใจการไหลเวียนระบบต่อมไร้ท่อปัสสาวะและระบบสืบพันธุ์ จากนั้นพวกเขาจะถูกคัดเลือกสำหรับความผิดปกติทางจิตเวชด้วยการสัมภาษณ์ Mini International Neuropsychiatric สำหรับเด็กและวัยรุ่น (MINI-KID) [25]. เกณฑ์การยกเว้นรวมถึงประวัติการใช้สารเสพติดหรือการพึ่งพาอาศัยกัน; ประวัติความผิดปกติทางจิตเวชที่สำคัญเช่นโรคจิตเภทโรคซึมเศร้าโรควิตกกังวลตอนโรคจิตหรือการรักษาในโรงพยาบาลสำหรับโรคทางจิตเวช วิชา IAD ไม่ได้รับการรักษาด้วยยาใด ๆ อย่างไรก็ตามกลุ่มตัวอย่างของ IAD จำนวนเล็กน้อยได้รับการบำบัดทางจิต

มาตรฐานการวินิจฉัยสำหรับ IAD ได้รับการดัดแปลงจากแบบสอบถามการวินิจฉัยของ Young's สำหรับเกณฑ์การติดอินเทอร์เน็ตโดย Beard and Wolf [2]. เกณฑ์ประกอบด้วยแปดรายการ 'ใช่' หรือ 'ไม่' แปลเป็นภาษาจีน มันรวมถึงคำถามต่อไปนี้: (1) คุณรู้สึกหมกมุ่นอยู่กับอินเทอร์เน็ต (เช่นคิดเกี่ยวกับกิจกรรมออนไลน์ก่อนหน้านี้หรือคาดว่าเซสชั่นออนไลน์ต่อไป)? (2) คุณรู้สึกถึงความจำเป็นในการใช้อินเทอร์เน็ตด้วยเวลาที่เพิ่มขึ้นเพื่อให้ได้รับความพึงพอใจหรือไม่? (3) คุณใช้ความพยายามซ้ำ ๆ ในการควบคุมตัดหรือหยุดการใช้งานอินเทอร์เน็ตซ้ำ ๆ หรือไม่? (4) คุณรู้สึกกระสับกระส่ายหงุดหงิดหรือหงุดหงิดเมื่อพยายามลดหรือหยุดการใช้อินเทอร์เน็ตหรือไม่? (5) คุณออนไลน์นานกว่าที่ตั้งใจไว้หรือไม่? (6) คุณได้รับความเสี่ยงหรือเสี่ยงต่อการสูญเสียความสัมพันธ์ที่สำคัญงานโอกาสทางการศึกษาหรืออาชีพเนื่องจากอินเทอร์เน็ตหรือไม่ (7) คุณโกหกสมาชิกในครอบครัวนักบำบัดโรคหรือคนอื่น ๆ เพื่อปกปิดขอบเขตของการมีส่วนร่วมกับอินเทอร์เน็ตหรือไม่? (8) คุณใช้อินเทอร์เน็ตเป็นวิธีหนึ่งในการหลบหนีจากปัญหาหรือบรรเทาอารมณ์เศร้า (เช่นความรู้สึกหมดหนทางความรู้สึกผิดความวิตกกังวลและความซึมเศร้า) หรือไม่? ผู้เข้าร่วมที่ตอบว่า 'ใช่' กับรายการ 1 ผ่าน 5 และอย่างน้อยหนึ่งในสามรายการที่เหลือนั้นจัดเป็นทุกข์จาก IAD

การประเมินพฤติกรรม

มีการใช้แบบสอบถามหกชุดเพื่อประเมินคุณลักษณะพฤติกรรมของผู้เข้าร่วม ได้แก่ Young's Internet Addiction Scale (YIAS) [26]มาตราส่วนการจัดการการจัดการเวลา (TMDS) [27]แบบสอบถามจุดแข็งและจุดแข็ง (SDQ) [28], Barratt Impulsiveness Scale-11 (BIS) [29]หน้าจอสำหรับความวิตกกังวลของเด็กที่เกี่ยวข้องกับความผิดปกติทางอารมณ์ (กลัว) [30] และอุปกรณ์ประเมินครอบครัว (FAD) [31]. แบบสอบถามทั้งหมดสร้างขึ้นครั้งแรกในภาษาอังกฤษและแปลเป็นภาษาจีน

การได้มาของภาพ

3.0-Tesla Phillips Achieva สแกนเนอร์ทางการแพทย์ การถ่ายภาพด้วยแสงสะท้อนแบบสะท้อนเดียวโดยใช้การจัดแนวของระนาบ Commissures ด้านหน้า - หลังถูกทำตามพารามิเตอร์ต่อไปนี้: เวลาการทำซ้ำ = 8,044 ms; echo time = 68 ms; ปัจจัย SENSE = 2; เมทริกซ์การเข้าซื้อกิจการ = 128 × 128 ที่เต็มไปด้วยศูนย์ถึง 256 × 256; มุมมอง = 256 × 256 มม2; ความหนาของชิ้น = 4 mm โดยไม่มีช่องว่าง ทั้งหมดส่วน 34 ครอบคลุมทั้งสมองรวมทั้งสมองน้อย การไล่ระดับความไวการแพร่กระจายถูกนำไปใช้ตามทิศทางการเข้ารหัสการไล่ระดับสีแบบ 15 แบบไม่เชิงเส้นด้วย b = 800 s / mm2. รูปภาพเพิ่มเติมหนึ่งภาพที่ไม่มีการไล่ระดับสีแบบกระจาย (b = 0 s / mm2) ก็ได้มาด้วย เพื่อเพิ่มอัตราส่วนสัญญาณต่อเสียงรบกวนการถ่ายภาพซ้ำสามครั้ง

การประมวลผลข้อมูลล่วงหน้า

ข้อมูล DTI ทั้งหมดถูกประมวลผลล่วงหน้าโดย Diffusion Toolbox (FDT) ของ FMRIB ภายใน Software Library ของ FMRIB (FSL; http://www.fmrib.ox.ac.uk/fsl) ขั้นแรกให้ปริมาตรการแพร่กระจายถูกจัดให้อยู่ในแนวเดียวกับการไม่กระจายน้ำหนัก0) ภาพที่มีการแปลงเลียนแบบเพื่อลดความผิดเพี้ยนของภาพจากกระแสไหลวนและเพื่อลดการเคลื่อนไหวของหัวอย่างง่าย จากนั้นเนื้อเยื่อที่ไม่ใช่สมองและเสียงพื้นหลังถูกลบออกจาก b0 รูปภาพโดยใช้เครื่องมือสกัดสมอง หลังจากขั้นตอนเหล่านี้เมตริกซ์การแพร่กระจายสำหรับแต่ละ voxel ถูกประเมินโดยอัลกอริทึมการปรับเชิงเส้นหลายตัวแปรและเมทริกซ์เมตริกซ์ถูกทแยงมุมเพื่อให้ได้ค่าลักษณะสามคู่ (λ1, λ2, λ3) และผู้ชำนาญการไอเกน จากนั้นค่า voxelwise ของ FA, MD, Da (Da = λ1) และ Dr (Dr = (λ)2+ λ3) / 2) คำนวณแล้ว

การวิเคราะห์ TBSS

การวิเคราะห์สมองทั้งหมดของภาพ FA ดำเนินการโดยใช้ TBSS [23]ซึ่งถูกนำไปใช้ใน FSL โดยสังเขปแผนที่ FA ของวัตถุทั้งหมดถูกจัดวางใหม่เป็นเป้าหมายแรกจากนั้นปริมาณ FA ที่จัดแนวจะถูกทำให้เป็นมาตรฐานเป็น 1 × 1 × 1 mm3 พื้นที่มาตรฐานของ Montreal Neurological Institute (MNI152) ผ่านเท็มเพลต FMRIB58_FA หลังจากนั้นภาพ FA ที่ลงทะเบียนนั้นถูกสร้างขึ้นโดยเฉลี่ยเพื่อสร้างภาพ FA แบบข้ามเรื่องและจากนั้นนำภาพ FA มาใช้เพื่อสร้างโครงกระดูก FA เฉลี่ยซึ่งหมายถึงแทร็กไฟเบอร์หลักและเป็นศูนย์กลางของเส้นใยทั้งหมดในกลุ่ม ค่าเฉลี่ยโครงกระดูก FA ถูกกำหนดค่าเพิ่มเติมโดยค่า FA ของ 0.2 เพื่อแยกส่วนต่อพ่วงที่มีความแปรปรวนระหว่างวัตถุและ / หรือผลกระทบของปริมาณบางส่วนกับวัตถุสีเทา ตามการจัดลำดับของโครงกระดูก FA ค่าเฉลี่ยข้อมูล FA ที่สอดคล้องของผู้เข้าร่วมแต่ละคนถูกฉายลงบนโครงกระดูกค่าเฉลี่ยเพื่อสร้างแผนที่ FA ที่ทำให้เป็นโครงกระดูกโดยการค้นหาพื้นที่รอบ ๆ โครงกระดูกในทิศทางที่ตั้งฉากกับแต่ละผืนดิน ค่าแล้วกำหนดค่านี้ให้กับโครงสร้างโครงกระดูกที่สอดคล้องกัน

