การเปลี่ยนแปลงที่ขึ้นกับความถี่ในแอมพลิจูดของความผันผวนของความถี่ต่ำในการเล่นเกมทางอินเทอร์เน็ต (2015)

ด้านหน้า Psychol 2015; 6: 1471

เผยแพร่ออนไลน์ 2015 ก.ย. 28 ดอย: 10.3389 / fpsyg.2015.01471

PMCID: PMC4585012

เสี่ยวหลิน,^1,² Xize Jia,^3,⁴ Yu-Feng Zang,^3,⁴ และ กวงเฮงตง^1,^5,^*

ข้อมูลผู้แต่ง► บันทึกบทความ► ข้อมูลลิขสิทธิ์และใบอนุญาต►

นามธรรม

จากการศึกษาของ Neuroimaging พบว่าการทำงานของสมองที่เกี่ยวข้องกับงานนั้นบกพร่องในวิชาที่เกี่ยวกับการเล่นเกมทางอินเทอร์เน็ต (IGD) อย่างไรก็ตามไม่ค่อยมีใครรู้จักเกี่ยวกับทางเลือกในกิจกรรมสมองของพวกเขา การศึกษาล่าสุดได้เสนอว่ากิจกรรมสมองของช่วงความถี่ที่แตกต่างกันถูกสร้างขึ้นโดยกิจกรรมประสาทที่แตกต่างกันและมีฟังก์ชั่นทางสรีรวิทยาและจิตวิทยาที่แตกต่างกัน ดังนั้นในการศึกษานี้เราได้ทำการสำรวจกิจกรรมสมองที่เกิดขึ้นเองในอาสาสมัคร IGD โดยการวัดแอมพลิจูดเศษส่วนของความผันผวนของความถี่ต่ำ (fALFF) เพื่อตรวจสอบการเปลี่ยนแปลงเฉพาะวงของ fALFF ที่พักตัว เราแบ่งช่วงความถี่ออกเป็นห้าแบนด์ตามวรรณกรรม

เมื่อเปรียบเทียบกับการควบคุมที่ดีกลุ่ม IGD แสดงค่า fALFF ที่ลดลงในกลีบสมองส่วนหลังและเพิ่มค่า fALFF ใน gyrus ชั่วขณะที่ดีกว่า ปฏิสัมพันธ์ที่สำคัญระหว่างแถบความถี่และกลุ่มที่พบใน cerebellum, cingulate ล่วงหน้า, gyrus ภาษา, gyrus ชั่วคราวกลางและ gyrus หน้าผากกลาง ภูมิภาคสมองเหล่านั้นได้รับการพิสูจน์แล้วว่าเกี่ยวข้องกับหน้าที่ของผู้บริหารและการตัดสินใจ ผลลัพธ์เหล่านี้แสดงให้เห็นว่าการทำงานของสมองที่เกิดขึ้นเองของ IGD เปลี่ยนแปลงไปซึ่งมีส่วนทำให้เข้าใจพยาธิสรีรวิทยาของ IGD

คำสำคัญ: ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต, การถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่ใช้งานได้จริง, ความกว้างของความผันผวนของความถี่ต่ำ

ไปที่:

บทนำ

ความผิดปกติของการเสพติดอินเทอร์เน็ต (IAD) ถูกกำหนดให้เป็นบุคคลที่ไม่สามารถควบคุมการใช้อินเทอร์เน็ตที่มากเกินไปแม้ว่าจะเผชิญกับผลกระทบด้านลบต่อการทำงานด้านจิตวิทยา (หนุ่ม 1998; Fitzpatrick, 2008; เทาและอื่น ๆ , 2008; Flisher, 2010) มันได้รับการเสนอเป็น "ติดพฤติกรรม" ตามผลกระทบด้านลบต่อสุขภาพจิตสังคม (Kuss และ Griffiths, 2012) อย่างไรก็ตามไม่ค่อยมีใครรู้เกี่ยวกับกลไกของ IAD และคำจำกัดความที่เหมือนกันของ IAD ยังไม่ได้เกิดขึ้นและคู่มือการวินิจฉัยและสถิติ 4 (DSM-4) ไม่ได้รวมความผิดปกติของพฤติกรรมนี้ (บล็อก 2008) นอกเหนือจากการแพร่กระจายอย่างรวดเร็วของ IAD แล้ว DSM-5 ยังได้รับการพัฒนาสำหรับการเล่นเกมทางอินเทอร์เน็ต (IGD) ตามคำจำกัดความของการใช้สารเสพติดและการเสพติด (Frances and Widiger, 2012; สมาคมจิตแพทย์อเมริกัน 2013; Petry และ O'Brien, 2013; Petry et al., 2014).

