นานนันปาน1 †, Yongxin Yang2 †, Xin Du1, Xin Qi1, Guijin Du3, Zhang Yang1, เซียวตงหลี่3* และ 
Quan Zhang1*- 1ภาควิชารังสีวิทยาและเทียนจินห้องปฏิบัติการสำคัญของการถ่ายภาพเชิงปฏิบัติการโรงพยาบาลมหาวิทยาลัยแพทย์เทียนจินทั่วไปเทียนจินประเทศจีน
- 2ภาควิชาจิตวิทยาโรงพยาบาล Linyi คนที่สี่, Linyi, จีน
- 3ภาควิชารังสีวิทยาโรงพยาบาล Linyi ประชาชน Linyi จีน
ด้วยการพัฒนาของอินเทอร์เน็ตวัยรุ่นจำนวนมากขึ้นเล่นเกมออนไลน์มากเกินไปซึ่งนำไปสู่ผลเสียต่อบุคคลและสังคม การศึกษาก่อนหน้านี้ได้แสดงให้เห็นถึงปริมาณสสารสีเทา (GMV) ที่เปลี่ยนแปลงในผู้ที่มีความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (IGD) แต่ความสัมพันธ์ระหว่างแนวโน้มของ IGD และ GMV ในสมองทั้งหมดยังไม่ชัดเจนในวัยรุ่น ในการศึกษาปัจจุบันการถ่ายภาพทางกายวิภาคด้วยความละเอียดสูงได้ดำเนินการกับวัยรุ่นชาย 67 คนที่เล่นเกมออนไลน์ และการทดสอบการติดอินเทอร์เน็ตของ Young (IAT) จัดทำขึ้นเพื่อทดสอบแนวโน้มที่จะ IGD FMRIB Software Library (FSL) ถูกใช้เพื่อคำนวณความสัมพันธ์ตาม voxel ระหว่างคะแนน GMV และคะแนน IAT หลังจากควบคุมอายุและปีการศึกษา GMV ของทวิภาคี postcentral gyri (postCG), ทวิภาคี precentral gyri (preCG), Precuneus ด้านขวา, เยื่อหุ้มสมองด้านหลังด้านหลังด้านซ้าย (pMCC), กลีบข้างขม่อมด้านซ้าย (IPL) และไจรัสหน้าผากด้านขวา (MFG) มีความสัมพันธ์ทางลบกับคะแนน IAT ความสัมพันธ์ยังคงมีอยู่ระหว่างคะแนน IAT และ GMV ของทวิภาคี postCG, preCG ด้านซ้าย, pMCC ด้านซ้ายและ MFG ด้านขวาหลังจากควบคุมเวลาทั้งหมดในการเล่นเกมออนไลน์ เมื่อผู้เข้าร่วมถูกแบ่งออกเป็นสองกลุ่มตามคะแนน IAT GMV ของบริเวณสมองที่เกี่ยวข้องกับ IAT เหล่านี้จะอยู่ในกลุ่มย่อยคะแนน IAT ที่สูง (คะแนน IAT> 50) ต่ำกว่าในกลุ่มย่อยคะแนน IAT ต่ำ (คะแนน IAT ≤50) ผลการศึกษาของเราชี้ให้เห็นว่า GMV ของบริเวณสมองที่เกี่ยวข้องกับกระบวนการเซ็นเซอร์และการควบคุมความรู้ความเข้าใจมีความสัมพันธ์กับแนวโน้ม IGD การค้นพบนี้อาจนำไปสู่เป้าหมายใหม่ในการป้องกันและรักษา IGD
บทนำ
ในทศวรรษที่ผ่านมาอินเทอร์เน็ตมีบทบาทสำคัญในชีวิตของเรา อย่างไรก็ตามวัยรุ่นจำนวนมากขึ้นเรื่อย ๆ ท่องอินเทอร์เน็ตและเล่นเกมออนไลน์มากเกินไปซึ่งส่งผลให้เกิดผลเสียต่อวัยรุ่นและสังคม จากการศึกษาทางระบาดวิทยาแสดงให้เห็นว่า Internet Gaming disorder (IGD) ซึ่งเป็นประเภทย่อยของการติดอินเทอร์เน็ต (IA) (1) เป็นปัญหาสุขภาพจิตที่พบบ่อยมากในหมู่วัยรุ่นจีน (2) ดังนั้นการศึกษามากขึ้นมุ่งเน้นไปที่ neuromechanism ของ IGD และมีวัตถุประสงค์เพื่อช่วยในการป้องกันและรักษา IGD
neuroimaging โครงสร้างของสมองสามารถใช้ในการตรวจสอบกลไกสมองเกี่ยวกับลักษณะบุคลิกภาพของแต่ละบุคคล (3-5) การศึกษาโครงสร้างก่อนหน้านี้พบว่าบุคคลที่มี IGD มีความผิดปกติของโครงสร้างในสสารสีเทา (GM) เช่นปริมาตรสีเทาสสารลดลง (GMV) หรือความหนาแน่นของจีเอ็มในบริเวณเยื่อหุ้มสมองและ subcortical หลายแห่ง (6-11) และเพิ่ม GMV ในภูมิภาคด้านหน้าและโลก (8, 12) การศึกษาเหล่านี้ชี้ให้เห็นว่าพื้นที่สมองหลายแห่งในพื้นที่ด้านหน้า, ขมับ, ขม่อมและ subcortical เช่น ventral striatum มีความสัมพันธ์กับ IA ซึ่งมีส่วนทำให้เกิดความเข้าใจของ neuromechanisms ของ IA อย่างไรก็ตามการศึกษาก่อนหน้านี้ส่วนใหญ่มุ่งเน้นไปที่ IA หรือ IGD ที่วินิจฉัยโดยแบบสอบถามทางคลินิกเช่นการทดสอบการเสพติดอินเทอร์เน็ต (IAT) และเปรียบเทียบความแตกต่างในพฤติกรรมและการทำงานของสมองและโครงสร้างระหว่างบุคคล IGD และการควบคุมสุขภาพ ตามความเป็นจริงแล้วไม่ใช่ทุกคนที่เล่นเกมออนไลน์ที่ต้องทนทุกข์กับ IGD (13) ดังนั้นการตรวจสอบความสัมพันธ์ของโครงสร้างในผู้เล่นเกมออนไลน์ที่มีแนวโน้มที่จะ IGD ในระดับที่แตกต่างกันไม่เพียง แต่บุคคลที่มีการวินิจฉัย IGD เป็นสิ่งที่จำเป็น
เมื่อเร็ว ๆ นี้มีงานวิจัยสามชิ้นที่มุ่งเน้นโดยตรงไปที่สมาคมประสาทของแนวโน้มที่จะ IA เหวินและเฮเซีย14) สำรวจความสัมพันธ์ระหว่างการเชื่อมต่อการทำงานของสมองทั้งหมดกับระดับของ IA ในกลุ่มผู้ใหญ่ (19 – 29 ปี) และพบว่าเครือข่ายสองเครือข่ายส่วนใหญ่ประกอบด้วยพื้นที่ด้านหน้ามีความสัมพันธ์กับแนวโน้มของ IA หลี่และคณะ (15) รายงานว่าโครงสร้างและการเชื่อมต่อการทำงานของคอร์เทกซ์ prefrontal คอร์เทกซ์ด้านขวามีความสัมพันธ์เชิงบวกกับคะแนน IAT ในกลุ่มผู้ใหญ่วัยหนุ่มสาวที่มีสุขภาพดี (18 – 27 ปี) การศึกษาโดยKühn (16) เปิดเผยว่า GMV ของพื้นที่สมองภายในเครือข่าย fronto-striatal มีความสัมพันธ์กับการใช้งานอินเทอร์เน็ตที่มากเกินไปซึ่งประเมินโดยคะแนน IAT นอกจากนี้การศึกษาก่อนหน้านี้ยังแสดงให้เห็นว่าการเปลี่ยนแปลง