เพื่อระบุความแตกต่างของ FA ระหว่างวิชา IAD และการควบคุมปกติข้อมูล FA ของ Skeletonized ถูกป้อนเข้าสู่การวิเคราะห์สถิติ voxel-wise ซึ่งใช้วิธีการที่ไม่ใช้พารามิเตอร์โดยใช้ทฤษฎีการทดสอบการเปลี่ยนแปลง การทดสอบดำเนินการโดยโปรแกรมสุ่มของ FSL ซึ่งใช้การเปลี่ยนลำดับแบบสุ่มของ 5000 มีการประมาณความแตกต่างสองประการ: ตัวแบบ IAD มากกว่าตัวควบคุมและตัวควบคุมที่มากกว่าตัวแบบ IAD อายุถูกป้อนเข้าสู่การวิเคราะห์ในฐานะตัวแปรเพื่อให้แน่ใจว่าความแตกต่างที่สังเกตได้ของ FA ระหว่างกลุ่มต่าง ๆ เป็นอิสระจากการเปลี่ยนแปลงที่เกี่ยวข้องกับอายุ การเพิ่มประสิทธิภาพคลัสเตอร์ที่ไม่มีเกณฑ์ (TFCE) [32]ทางเลือกอื่นนอกเหนือจากการกำหนดเกณฑ์แบบคลัสเตอร์แบบเดิมซึ่งโดยปกติจะถูกบุกรุกโดยการกำหนดโดยพลการของเกณฑ์การสร้างคลัสเตอร์ถูกนำมาใช้เพื่อให้ได้ความแตกต่างที่สำคัญระหว่างสองกลุ่มที่ p <0.01 หลังจากการบัญชีสำหรับการเปรียบเทียบหลายรายการโดยการควบคุมสำหรับข้อผิดพลาดที่ฉลาดในครอบครัว (FWE) อัตรา จากผลการเปรียบเทียบกลุ่ม voxel-wise พื้นที่โครงกระดูกที่แสดงความแตกต่างระหว่างกลุ่มอย่างมีนัยสำคัญถูกระบุตำแหน่งและติดป้ายชื่อทางกายวิภาคโดยการทำแผนที่สถิติที่แก้ไข FWE ของ p <0.01 กับ Johns Hopkins University (JHU) -ICBM-DTI-81 ป้ายกำกับสารสีขาว (WM) atlas และ JHU-WM Tractography Atlas ในช่องว่าง MNI

การวิเคราะห์เชิงปริมาณของดัชนีการแพร่

เพื่อสำรวจกลไกจุลภาคของการเปลี่ยนแปลงของ FA ที่สังเกตได้การวิเคราะห์ปริมาณความสนใจ (VOI) ได้ดำเนินการเพื่อตรวจสอบการเปลี่ยนแปลงของดัชนีการแพร่กระจาย (Da, Dr และ MD) ในบริเวณที่แสดงความผิดปกติของ FA ในการทำเช่นนั้นมาสก์ VOI ถูกแยกออกมาก่อนโดยพิจารณาจากกลุ่มที่แสดงความแตกต่างของ FA ระหว่างกลุ่มอย่างมีนัยสำคัญ จากนั้นมาสก์ VOI เหล่านี้จะถูกฉายกลับไปยังภาพต้นฉบับของแต่ละเรื่องและคำนวณค่าเฉลี่ยของดัชนีการแพร่กระจายภายใน VOI หลังจากยืนยันการแจกแจงตามปกติของข้อมูลโดยการทดสอบ Kolmogorov-Smirnov หนึ่งตัวอย่างการวิเคราะห์ทางเดียวของความแปรปรวนร่วม (ANCOVA) โดยมีกลุ่มเป็นตัวแปรอิสระและดัชนีการแพร่กระจายเมื่อดำเนินการตามตัวแปรตามโดยควบคุมอายุของอาสาสมัคร ใช้ระดับนัยสำคัญทางสถิติที่ p <0.05 (การแก้ไข Bonferroni สำหรับการเปรียบเทียบหลายรายการ)

การวิเคราะห์สหสัมพันธ์ของเพียร์สันถูกนำมาใช้เพื่อทดสอบความสัมพันธ์ระหว่างการเปลี่ยนแปลงของ FA ภายใน VOI และมาตรการด้านพฤติกรรม P <0.05 (ไม่ได้แก้ไข) ถือว่ามีนัยสำคัญทางสถิติ การวิเคราะห์การถดถอยพหุคูณแบบขั้นตอนโดยใช้ค่า FA เฉลี่ยใน VOI เป็นตัวแปรตามและอายุการศึกษาเพศ YIAS SDQ SCARED FAD TMDS และ BIS เป็นตัวแปรอิสระเพื่อตรวจสอบว่า FA ที่ต่ำกว่าที่พบใน VOI สามารถเป็นได้หรือไม่ ทำนายโดยคะแนนจากการทดสอบพฤติกรรม

มาตรการทางประชากรศาสตร์และพฤติกรรม

1 ตาราง แสดงรายการมาตรการด้านประชากรและพฤติกรรมสำหรับ IAD และหัวข้อควบคุม ไม่มีความแตกต่างอย่างมีนัยสำคัญในการแจกแจงอายุเพศและปีการศึกษาระหว่างทั้งสองกลุ่ม วิชา IAD มีคะแนน YIAS (p <0.0001), SDQ (p <0.001), SCARED (p <0.0001) และ FAD (p = 0.016) สูงกว่ากลุ่มควบคุม ไม่พบความแตกต่างของคะแนน TMDS และ BIS ระหว่างกลุ่ม

ผลลัพธ์ TBSS

ค่าของ 0.2 ถูกใช้เพื่อกำหนดค่าปริมาณโครงกระดูก FA เฉลี่ยซึ่งมีการใส่ค่า 131962 voxels ทั้งหมดลงในการวิเคราะห์ TBSS ที่ชาญฉลาด การกระจายเชิงพื้นที่ของพื้นที่สมองแสดง FA ที่ลดลงในกลุ่ม IAD จะถูกนำเสนอมา มะเดื่อ. 1 และ  2 ตาราง. เมื่อเทียบกับกลุ่มควบคุมผู้ป่วย IAD มี FA ลดลงอย่างมีนัยสำคัญ (p <0.01; แก้ไข TFCE) ในทวิภาคีออร์บิโต - ฟรอนทัลสสารสีขาว, คอร์ปัสแคลโลซัม, เส้นใยที่เชื่อมโยงกับการมีส่วนร่วมของพังผืดหน้า - ท้ายทอยทวิภาคีและ cingulum หน้าทวิภาคี เส้นใยฉายภาพประกอบด้วยรังสีโคโรนาด้านหน้าทวิภาคีซูพีเรียร์และโคโรนาด้านหลังแขนขาหน้าทวิภาคีของแคปซูลภายในแคปซูลภายนอกทวิภาคีและไจรัสด้านซ้าย ไม่มีพื้นที่สีขาวที่การควบคุมมีค่า FA ต่ำกว่าอย่างมีนัยสำคัญเมื่อเทียบกับผู้เข้าร่วม IAD

รูป 1 การวิเคราะห์ TBSS ของปริมาตรเศษส่วน anisotropy (FA)

พื้นที่สีแดงคือบริเวณที่ FA ลดลงอย่างมีนัยสำคัญ (p <0.01 แก้ไขโดย TFCE) ในวัยรุ่นที่มีโรคติดอินเทอร์เน็ต (IAD) เมื่อเทียบกับการควบคุมปกติที่ไม่มี IAD เพื่อช่วยในการแสดงภาพพื้นที่ที่แสดง FA ที่ลดลง (สีแดง) จะหนาขึ้นโดยใช้สคริปต์ tbss_fill ที่ใช้งานใน FSL ผลสอบ ถูกวางซ้อนบนเทมเพลต MNI152-T1 และโครงกระดูก FA เฉลี่ย (สีเขียว) ด้านซ้ายของภาพตรงกับสมองซีกขวา