IAD มีหลายประเภทเนื่องจากฟังก์ชั่นที่หลากหลายของอินเทอร์เน็ต โดยทั่วไปแล้ว IAD ประกอบด้วยสามประเภทย่อย: IGD, สื่อลามกทางอินเทอร์เน็ตและการส่งอีเมล (บล็อก 2007) เมื่อพิจารณาถึงคำจำกัดความของการติดยาเสพติดหมวดหมู่ทั้งหมดของ IAD เหล่านี้มีลักษณะการกำหนดสี่ประการ: การใช้งานมากเกินไปการถอนความอดทนและผลกระทบเชิงลบ (เคราและหมาป่า 2001; บล็อก 2008; เทาและอื่น ๆ , 2010) เป็นรูปแบบที่แพร่หลายมากที่สุดของ IAD (Dong et al., 2012a) IGD อาจแบ่งปันลักษณะทางจิตวิทยาเฉพาะกับการเสพติดพฤติกรรมอื่น ๆ เช่นการพนันทางพยาธิวิทยา (Griffiths, 2005; ให้สิทธิ์, 2010; Dong et al., 2012b; ฮันและอัล 2012; ดงและโปเตนซา 2014).

การศึกษาการถ่ายภาพจำนวนมากได้ตรวจสอบลักษณะของ IGD โดยใช้งานที่แตกต่างกันฟาวเลอร์และคณะ 2007; Dong et al., 2011a, 2012b; ฮันและอัล 2011a; Xu, 2013) แต่มันยากที่จะเปรียบเทียบข้อมูลที่ได้จากกระบวนทัศน์การทดลองที่แตกต่างกันและข้อสรุปที่เป็นประโยชน์ทางการแพทย์จากงานด้านความรู้ความเข้าใจที่แตกต่างกัน (Zang et al., 2007a) การศึกษา fMRI แบบพักผ่อนได้เปิดเผยความผิดปกติบางอย่างของการกระตุ้นสมองใน IGD (หาคำอธิบายเพิ่มเติมจากการทบทวนโดย Weinstein และ Lejoyeux (2015). วิชา IGD มีแรงกระตุ้นสูงขึ้นซึ่งเป็นอาการของการติดยาเสพติดโดยทั่วไป อาการนี้เกี่ยวข้องกับการกระตุ้นการลดลงของ cingulate gyrus ซึ่งเกี่ยวข้องกับการควบคุมความรู้ความเข้าใจ (Dong et al., 2012a) การศึกษา fMRI ยังแสดงให้เห็นถึงความเป็นเนื้อเดียวกันในระดับภูมิภาค (ReHo) ที่เพิ่มขึ้นในก้านสมองกลีบสมองส่วนล่างสมองซีกซ้ายด้านหลังและสมองส่วนหน้ากลางซ้ายที่เกี่ยวข้องกับการเคลื่อนไหวทางประสาทสัมผัสซึ่งอาจเกี่ยวข้องกับการเคลื่อนไหวนิ้วของการเล่นเกมอินเทอร์เน็ตDong et al., 2012c).