GMV นั้นเกี่ยวข้องกับความรุนแรงของการติดเกมออนไลน์ในวิชา IGD ตัวอย่างเช่นการศึกษาโดย Weng และคณะ แสดงให้เห็นว่า GMV ของเปลือกนอก orbitofrontal ที่เหมาะสมและ insula ทวิภาคีมีความสัมพันธ์เชิงบวกกับความรุนแรงติดเกมออนไลน์ในวิชา IGD (7) Cai และคณะ รายงาน GMV ที่เพิ่มขึ้นของนิวเคลียส accumbens มีความเกี่ยวข้องกับคะแนน IAT ในบุคคล IGD (17) การศึกษาโดยโจวและคณะ แสดงให้เห็นว่า GMV ที่ต่ำกว่าในคอร์เทกซ์แบบ orbitofrontal ด้านขวานั้นมีความเกี่ยวข้องกับความรุนแรงของการติดเกมออนไลน์ในนักเล่นอินเทอร์เน็ต18) การศึกษาเหล่านี้แสดงให้เห็นว่าโครงสร้างของสมองและการทำงานมีความสัมพันธ์กับระดับของ IA อย่างไรก็ตามความสัมพันธ์ระหว่างแนวโน้มต่อ IGD และ GMV ในสมองทั้งหมดยังไม่ได้รับการประเมินอย่างชัดเจนในวัยรุ่น (14 – 18 ปี) วัยรุ่นระหว่าง 14 และ 18 อายุอยู่ในช่วงเวลาที่สำคัญของการพัฒนาทางด้านจิตใจและมีแนวโน้มที่จะติดยาเสพติดและผลข้างเคียง (19, 20) การศึกษาจำนวนมากเกี่ยวกับการติดสารเสพติดให้ความสนใจอย่างใกล้ชิดกับวัยรุ่นที่มีอายุตั้งแต่ 14 ถึง 18 ปี (21, 22) การศึกษาตัวอย่างขนาดใหญ่แสดงให้เห็นว่า IGD เป็นเรื่องธรรมดามากในนักเรียนระดับประถมศึกษาและมัธยมต้นของจีนที่มีอัตราการเกิด 22.5% ในกลุ่มนักเรียนที่เล่นเกมออนไลน์ (2) ดังนั้นจึงจำเป็นต้องศึกษาความสัมพันธ์ของโครงสร้างสมองกับแนวโน้ม IGD ในวัยรุ่น (14 – 18 ปี)
นอกจากนี้การศึกษาก่อนหน้าแสดงให้เห็นว่าการเล่นเกมออนไลน์ในระยะยาวอาจนำไปสู่การปรับโครงสร้างของสมองในผู้เล่นเกมออนไลน์12, 23, 24) The GMVs ใน ventrolateral prefrontal cortex, dorsolateral prefrontal cortex, พื้นที่มอเตอร์เสริมและเยื่อหุ้มสมองหน้า cingulate ด้านหน้า rostral cingulate มีความสัมพันธ์กับระยะเวลาของการเล่นเกมออนไลน์ในวัยรุ่นที่มีโรค IA (6, 25) ดังนั้นไม่ว่าระยะเวลาในการเล่นเกมออนไลน์จะส่งผลต่อความสัมพันธ์ระหว่าง GMV กับแนวโน้มของ IGD หรือไม่
ในการศึกษาครั้งนี้ได้คัดเลือกกลุ่มวัยรุ่นชาย 67 (14 – 18 ปี) ที่เล่นเกมออนไลน์ การวิเคราะห์สหสัมพันธ์แบบอิง voxel ดำเนินการเพื่อตรวจจับบริเวณสมองที่เกี่ยวข้องกับคะแนน IAT ก่อนและหลังการควบคุมเป็นระยะเวลารวมของการเล่นเกมออนไลน์ จากการศึกษาก่อนหน้านี้วงจร prefrontal-striatal มีความสัมพันธ์ใกล้ชิดกับการเสพติด Ventral striatum เข้าร่วมในการเรียนรู้นิสัยและกระบวนการให้รางวัลที่เกี่ยวข้องกับการติดยาเสพติด (26, 27) และผลการควบคุมที่ลดลงของเยื่อหุ้มสมอง prefrontal ต่อกระบวนการให้รางวัลเป็นหนึ่งในกลไกของการติดยาเสพติด (28, 29) ดังนั้นเราตั้งสมมติฐานว่าแนวโน้มของ IGD อาจเกี่ยวข้องกับบริเวณสมองที่เกี่ยวข้องกับการควบคุมการรับรู้ (prefrontal cortex) และกระบวนการให้รางวัล (ventral striatum) การศึกษาครั้งนี้อาจนำไปสู่เป้าหมายใหม่ในการป้องกันและรักษา IGD ในวัยรุ่น
วัสดุและวิธีการ
Subjects
วัยรุ่นที่ถนัดขวา 66 คน (14 – 18 อายุเฉลี่ย 15.54 ± 0.14) ที่เล่นเกมออนไลน์ได้รับการคัดเลือกในการศึกษานี้ ผู้เข้าร่วม 67 ยี่สิบคนเป็นนักเรียนของ Health School และ 47 ของผู้เข้าร่วม 67 เป็นวัยรุ่นที่พ่อแม่พาพวกเขาไปยังจิตแพทย์เพราะ IGD ที่เป็นไปได้ ผู้เข้าร่วมทั้งหมดได้รับการศึกษาเป็นเวลา 6 – 12 ปีตั้งแต่ระดับประถมศึกษาถึงมัธยมศึกษาตอนปลาย ผู้เข้าร่วมทั้งหมดใช้เวลามากกว่า 80% ของเวลาออนไลน์ในการเล่นเกมออนไลน์ มีเพียงวัยรุ่นชายเท่านั้นที่ลงทะเบียนในการศึกษานี้เนื่องจากผู้หญิงมีจำนวนน้อยที่เล่นเกมออนไลน์และได้รับผลกระทบจาก IGD (2, 30) เกณฑ์การยกเว้นรวมถึงต่อไปนี้: การละเมิดแอลกอฮอล์หรือการพึ่งพายาเสพติด; การมีอยู่ของโรคทางระบบประสาทหรือจิตเวชเช่นการนอนไม่หลับไมเกรนหูอื้อและความผิดปกติซึ่งกระทำมากกว่าปกสมาธิ; ประวัติความเจ็บป่วยทางร่างกายเช่นการบาดเจ็บของสมองเนื้องอกในสมองหรือโรคลมชักประเมินจากการประเมินทางคลินิกและเวชระเบียน ความขัดแย้งของ MRI; และความผิดปกติที่มองเห็นได้ใน MRI ทั่วไป การศึกษาครั้งนี้ได้รับการอนุมัติจากคณะกรรมการจริยธรรมโรงพยาบาลทั่วไปมหาวิทยาลัยเทียนจินการแพทย์และผู้เข้าร่วมและผู้ปกครองของพวกเขาทั้งหมดให้ความยินยอมเป็นลายลักษณ์อักษรตามแนวทางของสถาบัน
แบบสอบถาม
การทดสอบการติดอินเทอร์เน็ตถูกใช้เพื่อประเมินความรุนแรงของแนวโน้ม IGD ในการศึกษานี้ IAT ประกอบด้วยรายการ 20 และคำตอบของคำถามเหล่านี้ถูกอธิบายว่าเป็นคะแนน 1 – 5 (1 =“ ไม่ค่อย” ถึง 5 =“ เสมอ”) (31) คะแนนรวมของรายการ 20 วัดความรุนแรงของการพึ่งพาอินเทอร์เน็ต ประเมินประสบการณ์การเล่นเกมออนไลน์ ผ่านทาง แบบสอบถามแบบรายงานตัวเองซึ่งตั้งคำถามเกี่ยวกับระยะเวลาและจำนวนการเล่น เวลารวมของการเล่นเกมออนไลน์คำนวณเป็นชั่วโมงต่อวันคูณด้วยวันที่เล่นเกมออนไลน์ Intelligence Quotient (IQ) ของผู้เข้าร่วมทั้งหมดได้รับการทดสอบโดยใช้ Progressive Matris ความวิตกกังวลและภาวะซึมเศร้าเป็นข้อความโดยใช้ระดับความวิตกกังวลการประเมินตนเอง (SAS) และระดับความวิตกกังวลการประเมินตนเอง (SDS)