ดอย: 10.1371 / journal.pone.0030253.g001

2 ตาราง บริเวณทางกายวิภาคของระบบประสาทที่มี FA ลดลงในวัยรุ่นที่มีความผิดปกติของการติดอินเทอร์เน็ตเมื่อเทียบกับการควบคุมปกติ (p <0.01 แก้ไข TFCE แล้ว)

ดอย: 10.1371 / journal.pone.0030253.t002

ผลลัพธ์ของ VOI

พื้นที่สมอง 22 แสดง FA ที่ลดลงอย่างมีนัยสำคัญในกลุ่ม IAD ถูกสกัดสำหรับการวิเคราะห์ด้วย VOI-based ของดัชนีการแพร่กระจายอื่น ๆ ผลลัพธ์แสดงไว้ใน 3 ตาราง. สิบเจ็ดจาก 22 VOIs แสดงให้เห็นว่า Dr เพิ่มขึ้นอย่างมีนัยสำคัญ (p <0.05, การแก้ไข Bonferroni สำหรับการเปรียบเทียบ 22 ครั้ง) ไม่พบความแตกต่างอย่างมีนัยสำคัญใน Da ใน VOI ใด ๆ

3 ตาราง ความแตกต่างของกลุ่มในดัชนีการแพร่กระจายจากปริมาณความสนใจ (แก้ไขตามอายุ)

ดอย: 10.1371 / journal.pone.0030253.t003

สำหรับ VOI 22 รายการการวิเคราะห์สหสัมพันธ์แบบเพียร์สันแสดงให้เห็นถึงความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างค่า FA ในสกุลทางซ้ายของคลังข้อมูลและ SCARED (r = −0.621, p = 0.008, ไม่ได้แก้ไข; รูปที่ 2A) และระหว่างค่า FA ในแคปซูลภายนอกด้านซ้ายและ YIAS (r = −0.566, p = 0.018, ไม่ได้แก้ไข;รูปที่ 2B) ในวิชา IAD การวิเคราะห์การถดถอยเชิงเส้นแบบพหุพบว่าผลของ SCARED ที่มีต่อ FA ภายใน genu ด้านซ้ายของ corpus callosum มีนัยสำคัญทางสถิติ (standardized β = −0.621, t = −3.07, p = 0.008) แต่ไม่ใช่อายุเพศการศึกษา และตัวแปรไซโครเมตริกอื่น ๆ การวิเคราะห์การถดถอยเชิงเส้นแบบพหุคูณแสดงให้เห็นว่าผลของ YIAS ต่อ FA ภายในแคปซูลภายนอกด้านซ้ายมีนัยสำคัญทางสถิติ (standardized β = −0.566, t = −2.66, p = 0.018) แต่ไม่ใช่อายุเพศการศึกษาและอื่น ๆ ตัวแปรไซโครเมตริก

รูป 2 การวิเคราะห์สหสัมพันธ์ระหว่างเศษส่วน anisotropy (FA) และมาตรการเชิงพฤติกรรมภายในกลุ่มโรคติดยาเสพติดทางอินเทอร์เน็ต (IAD)

เพื่อช่วยในการมองเห็นภาพพื้นที่ที่แสดงความสัมพันธ์ที่สำคัญ (สีแดง) จะหนาขึ้นโดยใช้สคริปต์ tbss_fill ที่ใช้ใน FSL รูปที่ 2A แสดงค่า FA ใน genu ด้านซ้ายของ corpus callosum มีความสัมพันธ์ทางลบกับ Screen for Child Anxiety Related Emotional Disorders (SCARED) (r = −0.621, p = 0.008) รูปที่ 2B การแสดงค่า FA ในแคปซูลภายนอกด้านซ้ายมีความสัมพันธ์เชิงลบกับระดับการติดอินเทอร์เน็ตของ Young's (YIAS) (r = −0.566, p = 0.018)

ดอย: 10.1371 / journal.pone.0030253.g002

การสนทนา 

ในการศึกษานี้เราใช้ DTI เพื่อตรวจสอบความสมบูรณ์ของสสารสีขาวในวัยรุ่น IAD โดยการวิเคราะห์ TBSS แบบ Voxel-wise TBSS อย่างชาญฉลาด เมื่อเปรียบเทียบกับอายุเพศและการศึกษาที่เข้าคู่กันการควบคุม IAD ได้ลด FA อย่างมีนัยสำคัญในสารสีขาว orbito-frontal ร่วมกับ cingulum, เส้นใย commissural ของ corpus callosum, เส้นใยสมาคมรวมถึง fasciculus หน้าท้ายทอยที่ด้อยกว่าและเส้นใยฉาย รังสีโคโรนาแคปซูลภายในและแคปซูลภายนอก (รูป 1 และ  2 ตาราง) ผลลัพธ์เหล่านี้แสดงให้เห็นถึงการขาดดุลอย่างกว้างขวางในความสมบูรณ์ของสสารสีขาวและสะท้อนถึงการหยุดชะงักในการจัดระเบียบของสสารสีขาวใน IAD. การวิเคราะห์ VOI แสดงให้เห็นว่า FA ที่ลดลงที่สังเกตได้ใน IAD ส่วนใหญ่เป็นผลมาจากการแพร่กระจายของรัศมีที่เพิ่มขึ้น3 ตาราง) อาจเป็นการรวมตัวของ demyelination นอกจากนี้ผลการวิเคราะห์สหสัมพันธ์พบว่า FA ใน genu ด้านซ้ายของ corpus callosum มีความสัมพันธ์เชิงลบกับ SCARED และ FA ในแคปซูลภายนอกซ้ายมีความสัมพันธ์เชิงลบกับ YIAS (รูป 2) การค้นพบเหล่านี้ชี้ให้เห็นว่าความสมบูรณ์ของสสารสีขาวอาจใช้เป็นเป้าหมายการรักษาใหม่ที่เป็นไปได้สำหรับ IAD และ FA อาจถูกนำมาใช้เป็นไบโอมาร์คเกอร์ที่มีคุณสมบัติเหมาะสมเพื่อทำความเข้าใจกลไกการบาดเจ็บพื้นฐานของระบบประสาท

ความสมบูรณ์ของสสารสีขาวที่ผิดปกติใน IAD

เยื่อหุ้มสมอง orbito-frontal มีการเชื่อมต่อที่กว้างขวางกับภูมิภาค prefrontal, visceromotor และ limbic เช่นเดียวกับพื้นที่สมาคมของแต่ละกิริยาช่วยประสาทสัมผัส [33]. มันมีบทบาทสำคัญในการประมวลผลทางอารมณ์และปรากฏการณ์ที่เกี่ยวข้องกับการเสพติดเช่นความอยากพฤติกรรมที่ต้องทำซ้ำ ๆ ซ้ำ ๆ และการตัดสินใจที่ไม่เหมาะสม [34][35]. การศึกษาก่อนหน้านี้พบว่าความสมบูรณ์ของสสารสีขาวที่ผิดปกติในเยื่อหุ้มสมอง orbito-frontal ได้รับการสังเกตบ่อยครั้งในอาสาสมัครที่สัมผัสกับสารเสพติดเช่นแอลกอฮอล์ [36]โคเคน [37][38]กัญชา [39]ยาบ้า [40]และคีตามีน [41]. การค้นพบของเรานั้น IAD นั้นเกี่ยวข้องกับความสมบูรณ์ของสสารสีขาวที่บกพร่องในภูมิภาค orbito-frontal ด้วยผลลัพธ์ก่อนหน้านี้

Anterior cingulate cortex (ACC) เชื่อมต่อกับสมองส่วนหน้าและระบบลิมบิกมีบทบาทสำคัญในการควบคุมการรับรู้การประมวลผลทางอารมณ์และความอยาก [42]. ความสมบูรณ์ของสสารสีขาวที่ผิดปกติใน cingulum ด้านหน้ายังได้รับการสังเกตอย่างต่อเนื่องในรูปแบบอื่น ๆ ของการติดเช่นโรคพิษสุราเรื้อรัง [36]เฮโรอีน [43]และติดยาเสพติดโคเคน [38]. การสังเกต FA ที่ลดลงภายในส่วนหน้าของอาสาสมัคร IAD นั้นสอดคล้องกับผลลัพธ์ก่อนหน้านี้และมีรายงานว่าอินเทอร์เน็ตจำนวนมากใช้งานหนักเกินไป[17] มีความเกี่ยวข้องกับการควบคุมการรับรู้บกพร่อง สิ่งที่น่าสนใจยิ่งกว่าคือกลุ่มของ IAD ที่เป็นกลุ่มเดียวกันแสดงให้เห็นว่ามีความหนาแน่นของสสารสีเทาลดลงอย่างมากใน ACC ด้านซ้ายเมื่อเทียบกับชุดควบคุม [12]. มีการรายงานผลลัพธ์ที่คล้ายกันโดยกลุ่มอื่น [13].