พักผ่อนรัฐ fMRI ได้รับการพัฒนาเป็นเทคนิคใหม่ตั้งแต่การศึกษาของ BiswalBiswal et al., 1995) พวกเขารายงานว่าความถี่ต่ำที่เกิดขึ้นเองแบบซิงโครนัสสูง (0.01 – 0.08 Hz) ในสัญญาณ BOLD ในกลุ่มคอร์เทอร์มอเตอร์สรุปความกว้างของความผันผวนของความถี่ต่ำ (ALFF) เป็นตัวบ่งชี้ทางระบบประสาทBiswal et al., 1995) บนพื้นฐานของ ALFF Zang และคณะ (2007b) ส่งเสริมเครื่องมืออื่นเพื่อแสดงถึงการทำงานของสมองในท้องถิ่น - แอมพลิจูดเศษส่วนของความผันผวนความถี่ต่ำ (fALFF) ซึ่งสามารถตรวจจับความเข้มของภูมิภาคของความผันผวนที่เกิดขึ้นเองในสัญญาณ BOLD (Zou et al., 2008; Zuo และคณะ, 2010) เมื่อเร็ว ๆ นี้ fALFF ถูกนำมาใช้อย่างกว้างขวางในการศึกษาของผู้ป่วยโรคจิตเช่นภาวะซึมเศร้าGuo และคณะ, 2013) โรคจิตเภท (Bluhm et al., 2007), โรคสมาธิสั้น (Zang et al., 2007b), IGD (หยวนและคณะ, 2013) และอื่น ๆ ยังไม่ชัดเจนว่าความผิดปกติของการทำงานของสมองของ IGD เกี่ยวข้องกับคลื่นความถี่เฉพาะหรือไม่ มันเป็นสิ่งสำคัญในการตรวจสอบความผันผวนของสมองที่เกิดขึ้นเองที่ความถี่เฉพาะมากกว่าย่านความถี่กว้าง มีความผันผวนของสมองที่หลากหลายมากมายความถี่ของพวกเขานั้นมีตั้งแต่ความผันผวนที่ช้ามาก ๆ ในช่วงเวลาสิบวินาทีถึงการแกว่งที่รวดเร็วมากที่มีความถี่เกิน 1000 Hz (Bullock, 1997). Buzsákiและ Draguhn (2004) เสนอ 'ระดับความผันผวน' ซึ่งมีคลื่นความถี่ 10 ที่ขยายจาก 0.02 เป็น 600 Hz (Penttonen และBuzsáki, 2003) และ Zuo และคณะ (2010) ตรวจสอบ fALFF ที่ความถี่สี่แถบและพบว่าการแกว่งมีการเชื่อมโยงกับกระบวนการทางประสาทที่เฉพาะเจาะจง (Buzsákiและ Draguhn, 2004; Knyazev, 2007) พวกเขาพบว่าแอมพลิจูดของออสซิลเลชั่น (0.01 – 0.027 Hz) ที่ความถี่ต่ำมีความแข็งแรงที่สุดในโครงสร้างของเยื่อหุ้มสมองและความถี่สูงนั้นแข็งแกร่งที่สุดในโครงสร้าง subcortical เช่นฐานปมประสาท การศึกษาได้เปิดเผยว่าผู้ป่วยโรคจิตเภทมีความผิดปกติโดยเฉพาะของแอมพลิจูดแนบแน่นในแถบความถี่ 4 ช้า (Yu และคณะ, 2014). ฮั่นและคณะ (2011b) ยังพิสูจน์ให้เห็นว่าความผิดปกติของการทำงานของสมองในผู้ป่วยที่มีความบกพร่องทางสติปัญญาต่ำเป็นนิรันดรเปิดเผยรูปแบบการเปิดใช้งานที่แตกต่างกันในย่านความถี่ที่แตกต่างกัน

ในการศึกษาปัจจุบันเราได้รวบรวมค่า fALFF ของความถี่ทั่วทั้ง 0 – 0.25 รวมถึงหกย่านความถี่ของ 0 – 0.01 Hz, 0.01 – 0.027 Hz, 0.027 – 0.073 Hz, 0.073 HNX, 0.198 HNX อ้างอิงจากBuzsáki's“ oscillation classes” เราพยายามที่จะเปรียบเทียบค่า fALFF ระหว่าง IGD และ HC ในแถบความถี่ที่แตกต่างกันและแก้ไขปัญหาสองประเด็น: ประการแรกไม่ว่ากลุ่ม IGD จะแสดงแอมพลิจูด fALFF ที่ผิดปกติเมื่อเปรียบเทียบกับการควบคุมที่ดีหรือไม่ ประการที่สองไม่ว่าจะเป็นความผิดปกติของ IGD ที่เกี่ยวข้องกับคลื่นความถี่ที่เฉพาะเจาะจง

ไปที่:

วัสดุและวิธีการ

การคัดเลือกผู้เข้าร่วม

การทดลองเป็นไปตามหลักจรรยาบรรณของสมาคมการแพทย์โลก (ปฏิญญาเฮลซิงกิ) และได้รับการอนุมัติจากคณะกรรมการสอบสวนมนุษย์ของมหาวิทยาลัยเจ้อเจียง Normal นักศึกษามหาวิทยาลัยห้าสิบสองคนได้รับคัดเลือกจากโฆษณา [26 IGD, 26 health controls (HC)] พวกเขาเป็นผู้ชายที่ถนัดขวา กลุ่ม IGD และ HC ไม่แตกต่างกันอย่างมีนัยสำคัญในอายุ (IGD: N = 26, 22.2 ± 3.13 ปี; ฮี: N = 26, 22.28 ± 2.54 ปี; t(50) = 0.1 p = 0.9) เนื่องจากสัดส่วน IGD ที่สูงขึ้นในผู้ชายจึงมีเพียงเพศชายเท่านั้น ผู้เข้าร่วมจะต้องลงนามในหนังสือยินยอมและผู้เข้าร่วมทุกคนต้องผ่านการสัมภาษณ์ทางจิตที่มีโครงสร้าง (MINI) (Lecrubier และคณะ, 1997) ดำเนินการโดยจิตแพทย์ที่มีประสบการณ์โดยใช้เวลาในการดูแลประมาณ 15 ขั้นต่ำ ผู้เข้าร่วมทั้งหมดไม่มีอาการผิดปกติทางจิตเวชของ Axis 1 ใน MINI ผู้เข้าร่วมทั้งหมดไม่ตรงตามเกณฑ์ DSM-4 สำหรับการใช้ยาหรือการพึ่งพายาเสพติดรวมถึงแอลกอฮอล์แม้ว่าผู้เข้าร่วมประชุม IGD และ HC ทุกคนจะรายงานการดื่มแอลกอฮอล์ในช่วงชีวิตของพวกเขา ผู้เข้าร่วมทุกคนได้รับคำสั่งให้ไม่ใช้สารใด ๆ รวมถึงกาแฟชาในวันที่สแกน ไม่มีผู้เข้าร่วมรายงานความเสียหายของสมองหรือประสบการณ์ก่อนหน้านี้กับยาเสพติดที่ผิดกฎหมาย (เช่นโคเคนกัญชา)

การวินิจฉัยโรคของ IGD นั้นพิจารณาจากคะแนน 50 หรือสูงกว่าจากการทดสอบการเสพติดอินเทอร์เน็ตออนไลน์ของ Young (หนุ่ม 1998). เนื่องจากการเสพติดพฤติกรรมพิเศษคำจำกัดความในการปฏิบัติงานและมาตรฐานการวินิจฉัยสำหรับ IGD จึงยังไม่สอดคล้องกัน ในการศึกษาปัจจุบันกลุ่ม IGD ประกอบด้วยบุคคลที่มีคุณสมบัติตรงตามเกณฑ์ IAD ทั่วไป (คะแนนมากกว่า 50 ใน IAT) และรายงานว่า "ใช้เวลาออนไลน์ส่วนใหญ่ในการเล่นเกมออนไลน์ (> 80%)" (Blaszczynski, 2008; Weng และคณะ, 2013) คะแนน IAT ของกลุ่ม IGD (72 ± 11.7) สูงกว่าการควบคุมที่ดี [29 ± 10.4) t(50) = 14 p = 0.000]

ได้มาซึ่งข้อมูล

หลังจากการสแกนแบบโลคัลไลเซอร์แบบดั้งเดิมภาพที่ได้รับน้ำหนักของ T1 นั้นจะมีลำดับการเรียกคืนการไล่ระดับสีที่เสีย [TR = 240 ms; echo time (TE) = 2.46 ms; มุมพลิก (FA) = 90 °; มุมมอง (FOV) = 220 ~ 220 มม²; data matrix = 256 ~ 256] จากนั้นภาพที่ได้จากการพักผ่อนจะได้รับโดยใช้ลำดับการถ่ายภาพ echo-planar (TR = 2000 ms; TE = 30 ms; FA = 90 °; FOV = 220 ~ 220 mm²; data matrix = 64 ~ 64) พร้อมชิ้นแกน 33 (ความหนาของชิ้น = 3 mm และช่องว่างชิ้น = 1 mm, ปริมาตรรวม = 210) ในการทำงานหนึ่งนาที 7 ผู้เข้าร่วมการวิจัยจำเป็นต้องรักษาความสงบและไม่คิดถึงสิ่งใด ๆ อย่างเป็นระบบระหว่างการสแกน ในตอนท้ายของการเก็บข้อมูลอาสาสมัครทุกคนยืนยันว่าพวกเขายังคงตื่นตัวตลอดระยะเวลาการสแกนทั้งหมด