โครงสร้าง MRI
ได้ภาพโครงสร้างโดยใช้เครื่องสแกนซีเมนส์ 3.0 T (Magnetom Verio, Siemens, Erlangen, Germany) ชุดของภาพกายวิภาคความละเอียดสูงที่ต่อเนื่องกันของ 192 ถูกนำมาใช้โดยการจัดลำดับการไล่ระดับสีแบบแม่เหล็กสะท้อนแสง T1 แบบถ่วงน้ำหนัก T2000 สามมิติอย่างรวดเร็วพร้อมพารามิเตอร์ต่อไปนี้: TR = 2.34 ms, TE = 900 ms, TI = 9 ms, มุมพลิก = 256 °, FOV = 256 mm × 1 mm, ความหนาชิ้น = 256 mm, ขนาดเมทริกซ์ = 256 × XNUMX
การวิเคราะห์ Voxel-based Morphometry (VBM)
รูปภาพโครงสร้างทั้งหมดถูกประมวลผลล่วงหน้าด้วยกล่องเครื่องมือ VBM81 of the SPM8 (Wellcome Department of Imaging Neuroscience, ลอนดอน, สหราชอาณาจักร)2 ทำงานบน MATLAB R2010a (Math Works Inc. , Sherborn, MA, USA) ทำการแก้ไขทางเรขาคณิตสามมิติในระหว่างการสร้างภาพใหม่ หลังจากนั้นภาพบุคคลแต่ละคนของผู้เข้าร่วมทั้งหมดจะถูกแบ่งออกเป็น GM, สสารสีขาว (WM), และไขสันหลังไขสันหลัง (CSF), และกลุ่มจีเอ็มถูกทำให้เป็นมาตรฐานไปยังเทมเพลตสถาบันประสาทวิทยาทรีลโดยการลงทะเบียนเชิงกายวิภาคเชิงอนุพันธ์ DARTEL) (32). จากนั้นภาพ GM ที่ลงทะเบียนแล้วจะถูกปรับแต่งโดยการหารจาโคเบียนของฟิลด์วาร์ปเพื่อแก้ไขการขยายหรือหดตัวในพื้นที่ เคอร์เนล isotropic Gaussian ที่มีความกว้างเต็ม 8 มม. ที่ค่าสูงสุดครึ่งหนึ่งถูกนำมาใช้เพื่อปรับภาพ GM ที่ปรับให้เรียบ ภาพเฉลี่ยของ GM ที่ปรับให้เป็นมาตรฐานจากผู้เข้าร่วมทั้งหมดถูกใช้เพื่อสร้างมาสก์ GM ที่มีการกำหนดเกณฑ์ที่ค่า 0.3 (พิกเซลที่คำนวณค่าเศษส่วน GM> 30%) จากนั้นมาสก์ GM จึงถูกใช้เป็นมาสก์ที่ชัดเจนสำหรับการวิเคราะห์ทางสถิติเพื่อแยกพิกเซลที่มีค่าความน่าจะเป็นของ GM ต่ำ
การวิเคราะห์ทางสถิติ
การวิเคราะห์การถดถอยพหุคูณแบบ Voxel ได้ดำเนินการเพื่อสำรวจความสัมพันธ์ระหว่างคะแนน GMV และคะแนน IAT ในผู้เข้าร่วมทั้งหมดหลังจากควบคุมอายุและการศึกษา วิธีการเรียงสับเปลี่ยนแบบไม่มีพารามิเตอร์ (33) สามารถทำได้โดยเครื่องมือสุ่มสั่งใน FMRIB Software Library (FSL)3. การวิเคราะห์การเพิ่มประสิทธิภาพของคลัสเตอร์แบบไม่มีธรณีประตูเกณฑ์ (TFCE) ได้ดำเนินการเนื่องจากเป็นการรวมขอบเขตของส่วนสูงและส่วนสูงไว้ในสถิติเดียวและไม่ต้องการตัวเลือกโดยพลการของเกณฑ์การก่อตัวของคลัสเตอร์ (34) ความสัมพันธ์ระหว่าง GMV และคะแนน IAT ได้รับการประเมินโดยใช้การทดสอบแบบไม่อิงพารามิเตอร์ที่มีการเปลี่ยนแปลงด้วยการสุ่มเปลี่ยน 5,000 กำหนดเกณฑ์ทางสถิติสำหรับนัยสำคัญที่ P <0.01 เพื่อให้ชัดเจนว่าระยะเวลาของการเล่นเกมออนไลน์ส่งผลต่อความสัมพันธ์ระหว่าง GMV และ IAT หรือไม่นั้นการวิเคราะห์การถดถอยพหุคูณแบบฉลาดของ Voxel ได้ดำเนินการอีกครั้งเมื่อเพิ่มเวลาทั้งหมดในการเล่นเกมออนไลน์เป็นความแปรปรวนร่วมที่น่ารำคาญ
คลัสเตอร์ที่มีความสัมพันธ์ระหว่างคะแนน GMV และคะแนน IAT ถูกกำหนดให้เป็นภูมิภาคที่สนใจ (ROI) และมีการแยก GMV เฉลี่ยภายใน ROI แต่ละรายการ การวิเคราะห์ความสัมพันธ์ตาม ROI ดำเนินการระหว่าง GMV เฉลี่ยและคะแนน IAT หลังจากควบคุมอายุและปีการศึกษา จากนั้นผู้เข้าร่วมทั้งหมดถูกแบ่งออกเป็นสองกลุ่มย่อยกลุ่มคะแนน IAT สูง (คะแนน IAT> 50 N = 30) และกลุ่มคะแนน IAT ต่ำ (คะแนน IAT ≤50 N = 37) ความแตกต่างใน GMV ระหว่างกลุ่มย่อยทั้งสองถูกทดสอบโดยการวิเคราะห์แบบจำลองเชิงเส้นทั่วไปควบคุมสำหรับอายุและปีของการศึกษา ทั้งสองระดับความสำคัญตั้งไว้ที่ P <0.05.
ผลสอบ
ผู้เข้าร่วมมีคะแนนมัธยฐานของ 46 ใน IAT ซึ่งใช้ในการประเมินแนวโน้ม IGD กลุ่มตัวอย่างใช้เวลาเฉลี่ย 5.5 ชั่วโมง / วันในการเล่นเกมออนไลน์และใช้เวลาเฉลี่ย 56 เดือน ลักษณะทางคลินิกและข้อมูลประชากรแสดงอยู่ในตาราง 1.
1 ตาราง. ลักษณะของผู้เข้าร่วม
การวิเคราะห์ความสัมพันธ์ที่ชาญฉลาดของ Voxel เปิดเผยว่า GMVs ของ gyri postcentral gyri (postCG), gyri precentral gyri (preCG), precuneus ด้านขวาด้านหลังด้านหลัง midcingulate cortex (pMCC), กลีบสมองส่วนล่างซ้าย (IPL) กลางด้านหน้าขวา gyrus (MFG) มีความสัมพันธ์อย่างมีนัยสำคัญกับคะแนน IAT (รูปที่ 1; ตาราง 2) รูป 2 แสดงค่าสหสัมพันธ์ที่สัมพันธ์กับ ROI ระหว่าง GMV และคะแนน IAT หลังจากเวลารวมของการเล่นเกมออนไลน์ถูกเพิ่มเป็นความแปรปรวนร่วมความสัมพันธ์ยังคงอยู่ระหว่าง IAT และ GMV ของทวิภาคี postCG, preCG ด้านซ้าย, pMCC ซ้ายและขวา MFG (รูปที่ 3; ตาราง 3).