โครงสร้างที่สำคัญอีกประการหนึ่งที่แสดงให้เห็น FA ที่ลดลงในเรื่องของ IAD คือ corpus callosum ซึ่งเป็นเส้นใยสสารสีขาวที่ใหญ่ที่สุดที่เชื่อมต่อนีโอคอร์เท็กซ์ของซีกโลกทั้งสอง [44]. ส่วนหน้าของ corpus callosum เชื่อมต่อเยื่อหุ้มสมองส่วนหน้าขณะที่ร่างกายและ splenium เชื่อมต่อบริเวณขม่อมขมับและขม่อมท้ายทอย [45]. การเชื่อมต่อของเส้นใยที่ถูกบุกรุกภายใน corpus callosum เป็นการค้นพบทั่วไปในตัวแบบที่พึ่งพาสารเคมี [46]. ในวิชาที่ขึ้นกับโคเคนค่า FA ลดลงอย่างมีนัยสำคัญใน genu และร่างกาย rostral [47] และร่างกายและ splenium ของ corpus callosum [48] ถูกรายงาน ผู้เสพยาบ้ายาบ้าแสดงให้เห็นว่าความสมบูรณ์ของสสารสีขาวลดลงใน genu [49] และร่างกาย rostral [50] ของ callosum คลัง โรคพิษสุราเรื้อรังมีความสัมพันธ์กับ FA ที่ลดลงใน genu, ร่างกายและ splenium ของ corpus callosum [51][52]. ล่าสุด Bora และคณะ [53] สังเกตการลดลงของ FA ใน genu และ ismmus ของ corpus callosum ในผู้ป่วยที่พึ่งพายาเสพติด การค้นพบ FA ที่ลดลงของเราส่วนใหญ่อยู่ในประเภททวิภาคีและร่างกายของ callusum คลังข้อมูลในวิชา IAD แนะนำว่าการใช้อินเทอร์เน็ตมากเกินไปอย่างหนักเช่นเดียวกับการใช้สารเสพติดอาจทำลายโครงสร้างจุลภาคของสสารขาวในร่างกาย

เมื่อเปรียบเทียบกับกลุ่มควบคุมอาสาสมัคร IAD ยังแสดงให้เห็น FA ที่ลดลงอย่างมีนัยสำคัญในแขนขาด้านหน้าของแคปซูลภายใน, แคปซูลภายนอก, การฉายรังสีโคโรนา, fasciculus fronto-ท้ายทอยด้านล่างและ gyrus precentral อีกครั้งพบความผิดปกติของสารสีขาวที่คล้ายกันในรูปแบบอื่น ๆ ของการเสพติด. ตัวอย่างเช่นมีการรายงานเรื่องการเปลี่ยนแปลงของสารสีขาวในแขนขาด้านหน้าของแคปซูลภายในและแคปซูลภายนอกในแอลกอฮอล์ที่ไม่เหมาะสม [54][55] และยาเสพติดยาเสพติด [53]. เอฟเอลดลงในแขนขาด้านหน้าของแคปซูลภายในอาจบ่งบอกถึงการเปลี่ยนแปลงในวงจรด้านหน้า - subcortical เส้นทางนี้ให้การเชื่อมต่อระหว่างฐานดอกฐานดอกและพื้นที่เยื่อหุ้มสมองด้านหน้าและประกอบด้วยระบบที่มีบทบาทในการให้รางวัลและการประมวลผลทางอารมณ์ [56]. แคปซูลภายนอกเชื่อมต่อเยื่อหุ้มสมองส่วนหน้าท้องและตรงกลางกับ striatum Corona radiata ประกอบด้วยเส้นใยสสารสีขาวที่เชื่อมโยงเยื่อหุ้มสมองกับแคปซูลภายในและให้การเชื่อมต่อที่สำคัญระหว่างหน้าผากขม่อมขมับขมับและท้ายทอย [57]. ความสมบูรณ์ของสสารสีขาวที่ผิดปกติในโคโรน่า radiata เคยถูกพบในโคเคน [58]และการละเมิดยาบ้า [59]และการพึ่งพาแอลกอฮอล์ [54]. fasciculus fronto-ท้ายทอยด้อยกว่าเป็นกลุ่มที่เชื่อมโยงการเชื่อมต่อหน้าผากกับกลีบข้างขม่อมและท้ายทอย เมื่อเทียบกับผู้ดื่มเบา ๆ ผู้ติดสุราจะมี FA ต่ำในภูมิภาคนี้ [54]. ความผิดปกติของการให้เฮโรอีนแบบพรีเซนเทลในการพึ่งพาเฮโรอีน [43] และกัญชาและวัยรุ่นที่ใช้แอลกอฮอล์ [39].

โดยรวมแล้วการค้นพบของเราระบุว่า IAD นั้นมีความสมบูรณ์ของสสารสีขาวที่ผิดปกติในบริเวณสมองซึ่งเกี่ยวข้องกับการสร้างอารมณ์และการประมวลผลความสนใจของผู้บริหารการตัดสินใจและการควบคุมความรู้ความเข้าใจ ผลการวิจัยยังชี้ให้เห็นว่า IAD อาจแบ่งปันกลไกทางจิตวิทยาและระบบประสาทกับการติดสารชนิดอื่นและความผิดปกติในการควบคุมแรงกระตุ้น

กลไกที่เป็นไปได้เกี่ยวกับ FA ลดลง

แม้ว่า FA ที่ลดลงนั้นเป็นตัวบ่งชี้ทางชีวภาพที่ได้รับการยอมรับอย่างดีสำหรับความสมบูรณ์ของสสารสีขาวที่บกพร่อง เอฟเอของเส้นใยสีขาว / มัดอาจได้รับผลกระทบจากหลายปัจจัยรวมทั้ง myelination ขนาดแอกซอนและความหนาแน่นเรขาคณิตเส้นทางและช่องว่างน้ำ extracellular ระหว่างเส้นใย [20]. ในการศึกษานี้เราพบว่าการลดลงของ FA ในสมองของอาสาสมัคร IAD นั้นได้รับแรงผลักดันหลักจากการเพิ่มขึ้นของการแพร่กระจายของรัศมีโดยไม่มีการเปลี่ยนแปลงที่สังเกตได้ในการแพร่กระจายตามแนวแกน (3 ตาราง) สิ่งนี้ก็ดูเหมือนจะเป็นจริงในรูปแบบอื่นของการพึ่งพาสารเช่นโคเคน [60][61], ยาเสพติด[53]และการละเมิด / การติดยาบ้า [62]. แม้ว่ามันจะยังคงเป็นเรื่องของการถกเถียงกันโดยทั่วไปเชื่อว่ารัศมีการแพร่กระจาย ส่วนใหญ่สะท้อนให้เห็นถึงความสมบูรณ์และความหนาของแผ่นไมอีลินที่ครอบคลุมแกน [22]ในขณะที่การแพร่กระจายตามแนวแกนอาจทำดัชนีการจัดโครงสร้างของเส้นใยและความสมบูรณ์ของซอน[63]. หากสมมติฐานนี้เป็นจริงในกรณีของเราก็อาจจะสรุปได้ว่า FA ลดลงสังเกตว่าสมองของอาสาสมัคร IAD น่าจะเป็นการแสดงออกของความสมบูรณ์ของไมอีลินที่กระจัดกระจายในบริเวณสมองที่ได้รับผลกระทบ

ความสัมพันธ์ระหว่าง FA กับมาตรการเชิงพฤติกรรมใน IAD

การประเมินพฤติกรรมแสดงให้เห็นว่าอาสาสมัคร IAD มีคะแนนที่สูงขึ้นอย่างมีนัยสำคัญใน YIAS, SDQ, SCARED และ FAD เมื่อเปรียบเทียบกับการควบคุม การค้นพบนี้สอดคล้องกับผลลัพธ์ของการศึกษาทางด้านจิตวิทยาประสาทก่อนหน้าในวิชา IAD [9][64]. การทำความเข้าใจความสัมพันธ์ระหว่างความสมบูรณ์ของสสารสีขาวและคุณสมบัติด้านพฤติกรรมนั้นให้ข้อมูลเชิงลึกที่สำคัญเกี่ยวกับกลไกทางระบบประสาทที่เกี่ยวกับลักษณะต่าง ๆ ของอาการติดยาเสพติด ตัวอย่างเช่น Pfefferbaum และเพื่อนร่วมงาน [65] รายงานความสัมพันธ์เชิงบวกระหว่างค่า FA ใน splenium และหน่วยความจำในการทำงานในผู้ติดสุราเรื้อรัง ในการพึ่งพาโคเคนมีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่าง FA ใน callosum คลังก่อนหน้าและแรงกระตุ้นและความสัมพันธ์เชิงบวกระหว่าง FA และ discriminability ถูกตั้งข้อสังเกต [47]. FA ในส่วนหน้าของเฮโรอีนที่ขึ้นกับอวัยวะย่อยด้านหน้าขวาพบว่ามีความสัมพันธ์ทางลบกับระยะเวลาของการใช้เฮโรอีน [43]. การควบคุมความรู้ความเข้าใจที่ไม่ดีมีความสัมพันธ์กับค่า FA ที่ลดลงใน genu ของ corpus callosum ในผู้ใช้ยาบ้า [49].