การประมวลผลข้อมูลล่วงหน้าและการคำนวณ fALFF

การประมวลผลภาพทั้งหมดที่ใช้งานได้ดำเนินการกับ Data Processing Assistant สำหรับพักผ่อน - fMRI [DPARSF (Yan และ Zang, 2010)^¹ซอฟต์แวร์] สำหรับผู้เข้าร่วมแต่ละคนจุดเวลา 10 แรกถูกแยกออกจากการวิเคราะห์เพิ่มเติมซึ่งคือการหลีกเลี่ยงการเปลี่ยนแปลงสัญญาณชั่วคราวก่อนที่การดึงดูดจะถึงสถานะมั่นคงและเพื่อให้อาสาสมัครคุ้นเคยกับสภาพแวดล้อมการสแกนแบบ fMRI ปริมาณสมอง 200 ที่เหลือได้รับการแก้ไขสำหรับการแบ่งจังหวะและปรับการเคลื่อนไหวของศีรษะให้เหมาะสม เฉพาะผู้เข้าร่วมที่มีการเคลื่อนไหวของศีรษะน้อยกว่า 1.5 mm ในทิศทาง x, y หรือ z และน้อยกว่าการหมุน 2 เกี่ยวกับแต่ละแกน วิชา 26 HC และ 26 IGD นั้นใช้ได้ในการศึกษาปัจจุบัน จากนั้นภาพที่ได้รับการปรับใหม่ทั้งหมดจะถูกทำให้เป็นแนวปกติจากนั้นปรับตำแหน่งใหม่เป็น Voxels isotropic 3 mm และปรับให้เรียบตามพื้นที่ (ความกว้างเต็มที่ครึ่งสูงสุด = 6 mm) และแนวโน้มเชิงเส้นจะถูกลบออก หลังจากประมวลผลล่วงหน้าแล้ว fALFF จะถูกคำนวณโดยใช้ DPARSF สั้น ๆ สำหรับ voxel ที่ให้มาอนุกรมเวลาจะถูกแปลงเป็นโดเมนความถี่เป็นครั้งแรกโดยใช้ "การแปลงฟูริเยร์ที่รวดเร็ว" สแควร์รูทของสเปกตรัมพลังงานได้รับการคำนวณแล้วเฉลี่ยทั่วช่วงความถี่ที่กำหนดไว้ล่วงหน้า สแควร์รูทเฉลี่ยนี้เรียกว่า fALFF ที่ voxel ที่กำหนดของย่านความถี่ที่กำหนดไว้ล่วงหน้า (Zang et al., 2007a) เราแบ่งช่วงความถี่ทั้งหมด (0 – 0.25 Hz) ออกเป็นห้ากลุ่มย่อย: slow-6 (0 – 0.01 Hz), ช้า -NNXX (5 – 0.01 Hz), ช้า -0.027 HZ) 4 (0.027 – 0.073 Hz) และ 3 ช้า (0.073 – 0.198 Hz) (2, 0.198, 0.25) และคำนวณหาความถี่ของแต่ละย่านความถี่

การวิเคราะห์ทางสถิติ

การวิเคราะห์ความแปรปรวนแบบสองทาง (กลุ่มและความถี่) ทำซ้ำบนพื้นฐานของ voxel-by-voxel กับกลุ่ม (IGD และ HC) เป็นปัจจัยระหว่างเรื่องและแถบความถี่ (slow-2, slow-3, slow-4, slow-5, slow-6) ตามการวัดซ้ำ นอกจากนี้เรายังคำนวณการวิเคราะห์สหสัมพันธ์โดยใช้ ROI ติดตามผลหลักและการมีปฏิสัมพันธ์ระหว่างความรุนแรงของ IGD และค่า fALFF และเราเลือกค่า fALFF จากแถบเฉพาะ

ไปที่:

ผลสอบ

ผลหลักจากการวัดความแปรปรวนแบบสองทางได้แสดงไว้ใน รูป Figure11, ตาราง Tables11 และ 22. เราใช้การแก้ไข Alphasim สำหรับการเปรียบเทียบข้อมูลภาพต่างๆ การแก้ไข p <0.05 สอดคล้องกับการรวมกันของการไม่แก้ไข p <0.05 และขนาดคลัสเตอร์> 248 มม³) การวิเคราะห์ความสัมพันธ์โดยใช้ ROI ได้ดำเนินการระหว่างค่า fALFF และความรุนแรงของ IGD (คะแนนของ IAT) สมองน้อยมีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญกับความรุนแรงของ IGD (slow-4: r = -0.487 p = 0.000; ช้า 5: r = -0.485 p = 0.000; ดู รูป Figure2C2C) พิกัดของ ROI นั้นกำหนดโดยการเปิดใช้งานสูงสุดของคลัสเตอร์ที่รอดชีวิต รัศมีของ ROI คือ 4 mm และสร้างโดยซอฟต์แวร์ REST^².