รูป 1. บริเวณสมองที่แสดงโครงสร้างเชิงลบมีความสัมพันธ์กับคะแนนการทดสอบการเสพติดอินเทอร์เน็ต (IAT) ในผู้เล่นเกมออนไลน์วัยรุ่น คะแนน IAT มีความสัมพันธ์เชิงลบกับปริมาณสีเทา - เรื่อง (GMVs) ของ gyri postcentral ทวิภาคี Gyri precentral ทวิภาคี, precuneus ด้านขวาด้านหลังกลาง cingulate เยื่อหุ้มสมองด้านซ้ายกลีบขมับด้านซ้ายและด้านขวากลาง gyrus ตัวเลขด้านล่างภาพเป็นพิกัดของสถาบันประสาทวิทยาทรีล z-แกน. แถบสีแสดงถึง −log p.
2 ตาราง. บริเวณสมองแสดงให้เห็นว่าโครงสร้างมีความสัมพันธ์กับคะแนนการทดสอบการเสพติดอินเทอร์เน็ต (IAT)
รูป 2. การวิเคราะห์ความสัมพันธ์ตามภูมิภาคของผลประโยชน์ (ROI) ระหว่างปริมาณการใช้สีเทา (GMV) และคะแนนการทดสอบการติดอินเทอร์เน็ต (IAT) ส่วนที่เหลือถูกใช้เพราะอายุและปีของการศึกษาถูกควบคุมระหว่างการวิเคราะห์ความสัมพันธ์
รูป 3. พื้นที่สมองที่แสดงโครงสร้างเชิงลบมีความสัมพันธ์กับคะแนนการทดสอบการเสพติดอินเทอร์เน็ต (IAT) ในผู้เล่นเกมออนไลน์วัยรุ่นหลังจากควบคุมเป็นระยะเวลารวมของการเล่นเกมออนไลน์ คะแนน IAT นั้นมีความสัมพันธ์เชิงลบกับปริมาณสีเทา - สสาร (GMVs) ของไจโร postcentral ทวิภาคี, gyr precentral ด้านซ้าย, ด้านหลังกลาง cingulate เยื่อหุ้มสมองด้านซ้ายและด้านขวากลาง gyrus ตัวเลขด้านล่างภาพเป็นพิกัดของสถาบันประสาทวิทยาทรีล z-แกน. แถบสีแสดงถึง −log p.
3 ตาราง. ภูมิภาคแสดงให้เห็นว่าโครงสร้างมีความสัมพันธ์กับคะแนนการทดสอบการติดอินเทอร์เน็ต (IAT) หลังจากการควบคุมเป็นเวลารวมของการเล่นเกมออนไลน์
ดังที่เห็นในตาราง 4เมื่อผู้เข้าร่วมถูกแบ่งออกเป็นสองกลุ่มย่อยตามคะแนน IAT กลุ่มย่อยที่มีคะแนน IAT สูง (คะแนน IAT> 50) มี GMV ต่ำกว่าในเจ็ดในแปดภูมิภาคเมื่อเทียบกับกลุ่มย่อยที่มีคะแนน IAT ต่ำ (คะแนน IAT ≤ 50) (P <0.05)
4 ตาราง. ภูมิภาคที่น่าสนใจ (ROI) - การเปรียบเทียบตามปริมาณของวัตถุสีเทา (GMV) ระหว่างกลุ่มย่อยสองกลุ่ม
การสนทนา
ในการศึกษาปัจจุบันความสัมพันธ์ระหว่างแนวโน้ม GMV และ IGD ได้รับการประเมินภายในสมองทั้งหมดในผู้เล่นเกมออนไลน์วัยรุ่น หลังจากควบคุมผลกระทบของเวลารวมของการเล่นเกมออนไลน์ GMV ของทวิภาคี postCG, preCG ทางซ้าย, pMCC ด้านซ้ายและ MFG ด้านขวายังคงมีความสัมพันธ์เชิงลบกับแนวโน้ม IGD วัยรุ่นที่มี GMV ต่ำกว่าในบริเวณสมองที่เกี่ยวข้องกับกระบวนการเซ็นเซอร์และการควบคุมการรับรู้มีแนวโน้ม IGD สูงขึ้น
มันสอดคล้องกับสมมติฐานที่ว่า GMV ใน MFG ซึ่งเป็นส่วนหนึ่งของเยื่อหุ้มสมองส่วนหน้ามีส่วนร่วมในการควบคุมความรู้ความเข้าใจ (35, 36) มีความสัมพันธ์เชิงลบกับแนวโน้มของ IGD ความผิดปกติของโครงสร้างและการใช้งานได้รับการรายงานอย่างกว้างขวางในบุคคลที่มี IGD (37-40) ตัวอย่างเช่นการเปิดใช้งานน้อยลงในเยื่อหุ้มสมองส่วนหน้าถูกค้นพบใน IA (40) การศึกษาก่อนหน้าแสดงให้เห็นถึงความหนาแน่นของจีเอ็มและจีเอ็มวีที่ต่ำกว่าในเยื่อหุ้มสมองส่วนหน้าในบุคคล IGD (37, 39) แอมพลิจูดที่มีขนาดเล็กลงของความผันผวนของความถี่ต่ำภายใน MFG ด้านขวานั้นถูกเปิดเผยในบุคคล IGD (41) การเปิดใช้งานผิดปกติในเยื่อหุ้มสมอง prefrontal ก็พบว่าในบุคคลที่ติดยาเสพติดเช่นผู้ใช้กัญชาและผู้เสพโคเคน abstinent (42-44) การเปลี่ยนแปลงที่คล้ายกันในการเชื่อมต่อการทำงานของเยื่อหุ้มสมอง prefrontal ถูกเปิดเผยในบุคคลที่มีการพึ่งพาแอลกอฮอล์และบุคคลที่มี IGD (45, 46) การศึกษาเหล่านี้แสดงให้เห็นว่าสภาพโครงสร้างหรือการทำงานของเยื่อหุ้มสมอง prefrontal มีความเกี่ยวข้องกับการติดยาเสพติด ในการศึกษานี้ GMV ของ MFG ที่ถูกต้องนั้นมีความสัมพันธ์เชิงลบกับคะแนน IAT และต่ำกว่าในกลุ่มย่อย IAT ที่มีคะแนนสูงกว่าในกลุ่มย่อยที่มีคะแนน IAT ต่ำ โครงสร้างที่ผิดปกติใน MFG ที่เหมาะสมอาจนำไปสู่การด้อยค่าของการควบคุมความรู้ความเข้าใจในผู้เล่นเกมออนไลน์ เป็นผลให้ผู้เล่นเกมออนไลน์ไม่สามารถควบคุมการเล่นเกมออนไลน์ที่มีปัญหาและแสดงแนวโน้มที่สูงขึ้นสำหรับ IGD
ไม่สอดคล้องกับสมมติฐานเราไม่พบ GMV ของ ventral striatum ที่สัมพันธ์กับคะแนน IAT ventral striatum เป็นภูมิภาคที่สำคัญที่เกี่ยวข้องกับการเสพติดและมักจะแสดงการเปิดใช้งานที่ผิดปกติในบุคคลที่ติดยาเสพติด (26, 27) ในการศึกษาของเราเรามุ่งเน้นไปที่ผู้เล่นเกมออนไลน์ของวัยรุ่น แต่ไม่เพียง แต่บุคคล IGD เท่านั้นซึ่งอาจเป็นคำอธิบายที่เป็นไปได้เกี่ยวกับผลเชิงลบของ ventral striatum อย่างไรก็ตามผลลัพธ์เชิงลบนี้ควรได้รับการตรวจสอบในการศึกษาในอนาคตด้วยตัวอย่างขนาดใหญ่