ในการศึกษานี้เราตรวจสอบพฤติกรรมที่สัมพันธ์กับการลด FA ในพื้นที่สมองที่ได้รับผลกระทบในวิชา IAD การลดลงของ FA ใน genu ซ้ายของ corpus callosum ของวิชา IAD มีความสัมพันธ์อย่างมีนัยสำคัญกับการเพิ่มขึ้นของคะแนน SCARED; ในขณะที่คะแนน YIAS ที่สูงขึ้นดูเหมือนจะเกี่ยวข้องกับความสมบูรณ์ของสสารสีขาวที่มีความบกพร่องอย่างรุนแรงในแคปซูลภายนอกด้านซ้าย

SCARED เป็นแบบสอบถามรายงานตนเองที่เชื่อถือได้และถูกต้องซึ่งวัดอาการของโรควิตกกังวลในเด็ก [30]. การศึกษาทางประสาทวิทยาพบว่าวัยรุ่น IAD มีคะแนน SCARED สูงกว่าผู้ที่ไม่มี IAD อย่างมีนัยสำคัญ [64]. ความสัมพันธ์เชิงลบระหว่างคะแนน SCARED และ FA ใน genu ด้านซ้ายของ callusum คลังอาจเกิดขึ้นจากการเชื่อมต่อการหยุดชะงักระหว่าง cortices prefrontal ทวิภาคีทวิภาคีที่เกี่ยวข้องกับความผิดปกติของความวิตกกังวล YIAS ประเมินระดับที่การใช้อินเทอร์เน็ตจำนวนมากส่งผลกระทบในทางลบต่อการทำงานและความสัมพันธ์ทางสังคม [26]; และเป็นเครื่องมือที่ใช้กันอย่างแพร่หลายสำหรับการประเมินการพึ่งพาอินเทอร์เน็ต การศึกษาไซโครเมทริกซ์ก่อนหน้านี้แสดงให้เห็นว่าอาสาสมัคร IAD มีคะแนน YIAS สูงกว่าที่ไม่มี IAD [9]. ความสัมพันธ์เชิงลบระหว่างคะแนน YIAS และค่า FA ในแคปซูลภายนอกด้านซ้ายแสดงให้เห็นว่าอาสาสมัคร IAD ที่มีคะแนน YIAS สูงกว่าปรากฏว่ามีความสมบูรณ์ของสสารสีขาวในเส้นทาง fronto-temporal pathway ที่เชื่อมต่อผ่านแคปซูลภายนอก

นอกจากนี้ความสัมพันธ์ระหว่างความสมบูรณ์ของสสารสีขาวและคุณสมบัติด้านพฤติกรรมบ่งชี้ถึงเป้าหมายที่เป็นไปได้ใหม่สำหรับการรักษาวิชา IAD ซึ่งสอดคล้องกับการเรียกเมื่อไม่นานมานี้เพื่อมุ่งเน้นไปที่การพัฒนาความรู้ความเข้าใจในกลุ่มประชากรที่ติดยา [66][67]. การศึกษาล่าสุดแสดงให้เห็นว่าการรักษาทางกายภาพหรือทางเภสัชวิทยาอาจปรับปรุงความสมบูรณ์ของสารสีขาว ตัวอย่างเช่น Schlaug และเพื่อนร่วมงานรายงานว่าการบำบัดทางกายภาพสามารถเพิ่มความสมบูรณ์ของสสารสีขาวในพื้นที่ภาษาที่ถูกต้องและปรับปรุงการพูดในผู้ป่วยที่มีความพิการทางสมองที่มีรอยโรคในพื้นที่ด้านซ้าย [68]. ดังนั้นการค้นพบความสัมพันธ์ที่สำคัญระหว่างความสมบูรณ์ของสสารสีขาวที่บกพร่องในภูมิภาคที่กว้างขวางและมาตรการทางด้านจิตวิทยาวิทยาที่ไม่ดีในอาสาสมัครของ IAD ชี้ให้เห็นว่าความสมบูรณ์ของสสารสีขาวอาจทำหน้าที่เป็นตัวทำนายการเลิกบุหรี่หรือเป้าหมายการรักษาใหม่

TBSS กับ VBM

การศึกษาก่อนหน้าของเราแสดงให้เห็นว่าไม่มีการฝ่อสสารสีขาวในวิชา IAD แบบเดียวกัน [12]และสิ่งนี้อาจไม่สอดคล้องกับสิ่งที่ค้นพบในการศึกษานี้ ความหนาแน่นของสสารสีเทาหรือสีขาวที่วัดโดย VBM ถูกกำหนดให้เป็นความเข้มข้นสัมพัทธ์ของโครงสร้างสสารสีเทาหรือสีขาวในรูปแบบการวางภาพเชิงพื้นที่ (เช่นสัดส่วนของสสารสีเทาหรือสีขาวต่อเนื้อเยื่อทุกประเภทในภูมิภาค) ซึ่งไม่ควรสับสนกับเซลล์ ความหนาแน่นของการบรรจุวัดโดยใช้ทางด้านสถาปัตยกรรม” [69]. ในการวิเคราะห์ DTI / TBSS ค่า FA ถูกใช้เป็นตัวแทนของความสมบูรณ์ของโครงสร้างของสสารสีขาวซึ่งอาจเกิดจากปัจจัยต่างๆเช่น myelination ขนาดแอกซอนและความหนาแน่นเรขาคณิตของทางเดินและช่องว่างน้ำระหว่างเส้นใย [20]. ดังนั้นความหนาแน่นที่ได้มาจาก VBM และความสมบูรณ์ของโครงสร้างที่วัดโดย DTI จึงเป็นตัวแทนของแง่มุมต่าง ๆ ของสสารสีขาว อาจมีบริเวณสสารสีขาวที่ไม่แสดงอาการลีบโดย VBM แต่มีความบกพร่องทางโครงสร้างเมื่อตรวจพบโดยการวัด FA (เช่นเป็นกรณีในการศึกษาของ IAD) และในทางกลับกัน จากผลการศึกษาทั้งสองร่วมกันอาจสรุปได้ว่า IAD ในวัยรุ่นไม่ได้เกี่ยวข้องกับการเปลี่ยนแปลงทางสัณฐานวิทยาของสารสีขาวในระดับมหภาค แต่เกิดจากความสมบูรณ์ของโครงสร้างจุลภาคของสสารสีขาว

ข้อ จำกัด ของการศึกษา

มีข้อ จำกัด หลายประการที่ควรกล่าวถึงในการศึกษานี้ ประการแรกการวินิจฉัยของ IAD ขึ้นอยู่กับผลลัพธ์ของแบบสอบถามที่รายงานด้วยตนเองซึ่งอาจทำให้เกิดการจำแนกข้อผิดพลาดบางอย่าง ดังนั้นการวินิจฉัยของ IAD จะต้องได้รับการขัดเกลาด้วยเครื่องมือวินิจฉัยมาตรฐานเพื่อปรับปรุงความน่าเชื่อถือและความถูกต้อง ประการที่สองแม้ว่าเราจะพยายามอย่างดีที่สุดเพื่อแยกสาร comorbid และความผิดปกติทางจิตเวชเป็นที่ยอมรับว่าสิ่งนี้อาจไม่ได้ทำอย่างเพียงพอ (เช่นไม่มีการทดสอบปัสสาวะนิสัยการนอนและตารางเวลา เช่นว่าการเปลี่ยนแปลงของสารสีขาวที่สังเกตเห็นอาจไม่ได้มาจาก IAD ต่อ se มันก็ยอมรับว่านี่ไม่ใช่การศึกษาควบคุมผลกระทบของการใช้อินเทอร์เน็ตในโครงสร้างสมอง ประการที่สามขนาดตัวอย่างในการศึกษานี้มีขนาดค่อนข้างเล็กซึ่งอาจลดอำนาจของนัยสำคัญทางสถิติและการวางนัยทั่วไปของผลการวิจัย เนื่องจากข้อ จำกัด นี้ผลลัพธ์เหล่านี้ควรได้รับการพิจารณาเบื้องต้นซึ่งจะต้องมีการจำลองแบบในการศึกษาในอนาคตด้วยขนาดตัวอย่างที่ใหญ่ขึ้น สุดท้ายจากการศึกษาแบบภาคตัดขวางผลลัพธ์ของเราไม่ได้แสดงให้เห็นอย่างชัดเจนว่าลักษณะทางจิตวิทยาก่อนการพัฒนาของ IAD หรือเป็นผลมาจากการใช้อินเทอร์เน็ตมากเกินไป ดังนั้นการศึกษาในอนาคตควรพยายามระบุความสัมพันธ์เชิงสาเหตุระหว่าง IAD และมาตรการทางจิตวิทยา