โดยไม่คาดคิดล่วงหน้า preCG, postCG และ pMCC ที่เกี่ยวข้องในกระบวนการเซ็นเซอร์ตรวจจับมีความสัมพันธ์เชิงลบกับคะแนน IAT preCG มีบทบาทสำคัญในการวางแผนและดำเนินการยานยนต์ (47) วัยรุ่นเป็นช่วงเวลาที่สำคัญของการพัฒนาระบบประสาทและมีแนวโน้มที่จะได้รับผลกระทบจากปัจจัยด้านสิ่งแวดล้อม การศึกษาก่อนหน้าแสดงให้เห็นว่าการใช้แอลกอฮอล์และสารเสพติดอาจเปลี่ยน GMV ในการพัฒนาสมองของวัยรุ่น (48) การศึกษาแสดงให้เห็นว่าการใช้ยาบ้าในระยะยาวมีความเกี่ยวข้องกับการลด GMV ใน preCG (49) ในการศึกษาของเรา GMV ของ preCG นั้นต่ำกว่าในกลุ่มย่อยที่มีคะแนน IAT สูงกว่าในกลุ่มย่อยที่มีคะแนน IAT ต่ำ พิจารณาการป้องกันและปราบปรามการกระทำที่เกี่ยวข้องกับแนวคิดเกี่ยวกับเยื่อหุ้มสมองหลัก (50) GMV ที่ลดลงของ preCG อาจเกี่ยวข้องกับแนวโน้มของ IGD postCG ประกอบด้วยเยื่อหุ้มสมองหลักและมีส่วนร่วมในการบูรณาการข้อมูลทางประสาทสัมผัส (24) ความสัมพันธ์เชิงลบระหว่าง GMV ของ postCG และคะแนน IAT หมายถึง GMV ที่ต่ำกว่าของภูมิภาคนี้ในบุคคลที่มีคะแนน IAT สูงกว่า พบการเชื่อมต่อฟังก์ชั่นที่ผิดปกติของ postCG ในวัยรุ่นที่มี IGD (51) GMV ที่ลดลงและความหนาของเยื่อหุ้มสมองของ postCG ก็ถูกเปิดเผยเช่นกันตามลำดับในผู้ใช้เฮโรอีน (52) และวัยรุ่นที่ติดเกมออนไลน์ (53) postCG ที่บกพร่องอาจนำไปสู่ความผิดปกติในการรับการประมวลผลและการบูรณาการสัญญาณที่เกี่ยวข้องกับร่างกายและอาจล้มเหลวในการชี้แนะพฤติกรรมต่อเนื่องที่เกี่ยวข้องกับการเร้าอารมณ์ความสนใจความเครียดรางวัลและการปรับสภาพและสุดท้ายเกี่ยวข้องกับการเสพติด54) ในการศึกษานี้พบว่ามีความสัมพันธ์เชิงลบกับคะแนน IAT ใน pMCC ด้านซ้ายด้วย pMCC แสดงการเชื่อมต่อการทำงานที่กว้างขวางกับบริเวณสมองที่เกี่ยวข้องกับเครือข่ายเซ็นเซอร์55, 56) และมีบทบาทสำคัญในการประมวลผลเซ็นเซอร์บูรณาการของมอเตอร์และการควบคุมมอเตอร์ (57) พื้นที่เซ็นเซอร์ไม่เพียง แต่ควบคุมลักษณะพื้นฐานของการเคลื่อนไหวเท่านั้น แต่ยังสามารถกำหนดพฤติกรรมของมนุษย์ได้อีกด้วย58) คุณสมบัติการทำงานของเครือข่าย sensorimotor อาจเกี่ยวข้องกับพฤติกรรมอัตโนมัติ / บีบบังคับในการติด (59) คอร์เทกซ์มีรายงานการด้อยค่าของคอร์เทกซ์ในคนที่ติดโคเคน60, 61) และการบริโภคเครื่องดื่มแอลกอฮอล์ (62) เมื่อนำมารวมกันการลดลงของ GMVs ภายใน preCG, postCG และ pMCC อาจมีความสัมพันธ์กับความผิดปกติของเครือข่ายเซ็นเซอร์เซ็นเซอร์และเกี่ยวข้องกับแนวโน้ม IGD
ในการศึกษาปัจจุบันความสัมพันธ์เชิงลบระหว่างคะแนน IAT และ GMV ของ preCG / postCG ขวา IPL ด้านซ้ายและ precuneus ด้านขวาหายไปหลังจากควบคุมผลของเวลารวมของการเล่นเกมออนไลน์ preCG / postCG มีส่วนร่วมในกระบวนการเซ็นเซอร์ (63); IPL และ precuneus ด้านขวามีความสัมพันธ์อย่างใกล้ชิดกับการประมวลผลด้วยภาพและเจตนา (64-66) กระบวนการเล่นเกมต้องการให้ผู้เล่นให้ความสนใจอย่างเต็มที่ต่อการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ในหน้าจอเป็นเวลานานแล้วทำให้ความสามารถในการมองเห็นของพวกเขาเสียหาย (65) ซึ่งอาจมีความสัมพันธ์กับการลด GMV ในภูมิภาคที่เกี่ยวข้องกับความสนใจด้านภาพ การศึกษาก่อนหน้าแสดงให้เห็นว่า GMV ของ precuneus ลดลง (8) และลดความหนาของเปลือกนอกของ IPL (53) ในบุคคลที่ติดเกมออนไลน์ ผลการศึกษาของเราชี้ให้เห็นว่าการลด GMV ในบางพื้นที่ของสมองที่เกี่ยวข้องกับการมองเห็นและกระบวนการเซ็นเซอร์ได้รับอิทธิพลจากเวลาทั้งหมดของการเล่นเกมออนไลน์นั่นคือผลกระทบสะสมจากการเล่นเกมออนไลน์
ข้อ จำกัด หลายประการควรสังเกตในการศึกษาของเรา ขั้นแรกถึงแม้ว่าจะมีการเปิดเผยความสัมพันธ์บางอย่างระหว่างคะแนน GMV ในสมองกับ IAT แต่ความสัมพันธ์เชิงสาเหตุไม่สามารถอธิบายได้ในการวิเคราะห์ความสัมพันธ์นี้ GMV ที่ลดลงที่สังเกตได้ในวัยรุ่นที่มีคะแนน IAT สูงกว่าอาจเป็นผลมาจากการเล่นเกมออนไลน์ที่มากเกินไปหรือเงื่อนไขที่มีมาก่อนซึ่งมีความไวต่อ IGD ประการที่สอง IAT เป็นแบบสอบถามอัตนัยและวิธีการที่มีวัตถุประสงค์เพื่อประเมินแนวโน้มของ IGD ประการที่สามเวลารวมของการเล่นเกมออนไลน์เป็นเพียงมาตรการที่เป็นไปได้และอาจไม่แม่นยำพอ ประการที่สี่เราไม่สามารถแยกแยะผลของเกมประเภทที่มีต่อผลลัพธ์ซึ่งควรพิจารณาในการศึกษาในอนาคต ในที่สุดการศึกษาของเรามีเพียงวัยรุ่นชายเท่านั้น ดังนั้นการค้นพบในปัจจุบันจึง จำกัด เฉพาะผู้เล่นเกมออนไลน์วัยรุ่นชาย
สรุป
ในการศึกษานี้ความสัมพันธ์เชิงโครงสร้างกับแนวโน้ม IGD ถูกตรวจสอบในกลุ่มของผู้เล่นเกมออนไลน์วัยรุ่น GMV ของพื้นที่สมองที่เกี่ยวข้องกับกระบวนการเซ็นเซอร์และการควบคุมความรู้ความเข้าใจพบว่ามีความสัมพันธ์กับคะแนน IAT GMV ที่ต่ำกว่าของภูมิภาคที่เกี่ยวข้องกับกระบวนการ sensorimotor และการควบคุมการรับรู้อาจนำไปสู่แนวโน้ม IGD สูงซึ่งอาจนำไปสู่เป้าหมายใหม่สำหรับการป้องกันและรักษา IGD ในวัยรุ่น
แถลงการณ์ด้านจริยธรรม
การศึกษาครั้งนี้ได้รับการอนุมัติจากคณะกรรมการจริยธรรมโรงพยาบาลทั่วไปมหาวิทยาลัยเทียนจินการแพทย์และผู้เข้าร่วมและผู้ปกครองของพวกเขาทั้งหมดให้ความยินยอมเป็นลายลักษณ์อักษรตามแนวทางของสถาบัน
ผลงานของผู้เขียน
การออกแบบ NP, YY, XL และ QZ XQ, XD, GD, YZ และ QZ ทำการวิจัย YY มีส่วนร่วมในการประเมินผลทางคลินิก วิเคราะห์ข้อมูล NP, YZ, GD และ QZ NP, YZ, XL, YY และ QZ เขียนบทความ
คำชี้แจงความขัดแย้งทางผลประโยชน์
ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น
เชิงอรรถ
อ้างอิง
1 บล็อค JJ ปัญหาสำหรับ DSM-V: การติดอินเทอร์เน็ต ฉันคือจิตเวชศาสตร์ (2008) 165(3):306–7. doi:10.1176/appi.ajp.2007.07101556
2 Li Y, Zhang X, Lu F, Zhang Q, Wang Y. การเสพติดอินเทอร์เน็ตในหมู่นักเรียนระดับประถมศึกษาและมัธยมศึกษาในประเทศจีน: การศึกษาตัวอย่างตัวแทนระดับประเทศ Cyberpsychol Behav Soc Netw (2014) 17(2):111–6. doi:10.1089/cyber.2012.0482
3 Hayakawa YK, Sasaki H, Takao H, Mori H, Hayashi N, Kunimatsu A, และคณะ ความผิดปกติของสมองโครงสร้างในผู้หญิงที่มีอาการซึมเศร้าแบบไม่แสดงอาการตามที่ได้รับการเปิดเผยโดยสัณฐานวิทยาของ voxel-based และการถ่ายภาพเทนเซอร์การแพร่กระจาย J มีผลต่อความผิดปกติ (2013) 144(3):263–8. doi:10.1016/j.jad.2012.10.023
4 Takeuchi H, Taki Y, Sassa Y, Hashizume H, Sekiguchi A, Nagase T, และคณะ ปริมาณสสารสีเทาและสีขาวในภูมิภาคที่เกี่ยวข้องกับการรบกวน Stroop: หลักฐานจาก morphometry ตาม voxel Neuroimage (2012) 59(3):2899–907. doi:10.1016/j.neuroimage.2011.09.064
5 Liu F, Guo W, Yu D, Gao Q, Gao K, Xue Z และคณะ การจำแนกประเภทของการตอบสนองการรักษาที่แตกต่างกันของโรคซึมเศร้าที่สำคัญด้วยวิธีการวิเคราะห์รูปแบบหลายตัวแปรบนพื้นฐานของ MR สแกนโครงสร้าง PLoS One (2012) 7(7):e40968. doi:10.1371/journal.pone.0040968
6 หยวน K, ฉิน W, วัง G, เซง F, Zhao L, Yang X, และคณะ ความผิดปกติของโครงสร้างจุลภาคในวัยรุ่นที่มีความผิดปกติของการเสพติดอินเทอร์เน็ต PLoS One (2011) 6(6):e20708. doi:10.1371/journal.pone.0020708
7 Weng CB, Qian RB, Fu XM, Lin B, Han XP, Niu CS, และคณะ ความผิดปกติของสสารสีเทาและสีขาวในการติดเกมออนไลน์ Eur J Radiol (2013) 82(8):1308–12. doi:10.1016/j.ejrad.2013.01.031
8 ซุน, ซุนโจวโจว, ติง W, เฉิน X, จ้วง Z, และคณะ การประเมินการเปลี่ยนแปลงโครงสร้างจุลภาคในร่างกายในสสารสีเทาโดยใช้ DKI ในการติดเกมบนอินเทอร์เน็ต Behav สมองฟังก์ชั่น (2014) 10:37. doi:10.1186/1744-9081-10-37
9 Ko CH, Hsieh TJ, วัง PW, Lin WC, Yen CF, Chen CS, และคณะ ความหนาแน่นของสสารเปลี่ยนสีเทาและการเชื่อมต่อการทำงานของ amygdala ในผู้ใหญ่ที่มีปัญหาเกี่ยวกับการเล่นเกมทางอินเทอร์เน็ต Prog Neuropsychopharmacol Biol จิตเวชศาสตร์ (2015) 57:185–92. doi:10.1016/j.pnpbp.2014.11.003
10 Lin X, Dong G, Wang Q, Du X สสารสีเทาผิดปกติและปริมาณสสารสีขาวใน 'ผู้ติดการพนันทางอินเทอร์เน็ต' ติดยาเสพติด Behav (2015) 40:137–43. doi:10.1016/j.addbeh.2014.09.010
11 โจว Y, หลิน FC, Du YS, ฉิน LD, Zhao ZM, Xu JR, และคณะ ความผิดปกติของสสารสีเทาในการติดอินเทอร์เน็ต: การศึกษา morphometry แบบ voxel Eur J Radiol (2011) 79(1):92–5. doi:10.1016/j.ejrad.2009.10.025
12 Kuhn S, Gleich T, Lorenz RC, Lindenberger U, Gallinat J. การเล่น super mario ชักนำให้เกิดโครงสร้างสมองที่เป็นพลาสติก: การเปลี่ยนแปลงของสีเทาเกิดจากการฝึกอบรมด้วยวิดีโอเกมเชิงพาณิชย์ จิตเวชศาสต (2014) 19(2):265–71. doi:10.1038/mp.2013.120
13 Przybylski AK, Weinstein N, Murayama K. Internet gaming disorder: ตรวจสอบความเกี่ยวข้องทางคลินิกของปรากฏการณ์ใหม่ ฉันคือจิตเวชศาสตร์ (2017) 174(3):230–6. doi:10.1176/appi.ajp.2016.16020224
14 Wen T, Hsieh S. การวิเคราะห์บนเครือข่ายเปิดเผยการเชื่อมต่อการทำงานที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต Front Hum Neurosci (2016) 10:6. doi:10.3389/fnhum.2016.00006
15 Li W, Li Y, Yang W, Zhang Q, Wei D, Li W, และคณะ โครงสร้างสมองและการเชื่อมต่อการทำงานที่เกี่ยวข้องกับความแตกต่างของแต่ละบุคคลในแนวโน้มอินเทอร์เน็ตในผู้ใหญ่วัยหนุ่มสาว Neuropsychologia (2015) 70:134–44. doi:10.1016/j.neuropsychologia.2015.02.019
16 Kuhn S, Gallinat J. Brains online: โครงสร้างและการทำงานมีความสัมพันธ์กับการใช้อินเทอร์เน็ตเป็นประจำ ติดยาเสพติด Biol (2015) 20(2):415–22. doi:10.1111/adb.12128
17 Cai C, หยวน K, Yin J, Feng D, Bi Y, Li Y, และคณะ Striatum morphometry มีความสัมพันธ์กับการขาดการควบคุมความรู้ความเข้าใจและความรุนแรงของอาการในการเล่นเกมทางอินเทอร์เน็ต Behav การถ่ายภาพสมอง (2016) 10(1):12–20. doi:10.1007/s11682-015-9358-8
18 Zhou F, Montag C, Sariyska R, Lachmann B, Reuter M, Weber B, et al. การขาดดุลของสสารสีเทา Orbitofrontal เป็นเครื่องหมายของความผิดปกติในการเล่นเกมอินเทอร์เน็ต: การรวบรวมหลักฐานจากการออกแบบตามยาวและในอนาคต ติดยาเสพติด Biol (2017) ดอย: 10.1111 / adb.12570
19 Ac-Nikolic E, Zaric D, Niciforovic-Surkovic O. ความชุกของการติดอินเทอร์เน็ตในหมู่เด็กนักเรียนใน Novi Sad Srp Arh Celok เล็ก (2015) 143(11–12):719–25. doi:10.2298/SARH1512719A
20 Gonzalvez MT, Espada JP, Orgiles M, Morales A, Sussman S. Nicotine พึ่งเป็นผู้ไกล่เกลี่ยของผลกระทบของโครงการ EX เพื่อลดการใช้ยาสูบในนักวิชาการ ด้านหน้า Psychol (2016) 7:1207. doi:10.3389/fpsyg.2016.01207
21 Colby SM, Nargiso J, Tevyaw ถึง, Barnett NP, Metrik J, Lewander W, และคณะ การสัมภาษณ์แบบสร้างแรงบันดาลใจที่ดีขึ้นและคำแนะนำสั้น ๆ สำหรับการเลิกสูบบุหรี่ของวัยรุ่น: ผลจากการทดลองทางคลินิกแบบสุ่ม ติดยาเสพติด Behav (2012) 37(7):817–23. doi:10.1016/j.addbeh.2012.03.011
22 Thanki D, Domingo-Salvany A, Barrio Anta G, Sanchez Manez A, Llorens Aleixandre N, Suelves JM, et al. ตัวเลือกของเครื่องมือคัดกรองที่สำคัญ: กรณีของกัญชาที่มีปัญหาใช้การคัดกรองในประชากรสเปนของวัยรุ่น ติดยาเสพติด ISRN (2013) 2013:723131. doi:10.1155/2013/723131
23 Kuhn S, Romanowski A, Schilling C, Lorenz R, Morsen C, Seiferth N, และคณะ พื้นฐานทางประสาทของการเล่นวิดีโอเกม จิตเวชศาสตร์แปล (2011) 1:e53. doi:10.1038/tp.2011.53