โดยสรุปเราใช้ DTI กับการวิเคราะห์ TBSS เพื่อตรวจสอบโครงสร้างจุลภาคของสสารสีขาวในหมู่วัยรุ่น IAD ผลการศึกษาแสดงให้เห็นว่า IAD นั้นมีความโดดเด่นจากการเสื่อมของเส้นใยสสารขาวที่เชื่อมต่อบริเวณสมองที่เกี่ยวข้องกับการสร้างและประมวลผลทางอารมณ์ ผลการวิจัยยังชี้ให้เห็นว่า IAD อาจแบ่งปันกลไกทางจิตวิทยาและประสาทกับความผิดปกติอื่น ๆ ของการควบคุมแรงกระตุ้นและการติดสารเสพติด นอกจากนี้ความสัมพันธ์ระหว่างค่า FA ในภูมิภาคสารสีขาวและมาตรการด้านพฤติกรรมบ่งชี้ว่าความสมบูรณ์ของสารสีขาวอาจทำหน้าที่เป็นเป้าหมายการรักษาใหม่ที่เป็นไปได้สำหรับ IAD และ DTI อาจมีประโยชน์ในการให้ข้อมูลเกี่ยวกับการพยากรณ์โรคสำหรับ IAD และ FA อาจมีคุณสมบัติ biomarker เพื่อประเมินประสิทธิภาพของการแทรกแซงเฉพาะใน IAD

กิตติกรรมประกาศ 

เราขอขอบคุณผู้ตรวจสอบที่ไม่ระบุชื่อสองคนสำหรับคำพูดและข้อเสนอแนะที่สร้างสรรค์ เราขอขอบคุณนักเรียนและครอบครัวที่มีส่วนร่วมอย่างเต็มใจในการศึกษานี้

ผลงานของผู้เขียน

รู้สึกและออกแบบการทดลอง: FL YZ YD JX HL ทำการทดลอง: YZ LQ ZZ วิเคราะห์ข้อมูล: FL HL รีเอเจนต์ที่สนับสนุน / วัสดุ / เครื่องมือวิเคราะห์: YZ YD FL เขียนบทความ: FL HL

อ้างอิง 

1. Aboujaoude E (2010) การใช้อินเทอร์เน็ตที่มีปัญหา: ภาพรวม จิตเวชศาสตร์โลก 9: 85–90. ค้นหาบทความออนไลน์นี้

2. Beard KW, Wolf EM (2001) การปรับเปลี่ยนในเกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ต Cyberpsychol Behav 4: 377–383. ค้นหาบทความออนไลน์นี้

 

3. Young KS (1998) การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ Cyberpsychol Behav 1: 237–274. ค้นหาบทความออนไลน์นี้

 

4. Chou C, Condron L, Belland JC (2005) การทบทวนงานวิจัยเกี่ยวกับการติดอินเทอร์เน็ต Educ Psychol Rev 17: 363–388 ค้นหาบทความออนไลน์นี้

 

5. Douglas AC, Mills JE, Niang M, Stepchenkova S, Byun S และอื่น ๆ (2008) การติดอินเทอร์เน็ต: การสังเคราะห์เมตาของการวิจัยเชิงคุณภาพสำหรับทศวรรษ 1996-2006 Comput Human Behav 24: 3027–3044ค้นหาบทความออนไลน์นี้

 

6. Weinstein A, Lejoyeux M (2010) การติดอินเทอร์เน็ตหรือการใช้อินเทอร์เน็ตมากเกินไป Am J Drug Alcohol Abuse 36: 277–283 ค้นหาบทความออนไลน์นี้

 

7. Bernardi S, Pallanti S (2009) การติดอินเทอร์เน็ต: การศึกษาทางคลินิกเชิงพรรณนาโดยมุ่งเน้นไปที่โรคโคม่าและอาการที่ไม่เข้ากัน ประกอบจิตเวชศาสตร์ 50: 510–516 ค้นหาบทความออนไลน์นี้

 

8. Caplan SE (2002) การใช้อินเทอร์เน็ตที่มีปัญหาและความเป็นอยู่ที่ดีทางจิตสังคม: การพัฒนาเครื่องมือวัดความรู้ความเข้าใจและพฤติกรรมตามทฤษฎี Comput Human Behav 18: 553–575 ค้นหาบทความออนไลน์นี้

 

9. Cao F, Su L (2007) การติดอินเทอร์เน็ตในวัยรุ่นจีน: ความชุกและลักษณะทางจิตวิทยา การดูแลสุขภาพเด็ก Dev 33: 275–281 ค้นหาบทความออนไลน์นี้

 

10. Shaw M, Black DW (2008) การติดอินเทอร์เน็ต: คำจำกัดความการประเมินระบาดวิทยาและการจัดการทางคลินิก CNS Drugs 22: 353–365 ค้นหาบทความออนไลน์นี้

 

11. Tao R, Huang XQ, Wang JN, Zhang HM, Zhang Y และอื่น ๆ (2010) เสนอเกณฑ์การวินิจฉัยสำหรับการติดอินเทอร์เน็ต. การเสพติด 105: 556–564 ค้นหาบทความออนไลน์นี้

 

12. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM และอื่น ๆ (2011) ความผิดปกติของสสารสีเทาในการติดอินเทอร์เน็ต: การศึกษา morphometry ที่ใช้ voxel Eur J Radiol 79: 92–95 ค้นหาบทความออนไลน์นี้

 

13. Yuan K, Qin W, Wang G, Zeng F, Zhao L และอื่น ๆ (2011) ความผิดปกติของโครงสร้างจุลภาคในวัยรุ่นที่เป็นโรคติดอินเทอร์เน็ต. PLoS One 6: e20708 ค้นหาบทความออนไลน์นี้

 

14. Liu J, Gao XP, Osunde I, Li X, Zhou SK และอื่น ๆ (2010) ความสม่ำเสมอในระดับภูมิภาคที่เพิ่มขึ้นในความผิดปกติของการติดอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก ชินเมดเจ (อังกฤษ) 123: 1904–1908 ค้นหาบทความออนไลน์นี้

 

15. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK และอื่น ๆ (2011) กิจกรรมทางสมองและความปรารถนาในการเล่นวิดีโอเกมทางอินเทอร์เน็ต Compr Psychiatry 52: 88–95 ค้นหาบทความออนไลน์นี้

 

16. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ และอื่น ๆ (2009) กิจกรรมทางสมองที่เกี่ยวข้องกับการกระตุ้นการเล่นเกมของการติดเกมออนไลน์ จิตแพทย์ Res 43: 739–747 ค้นหาบทความออนไลน์นี้

 

17. Dong G, Lu Q, Zhou H, Zhao X (2010) การยับยั้งแรงกระตุ้นในผู้ที่มีโรคติดอินเทอร์เน็ต: หลักฐานทางไฟฟ้าทางสรีรวิทยาจากการศึกษา Go / NoGo Neurosci Lett 485: 138–142 ค้นหาบทความออนไลน์นี้

 

18. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS และอื่น ๆ (2010) การเปลี่ยนแปลงการเผาผลาญกลูโคสในสมองในระดับภูมิภาคในเกมอินเทอร์เน็ตเหนือผู้ใช้: การศึกษาเอกซเรย์ปล่อยโพซิตรอน 18F-fluorodeoxyglucose CNS Spectr 15: 159–166 ค้นหาบทความออนไลน์นี้

 

19. Basser PJ, Mattiello J, LeBihan D (1994) การประมาณค่าเทนเซอร์กระจายตัวเองที่มีประสิทธิภาพจาก NMR spin echo J Magn Reson B 103: 247–254 ค้นหาบทความออนไลน์นี้

 

20. Le Bihan D (2003) มองเข้าไปในโครงสร้างการทำงานของสมองด้วย MRI แบบกระจาย Nat Rev Neurosci 4: 469–480 ค้นหาบทความออนไลน์นี้

 