24 Tanaka S, Ikeda H, Kasahara K, Kato R, Tsubomi H, Sugawara SK, และคณะ ปริมาตรด้านหลังด้านขวาที่ใหญ่กว่าในผู้เชี่ยวชาญวิดีโอเกมแอ็คชั่น: การศึกษารูปแบบพฤติกรรมและ voxel-based morphometry (VBM) PLoS One (2013) 8(6):e66998. doi:10.1371/journal.pone.0066998
25 Lee D, Namkoong K, Lee J, Jung YC ปริมาณสสารสีเทาผิดปกติและความหุนหันพลันแล่นในคนหนุ่มสาวที่มีปัญหาการเล่นเกมทางอินเทอร์เน็ต ติดยาเสพติด Biol (2017) ดอย: 10.1111 / adb.12552
26 Ashby FG, Turner BO, Horvitz JC เยื่อหุ้มสมองและปมประสาทพื้นฐานเพื่อการเรียนรู้นิสัยและโดยอัตโนมัติ Trends Cogn Sci (2010) 14(5):208–15. doi:10.1016/j.tics.2010.02.001
27 Volkow ND, วัง GJ, ฟาวเลอร์ JS, Tomasi D, Telang F. Addiction: นอกเหนือจากวงจรรางวัลโดปามีน Proc Natl Acad Sci สหรัฐอเมริกา (2011) 108(37):15037–42. doi:10.1073/pnas.1010654108
28 Walter M, Wang Y, Yin Y, Sun YW, Zhou Y, Chen X, และคณะ การเชื่อมต่อการทำงานระหว่างสมองในวัยรุ่นที่มีความผิดปกติจากการเล่นเกมทางอินเทอร์เน็ตลดลง: การศึกษาเบื้องต้นโดยใช้ fMRI พักผ่อน PLoS One (2015) 10(3):e0118733. doi:10.1371/journal.pone.0118733
29 Koob GF, Volkow ND วงจรประสาทการติดยาเสพติด Neuropsychopharmacology (2009) 35(1):217–38. doi:10.1038/npp.2009.110
30 Yu L, Shek DT การติดอินเทอร์เน็ตในวัยรุ่นฮ่องกง: การศึกษาระยะยาวสามปี J Pediatr Adolesc Gynecol (2013) 26(3 Suppl):S10–7. doi:10.1016/j.jpag.2013.03.010
31 Young KS ติดอยู่ในเน็ต: วิธีการจดจำสัญญาณของการติดอินเทอร์เน็ต - และกลยุทธ์ที่ชนะสำหรับการกู้คืน การประเมินผล (1998) 21(6):713–22.
32 Ashburner J. อัลกอริธึมการลงทะเบียนรูปภาพ diffeomorphic รวดเร็ว Neuroimage (2007) 38(1):95–113. doi:10.1016/j.neuroimage.2007.07.007
33 Nichols TE, Holmes AP การทดสอบการเปลี่ยนแปลงแบบ nonparametric สำหรับฟังก์ชั่น neuroimaging: ไพรเมอร์พร้อมตัวอย่าง Hum Brain Mapp (2002) 15(1):1–25. doi:10.1002/hbm.1058
34 Smith SM, Nichols TE. การเพิ่มประสิทธิภาพคลัสเตอร์ที่ไม่มีเกณฑ์: การจัดการปัญหาการทำให้ราบรื่นการพึ่งพาขีด จำกัด และการโลคัลไลซ์เซชันในการอนุมานคลัสเตอร์ Neuroimage (2009) 44(1):83–98. doi:10.1016/j.neuroimage.2008.03.061
35 ถ. MDA, Cohen JD, Stenger VA, Carter CS การแยกบทบาทของคอร์เทกซ์เยื่อหุ้มสมองด้านหน้าและด้านหลังด้านหน้า dorsolateral ในการควบคุมการรับรู้ วิทยาศาสตร์ (2000) 288(5472):1835. doi:10.1126/science.288.5472.1835
36 Yuan P, Raz N. เยื่อหุ้มสมอง Prefrontal และฟังก์ชั่นผู้บริหารในผู้ใหญ่ที่มีสุขภาพ: การวิเคราะห์อภิมานของการศึกษา neuroimaging โครงสร้าง Neurosci Biobehav Rev (2014) 42(5):180–92. doi:10.1016/j.neubiorev.2014.02.005
37 วัง H, Jin C, หยวน K, Shakir TM, Mao C, Niu X, และคณะ การเปลี่ยนแปลงปริมาณสสารสีเทาและการควบคุมการรับรู้ในวัยรุ่นที่มีความผิดปกติในการเล่นเกมอินเทอร์เน็ต ด้านหน้า Behav Neurosci (2015) 9:64. doi:10.3389/fnbeh.2015.00064
38 Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, และคณะ การเปิดใช้งานสมองสำหรับการยับยั้งการตอบสนองภายใต้การเล่นเกมคิวในความผิดปกติของการเล่นเกมอินเทอร์เน็ต เกาสง J Med Sci (2014) 30(1):43–51. doi:10.1016/j.kjms.2013.08.005
39 Choi J, Cho H, Kim JY, Jung DJ, Ahn KJ, Kang HB, และคณะ การปรับเปลี่ยนโครงสร้างในเยื่อหุ้มสมอง prefrontal ไกล่เกลี่ยความสัมพันธ์ระหว่างความผิดปกติของเกมอินเทอร์เน็ตและอารมณ์หดหู่ Sci Rep (2017) 7(1):1245. doi:10.1038/s41598-017-01275-5
40 Seok JW, Lee KH, Sohn S, Sohn JH สารตั้งต้นทางประสาทของการตัดสินใจที่มีความเสี่ยงในบุคคลที่ติดอินเทอร์เน็ต จิตเวชศาสตร์นิวซีแลนด์ (2015) 49(10):923–32. doi:10.1177/0004867415598009
41 Park SY, Kim SM, Roh S, Soh MA, Lee SH, Kim H, และคณะ ผลกระทบของโปรแกรมการรักษาเสมือนจริงสำหรับการติดเกมออนไลน์ โปรแกรมวิธีการคำนวณชีวการแพทย์ (2016) 129:99–108. doi:10.1016/j.cmpb.2016.01.015
42 Bolla K, Ernst M, Kiehl K, Mouratidis M, Eldreth D, Contoreggi C, et al. ความผิดปกติของเยื่อหุ้มสมองด้านหน้าในผู้เสพโคเคน abstinent J Neuropsychiatry Clin Neurosci (2004) 16(4):456. doi:10.1176/jnp.16.4.456
43 Bolla KI, Eldreth DA, Matochik JA, Cadet JL สารตั้งต้นทางประสาทของการตัดสินใจผิดพลาดในผู้ใช้กัญชา Neuroimage (2005) 26(2):480–92. doi:10.1016/j.neuroimage.2005.02.012
44 Bolla KI, Eldreth DA, London ED, Kiehl KA, Mouratidis M, Contoreggi C, et al. ความผิดปกติของเยื่อหุ้มสมอง Orbitofrontal ในผู้เสพโคเคน abstinent ดำเนินการตัดสินใจ Neuroimage (2003) 19(3):1085. doi:10.1016/S1053-8119(03)00113-7
45 Ge X, Sun Y, Han X, Wang Y, Ding W, Cao M, และคณะ ความแตกต่างในการเชื่อมต่อการทำงานของเยื่อหุ้มสมองด้านหน้า preorsal dorsolateral ระหว่างผู้สูบบุหรี่ที่มีการพึ่งพานิโคตินและบุคคลที่มีความผิดปกติของการเล่นเกมอินเทอร์เน็ต BMC Neurosci (2017) 18(1):54. doi:10.1186/s12868-017-0375-y
46 Han JW, Han DH, Bolo N, Kim B, Kim BN, Renshaw PF ความแตกต่างในการเชื่อมต่อการทำงานระหว่างการพึ่งพาแอลกอฮอล์และความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต ติดยาเสพติด Behav (2015) 41:12–9. doi:10.1016/j.addbeh.2014.09.006
47 Nock NL, Dimitropolous A, Tkach J, Frasure H, von Gruenigen V. การลดลงของการกระตุ้นการทำงานของระบบประสาทในอาหารที่มีแคลอรี่สูงในผู้รอดชีวิตจากมะเร็งเยื่อบุโพรงมดลูกที่เป็นโรคอ้วนหลังจากการแทรกแซงพฤติกรรมเชิงพฤติกรรม: การศึกษานำร่อง BMC Neurosci (2012) 13:74. doi:10.1186/1471-2202-13-74
48 Squeglia LM, KM สีเทา แอลกอฮอล์และการใช้ยาและการพัฒนาสมอง Curr Psychiatry Rep (2016) 18(5):46. doi:10.1007/s11920-016-0689-y
49 ฮอลล์ MG, Alhassoon OM, Stern MJ, Wollman SC, Kimmel CL, Perez-Figueroa A, et al. ความผิดปกติของสารสีเทาในโคเคนกับผู้ป่วยที่ต้องพึ่งพายาแอมเฟตตามิน: การวิเคราะห์อภิมานทางประสาท การเสพสุราของ Am Am Drug (2015) 41(4):290–9. doi:10.3109/00952990.2015.1044607
50 Stinear CM, Coxon JP, Byblow WD เยื่อหุ้มมอเตอร์หลักและการป้องกันการเคลื่อนไหว: หยุดตรงไหนไป Neurosci Biobehav Rev (2009) 33(5):662–73. doi:10.1016/j.neubiorev.2008.08.013
51 Zhang JT, Yao YW, Li CS, Zang YF, Shen ZJ, Liu L, และคณะ การเปลี่ยนแปลงสถานะการเชื่อมต่อการทำงานของส่วนที่เหลือของ insula ในคนหนุ่มสาวที่มีความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต ติดยาเสพติด Biol (2016) 21(3):743–51. doi:10.1111/adb.12247
52 Gardini S, Venneri A. การลดลงของสสารสีเทาใน insula หลังเป็นช่องโหว่โครงสร้างหรือ diathesis เพื่อติดยาเสพติด Brain Res Bull (2012) 87(2–3):205–11. doi:10.1016/j.brainresbull.2011.11.021
53 Yuan K, Cheng P, Dong T, Bi Y, Xing L, Yu D, และคณะ ความหนาผิดปกติของเยื่อหุ้มสมองในวัยรุ่นตอนปลายด้วยการติดเกมออนไลน์ PLoS One (2013) 8(1):e53055. doi:10.1371/journal.pone.0053055
54 Paulus MP, Stewart JL การสกัดกั้นและการติดยาเสพติด Neuropharmacology (2014) 76 (Pt B): 342 – 50 ดอย: 10.1016 / j.neuropharm.2013.07.002
55 Picard N, Strick PL พื้นที่มอเตอร์ของผนังที่อยู่ตรงกลาง: รีวิวสถานที่และการเปิดใช้งานของพวกเขา Cortex cereb (1996) 6(3):342–53. doi:10.1093/cercor/6.3.342
56 Yu C, Zhou Y, Liu Y, Jiang T, Dong H, Zhang Y, และคณะ ฟังก์ชั่นการแยกของเยื่อหุ้มสมองมนุษย์ cingulate ได้รับการยืนยันโดยการเชื่อมต่อการทำงานตาม parcellation neuroanatomical Neuroimage (2011) 54(4):2571–81. doi:10.1016/j.neuroimage.2010.11.018
57 Wang D, Zhou Y, Zhuo C, Qin W, Zhu J, Liu H, et al. เปลี่ยนแปลงการเชื่อมต่อการทำงานของอนุภูมิภาค cingulate ในโรคจิตเภท จิตเวชศาสตร์แปล (2015) 5:e575. doi:10.1038/tp.2015.69
58 Casartelli L, Chiamulera C. The motor way: ผลกระทบทางคลินิกของการทำความเข้าใจและการกำหนดรูปแบบการกระทำด้วยระบบมอเตอร์ในออทิสติกและการติดยาเสพติด Cogn Affect Behav Neurosci (2016) 16(2):191–206. doi:10.3758/s13415-015-0399-7
59 Gremel CM, Lovinger DM บทบาทของวงจรปมประสาทคอร์ติโก - เบสในกลุ่มสัมพันธ์และเซ็นเซอร์ ยีนสมอง Behav (2017) 16(1):71–85. doi:10.1111/gbb.12309
60 Porrino LJ, Lyons D, Smith HR, Daunais JB, Nader MA การจัดการตนเองของโคเคนก่อให้เกิดการมีส่วนร่วมของโดเมน limbic, ความสัมพันธ์และ sensorimotor striatal Neurosci J (2004) 24(14):3554–62. doi:10.1523/JNEUROSCI.5578-03.2004
61 Hanlon CA, Wesley MJ, Roth AJ, Miller MD, Porrino LJ การสูญเสียความต่อเนื่องในผู้ใช้โคเคนเรื้อรัง: การตรวจสอบ fMRI ของการควบคุมเซ็นเซอร์ จิตเวชศาสตร์ (2010) 181(1):15–23. doi:10.1016/j.pscychresns.2009.07.009
62 Nikolaou K, Critchley H, Duka T. Alcohol ส่งผลกระทบต่อเซลล์ประสาทของการยับยั้งการตอบสนอง แต่ไม่ได้รับการกระตุ้นจากการรับรู้ของสัญญาณกระตุ้นการหยุดตอบสนอง PLoS One (2013) 8(9):e76649. doi:10.1371/journal.pone.0076649
63 White LE, Andrews TJ, Hulette C, Richards A, Groelle M, Paydarfar J, et al. โครงสร้างของระบบเซ็นเซอร์มนุษย์ ฉัน: สัณฐานวิทยาและ cytoar Architecture ของร่องกลาง Cortex cereb (1997) 7(1):18–30. doi:10.1093/cercor/7.1.18
64 Cavanna AE, Trimble MR The precuneus: การทบทวนกายวิภาคศาสตร์การทำงานและความสัมพันธ์เชิงพฤติกรรม ของเล่นเพิ่มพัฒนาสมอง (2006) 129(Pt 3):564–83. doi:10.1093/brain/awl004
65 Feng Q, Chen X, Sun J, Zhou Y, Sun Y, Ding W, และคณะ การเปรียบเทียบระดับ Voxel ของการถ่ายภาพเรโซแนนซ์เรโซแนนซ์สนามแม่เหล็กในวัยรุ่นที่มีการติดเกมบนอินเทอร์เน็ต Behav สมองฟังก์ชั่น (2013) 9(1):33. doi:10.1186/1744-9081-9-33
66 Due DL, Huettel SA, Hall WG, Rubin DC การเปิดใช้งานในวงจรประสาทของ mesolimbic และ visuospatial ที่จัดทำโดยตัวชี้นำการสูบบุหรี่: หลักฐานจากการถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่ใช้งานได้ ฉันคือจิตเวชศาสตร์ (2002) 159(6):954–60. doi:10.1176/appi.ajp.159.6.954
;