21. Basser PJ, Pierpaoli C (1996) ลักษณะทางจุลภาคและสรีรวิทยาของเนื้อเยื่อที่อธิบายโดย MRI เทนเซอร์กระจายเชิงปริมาณ J Magn Reson B 111: 209–219 ค้นหาบทความออนไลน์นี้

 

22. เพลง SK, Sun SW, Ramsbottom MJ, Chang C, Russell J และอื่น ๆ (2002) Dysmyelination เปิดเผยผ่าน MRI เนื่องจากการแพร่กระจายของน้ำในแนวรัศมีที่เพิ่มขึ้น (แต่ไม่เปลี่ยนแปลงตามแนวแกน) ประสาทภาพ 17: 1429–1436 ค้นหาบทความออนไลน์นี้

 

23. Smith SM, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols TE และอื่น ๆ (2006) สถิติเชิงพื้นที่ตามแทร็ก: การวิเคราะห์ข้อมูลการแพร่กระจายหลายเรื่องโดย voxelwise ประสาทภาพ 31: 1487–1505 ค้นหาบทความออนไลน์นี้

 

24. Oldfield RC (1971) การประเมินและวิเคราะห์ความถนัดมือ: สินค้าคงคลังในเอดินบะระ ประสาทวิทยา 9: 97–113 ค้นหาบทความออนไลน์นี้

 

25. Sheehan DV, Sheehan KH, Shytle RD, Janavs J, Bannon Y และอื่น ๆ (2010) ความน่าเชื่อถือและความถูกต้องของ Mini International Neuropsychiatric Interview for Children and Adolescents (MINI-KID). จิตเวชศาสตร์ J Clin 71: 313–326 ค้นหาบทความออนไลน์นี้

 

26. Young KS (1998) ติดเน็ต: วิธีรับรู้สัญญาณของการติดอินเทอร์เน็ตและกลยุทธ์ที่ชนะในการฟื้นตัว นิวยอร์ก: John Wiley

 

27. Huang X, Zhang Z (2001) การรวบรวมมาตราส่วนการจัดการเวลาของวัยรุ่น Acta Psychol Sin 33: 338–343 ค้นหาบทความออนไลน์นี้

 

28. Goodman R (1997) แบบสอบถามจุดแข็งและความยากลำบาก: บันทึกการวิจัย J จิตเวชเด็ก J 38: 581–586 ค้นหาบทความออนไลน์นี้

 

29. Patton JH, Stanford MS, Barratt ES (1995) โครงสร้างปัจจัยของระดับความหุนหันพลันแล่นของ Barratt J Clin Psychol 51: 768–774 ค้นหาบทความออนไลน์นี้

 

30. Birmaher B, Khetarpal S, Brent D, Cully M, Balach L และอื่น ๆ (1997) หน้าจอสำหรับความวิตกกังวลของเด็กที่เกี่ยวข้องกับความผิดปกติทางอารมณ์ (SCARED): การสร้างมาตราส่วนและลักษณะไซโครเมตริก J Am Acad Child Adolesc Psychiatry 36: 545–553 ค้นหาบทความออนไลน์นี้

 

31. Epstein NB, Baldwin LM, Bishop DS (1983) อุปกรณ์ประเมินครอบครัวของ McMaster J Marital Fam Ther 9: 171–180 ค้นหาบทความออนไลน์นี้

 

32. Smith SM (2009) การเพิ่มประสิทธิภาพคลัสเตอร์แบบไม่มีขีด จำกัด : การแก้ไขปัญหาของการทำให้ราบรื่นการพึ่งพาเกณฑ์และการแปลเป็นภาษาท้องถิ่นในการอนุมานคลัสเตอร์ ประสาทภาพ 44: 83–98 ค้นหาบทความออนไลน์นี้

 

33. Ongur D, Price JL (2000) การจัดระเบียบของเครือข่ายภายในเยื่อหุ้มสมองส่วนหน้าของวงโคจรและตรงกลางของหนูลิงและมนุษย์ เซเรบคอร์เท็กซ์ 10: 206–219 ค้นหาบทความออนไลน์นี้

 

34. Schoenebaum G, Roesch MR, Stalnaker TA (2006) Orbitofrontal cortex การตัดสินใจและการติดยา เทรนด์ Neurosci 29: 116–124 ค้นหาบทความออนไลน์นี้

 

35. Volkow ND, Fowler JS (2000) การติดยาเสพติดโรคของการบังคับและแรงขับ: การมีส่วนร่วมของเยื่อหุ้มสมองวงโคจร เซเรบคอร์เท็กซ์ 10: 318–325 ค้นหาบทความออนไลน์นี้

 

36. Harris GJ, Jaffin SK, Hodge SM, Kennedy D, Caviness VS และอื่น ๆ (2008) สารสีขาวส่วนหน้าและการถ่ายภาพเทนเซอร์การแพร่กระจายซิงกูลัมขาดดุลในโรคพิษสุราเรื้อรัง แอลกอฮอล์ Clin Exp Res 32: 1001–1013 ค้นหาบทความออนไลน์นี้

 

37. Lim KO, Choi SJ, Pomara N, Wolkin A, Rotrosen JP (2002) ลดความสมบูรณ์ของสารสีขาวด้านหน้าในการพึ่งพาโคเคน: การศึกษาการถ่ายภาพเทนเซอร์การแพร่กระจายที่ควบคุมได้ จิตเวชศาสตร์จิตเวช 51: 890–895 ค้นหาบทความออนไลน์นี้

 

38. Romero MJ, Asensio S, Palau C, Sanchez A, Romero FJ (2010) การติดโคเคน: การศึกษาการถ่ายภาพเทนเซอร์แบบแพร่กระจายของสารสีขาวด้านหน้าที่ด้อยกว่าและด้านหน้า จิตเวชศาสตร์ 181: 57–63ค้นหาบทความออนไลน์นี้

 

39. Bava S, Frank LR, McQueeny T, Schweinsburg BC, Schweinsburg AD และอื่น ๆ (2009) การเปลี่ยนแปลงโครงสร้างจุลภาคของสารสีขาวในผู้ใช้สารเสพติดวัยรุ่น. จิตเวชศาสตร์ 173: 228–237 ค้นหาบทความออนไลน์นี้

 

40. Alicata D, Chang L, Cloak C, Abe K, Ernst T (2009) การแพร่กระจายที่สูงขึ้นใน striatum และ anisotropy เศษส่วนที่ต่ำกว่าในสารสีขาวของผู้ใช้เมทแอมเฟตามีน Res จิตเวช 174: 1–8 ค้นหาบทความออนไลน์นี้

 

41. Liao Y, Tang J, Ma M, Wu Z, Yang M และอื่น ๆ (2010) ความผิดปกติของสารสีขาวส่วนหน้าหลังการใช้คีตามีนเรื้อรัง: การศึกษาการถ่ายภาพเทนเซอร์แบบกระจาย สมอง 133: 2115–2122 ค้นหาบทความออนไลน์นี้

 

42. Goldstein RZ, Volkow ND (2002) การติดยาและพื้นฐานทางระบบประสาท: หลักฐานทางระบบประสาทสำหรับการมีส่วนร่วมของเยื่อหุ้มสมองส่วนหน้า Am J จิตเวช 159: 1642–1652 ค้นหาบทความออนไลน์นี้

 

43. Liu H, Li L, Hao Y, Cao D, Xu L และอื่น ๆ (2008) ทำให้ความสมบูรณ์ของสารสีขาวหยุดชะงักในการพึ่งพาเฮโรอีน: การศึกษาแบบควบคุมโดยใช้การถ่ายภาพเทนเซอร์แบบกระจาย Am J ยาเสพติดแอลกอฮอล์ 34: 562–575 ค้นหาบทความออนไลน์นี้

 

44. deLacoste MC, Kirkpatrick JB, Ross ED (1985) ลักษณะภูมิประเทศของ callosum คลังข้อมูลมนุษย์ J Neuropathol Exp Neurol 44: 578–591 ค้นหาบทความออนไลน์นี้

 

45. Abe O, Masutani Y, Aoki S, Yamasue H, Yamada H และอื่น ๆ (2004) ลักษณะภูมิประเทศของคลังข้อมูลมนุษย์โดยใช้เทนเซอร์การแพร่กระจาย J Comput Assist Tomogr 28: 533–539 ค้นหาบทความออนไลน์นี้

 

46. ​​Arnone D, Abou-Saleh MT, Barrick TR (2006) การถ่ายภาพเทนเซอร์กระจายของคอลลาเจนในการเสพติด Neuropsychobiology 54: 107–113 ค้นหาบทความออนไลน์นี้

 

47. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Dougherty DM และอื่น ๆ (2005) ความสมบูรณ์ของสารสีขาวคอร์ปัสแคลโลซัมด้านหน้าที่ลดลงมีความสัมพันธ์กับแรงกระตุ้นที่เพิ่มขึ้นและความสามารถในการเลือกปฏิบัติที่ลดลงในวัตถุที่ขึ้นกับโคเคน: การถ่ายภาพเทนเซอร์แบบกระจาย Neuropsychopharmacology 30: 610–617 ค้นหาบทความออนไลน์นี้

 

48. Lim KO, Wozniak JR, Mueller BA, Franc DT, Specker SM และอื่น ๆ (2008) ความผิดปกติของโครงสร้างทางมหภาคและจุลภาคของสมองในการพึ่งพาโคเคน แอลกอฮอล์จากยาเสพติดขึ้นอยู่กับ 92: 164–172 ค้นหาบทความออนไลน์นี้

 

49. Salo R, Nordahl TE, Buonocore MH, Natsuaki Y, Waters C และอื่น ๆ (2009) การควบคุมความรู้ความเข้าใจและโครงสร้างจุลภาคของคาลโลซัลสสารสีขาวในวัตถุที่ขึ้นกับเมทแอมเฟตามีน: การศึกษาการถ่ายภาพเทนเซอร์แบบกระจาย จิตเวช 65: 122–128 ค้นหาบทความออนไลน์นี้

 

50. Moeller FG, Steinberg JL, Lane SD, Buzby M, Swann AC และอื่น ๆ (2007) การถ่ายภาพเทนเซอร์แบบกระจายในผู้ใช้ MDMA และการควบคุม: เชื่อมโยงกับการตัดสินใจ Am J ยาเสพติดแอลกอฮอล์ 33: 777–789 ค้นหาบทความออนไลน์นี้

 

51. De Bellis MD, Van Voorhees E, Hooper SR, Gibler N, Nelson L, และคณะ (2008) การวัดเทนเซอร์กระจายของคอร์ปัสแคลโลซัมในวัยรุ่นที่มีอาการผิดปกติจากการใช้แอลกอฮอล์ในวัยรุ่น แอลกอฮอล์ Clin Exp Res 32: 395–404 ค้นหาบทความออนไลน์นี้

 

52. Pfefferbaum A, Adalsteinsson E, Sullivan EV (2006) Dysmorphology and microstructural degradation of the corpus callosum: Interaction of age and alcoholism. Neurobiol Aging 27: 94–1009 ค้นหาบทความออนไลน์นี้

 

53. Bora E, Yucel M, Fornito A, Pantelis C, Harrison BJ และอื่น ๆ (2010) โครงสร้างจุลภาคของสารสีขาวในการติดยาเสพติด. เสพติดจิตเวช ในการกด ค้นหาบทความออนไลน์นี้

 

54. Yeh PH, Simpson K, Durazzo TC, Gazdzinski S, Meyerhoff DJ (2009) สถิติเชิงพื้นที่ตามแทร็ก (TBSS) ของข้อมูลการถ่ายภาพเทนเซอร์แบบกระจายในการติดสุรา: ความผิดปกติของระบบประสาทที่สร้างแรงบันดาลใจ จิตเวชศาสตร์ 173: 22–30 ค้นหาบทความออนไลน์นี้

 

55. Pfefferbaum A, Rosenbloom M, Rohlfing T, Sullivan EV (2009) การสลายตัวของระบบการเชื่อมโยงและการฉายภาพสีขาวในโรคพิษสุราเรื้อรังที่ตรวจพบด้วยการติดตามเส้นใยเชิงปริมาณ จิตเวช 65: 680–690 ค้นหาบทความออนไลน์นี้

 

56. Mori S, Wakana S, Nagae-Poetscher L, Van Zijl P (2005) MRI Atlas of Human White Matter. ซานดิเอโกแคลิฟอร์เนีย: Elsevier

 

57. Wakana S (2004) แผนที่ที่ใช้ใยทางเดินของกายวิภาคสสารสีขาวของมนุษย์ รังสีวิทยา 230: 77–87ค้นหาบทความออนไลน์นี้

 

58. Bell RP, Foxe JJ, Nierenberg J, Hoptman MJ, Garavan H (2011) การประเมินความสมบูรณ์ของสารสีขาวซึ่งเป็นหน้าที่ของระยะเวลาการเลิกบุหรี่ในผู้ที่พึ่งพาโคเคนในอดีต แอลกอฮอล์จากยาเสพติด 114: 159–168 ค้นหาบทความออนไลน์นี้

 

59. Tobias MC, O'Neill J, Hudkins M, Bartzokis G, Dean AC และอื่น ๆ (2010) ความผิดปกติของสารสีขาวในสมองระหว่างการละเว้นจากการเสพยาบ้า จิตเภสัชวิทยา 209: 13–24 ค้นหาบทความออนไลน์นี้

 

60. Lane SD, Steinberg JL, Ma LS, Hasan KM, Kramer LA และอื่น ๆ (2010) การถ่ายภาพเทนเซอร์แบบกระจายและการตัดสินใจในการพึ่งพาโคเคน. PLoS One 5: e11591 ค้นหาบทความออนไลน์นี้

 

61. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Valdes I และอื่น ๆ (2007) ค่าลักษณะเฉพาะของการถ่ายภาพเทนเซอร์แบบกระจาย: หลักฐานเบื้องต้นสำหรับการเปลี่ยนแปลงไมอีลินในการพึ่งพาโคเคน จิตเวชศาสตร์ 154: 253–258 ค้นหาบทความออนไลน์นี้

 

62. Kim IS, Kim YT, Song HJ, Lee JJ, Kwon DH และอื่น ๆ (2009) คอร์ปัสแคลโลซัมสารสีขาวที่ลดลงความสมบูรณ์ของโครงสร้างทางจุลภาคเผยให้เห็นโดยค่าลักษณะเฉพาะของเทนเซอร์การแพร่กระจายในผู้ติดยาบ้าที่เลิกบุหรี่ พิษต่อระบบประสาท 30: 209–213 ค้นหาบทความออนไลน์นี้

 

63. Song SK, Sun SW, Ju WK, Lin SJ, Cross AH และอื่น ๆ (2003) การถ่ายภาพเทนเซอร์แบบกระจายจะตรวจจับและแยกความแตกต่างของการเสื่อมของแอกซอนและไมอีลินในเส้นประสาทตาของเมาส์หลังจากขาดเลือดจอประสาทตา ประสาทภาพ 20: 1714–1722 ค้นหาบทความออนไลน์นี้

 

64. Huang X, Zhang H, Li M, Wang J, Zhang Y และอื่น ๆ (2010) สุขภาพจิตบุคลิกภาพและรูปแบบการเลี้ยงดูของผู้ปกครองของวัยรุ่นที่มีโรคติดอินเทอร์เน็ต. Cyberpsychol Behav Soc Netw 13: 401–406 ค้นหาบทความออนไลน์นี้

 

65. Pfefferbaum A, Sullivan EV, Hedehus M, Adalsteinsson E, Lim KO และอื่น ๆ (2000) การตรวจจับในร่างกายและความสัมพันธ์เชิงการทำงานของการหยุดชะงักของโครงสร้างจุลภาคของสารสีขาวในโรคพิษสุราเรื้อรังเรื้อรัง แอลกอฮอล์ Clin Exp Res 24: 1214–1221 ค้นหาบทความออนไลน์นี้

 

66. Du YS, Jiang W, Vance A (2010) ผลระยะยาวของการบำบัดพฤติกรรมทางปัญญาแบบกลุ่มควบคุมแบบสุ่มสำหรับการติดอินเทอร์เน็ตในนักเรียนวัยรุ่นในเซี่ยงไฮ้ จิตเวชศาสตร์ Aust NZJ 44: 129–134 ค้นหาบทความออนไลน์นี้

 

67. Vocci FJ (2008) การแก้ไขความรู้ความเข้าใจในการรักษาความผิดปกติของการใช้สารกระตุ้น: วาระการวิจัย Exp Clin Psychopharmacol 16: 484–497 ค้นหาบทความออนไลน์นี้

 

68. Schlaug G, Marchina S, Norton A (2009) หลักฐานแสดงความเป็นพลาสติกในทางเดินสีขาวของผู้ป่วยที่มีความพิการทางสมองเรื้อรังของ Broca ที่ได้รับการบำบัดด้วยการพูดโดยใช้น้ำเสียงสูง แอน NY Acad วิทย์ 1169: 385–394 ค้นหาบทความออนไลน์นี้

 

69. Mechelli A, Price CJ, Friston KJ, Ashburner J (2005) การแปรสัณฐานของสมองมนุษย์โดยใช้ Voxel: วิธีการและการประยุกต์ใช้. Curr Med Imaging Rev 1: 105–113 ค้นหาบทความออนไลน์นี้