รูป 1

(A) ผลหลักสำหรับกลุ่มแอมพลิจูดของความผันผวนของความถี่ต่ำ (ALFF) บริเวณสมองที่แอมพลิจูดเศษส่วนของความผันผวนของความถี่ต่ำ (fALFF) นั้นแตกต่างกันระหว่างความผิดปกติของเกมบนอินเทอร์เน็ต (IGD) และการควบคุมที่ดี วิชา IGD ...

1 ตาราง

บริเวณสมองที่มีผลกระทบหลักของกลุ่ม

2 ตาราง

บริเวณสมองที่มีเอฟเฟกต์ปฏิสัมพันธ์ระหว่างกลุ่มและความถี่

รูป 2

ค่า ALFF ใน gyrus ชั่วขณะที่เหนือกว่าและสมองน้อย สี่เหลี่ยมสีแดงและสีน้ำเงินแสดงถึงตัวแบบ IGD และการควบคุมที่ดีตามลำดับ ย่านความถี่เต็ม (0 – 0.25 Hz) แบ่งออกเป็นห้าย่านความถี่ พวกเขาถูกแสดงใน (A, B) ...

การตอบสนองอย่างมีนัยสำคัญระหว่างแถบความถี่และกลุ่มถูกพบในซีเบลลัมลัม, เอ็นซินอยด์ล่วงหน้า, ไจโรภาษาศาสตร์, เทมเปิลเทมเปอรัลกลางและไจรัสหน้าผากกลาง หน้าผากส่วนกลางแสดงค่าแอมพลิจูดที่เพิ่มขึ้นและไซรัสชั่วคราวกลางแสดงค่าแอมพลิจูดลดลงใน IGD นอกจากนี้การวิเคราะห์ตาม ROI นำเสนอการเปลี่ยนแปลงแบบไดนามิกของ fALFF ในสมองน้อยและภาษา gyrus พร้อมกับการปรับความถี่ (ดู รูป Figure33) ใน IGD ซีรีเบลลัมแสดงค่าแอมพลิจูดที่ลดลงในขอบเขตความถี่ที่สูงขึ้น (slow-2, -3 ที่ช้า, 4 ที่ช้า) และการเพิ่มค่าของแอมพลิจูดในขอบเขตความถี่ที่ต่ำกว่า (slow-6 ดู รูป Figure3A3A) ในทางกลับกันลิ้นภาษาแสดงค่าแอมพลิจูดเพิ่มขึ้นในขอบเขตความถี่สูง (slow-2, slow-3) และค่าแอมพลิจูดลดลงในขอบเขตความถี่ต่ำ (slow-6 ดูที่ รูป Figure3B3B) ทั้งสองภูมิภาคนี้ใช้จุดเปลี่ยนที่วง 5 ช้าสำหรับการเปลี่ยนแปลงของแอมพลิจูด

รูป 3

รูปแบบย้อนกลับใน cerebellum และ gyrus ภาษาที่วงดนตรีที่แตกต่างกันใน IGD สี่เหลี่ยมสีแดงและสีน้ำเงินแสดงถึงตัวแบบ IGD และการควบคุมที่ดีตามลำดับ ย่านความถี่เต็ม (0 – 0.25 Hz) แบ่งออกเป็นห้าย่านความถี่ พวกเขาถูกแสดง ...

ไปที่:

การสนทนา

การศึกษาปัจจุบันตรวจสอบการทำงานของสมองที่ผิดปกติใน IGD ด้วย fALFF ที่คลื่นความถี่ต่าง ๆ ผลกระทบของกลุ่มหลักพบว่า IGD แสดงค่า fALFF ที่ต่ำกว่าใน gyrus ชั่วขณะที่ดีกว่าและค่า fALFF สูงในสมองน้อย เรานำเสนอแอมพลิจูด BOLD ผันผวนในช่วงความถี่ทั้งหมด (0 – 0.25 Hz) และพบรูปแบบที่ตรงกันข้ามของการเปลี่ยนแปลงในขอบเขตความถี่ในซีรีเบลลัมและไจรัสภาษาใน IGD การค้นพบนี้ให้มุมมองที่สมบูรณ์ของการวิเคราะห์ fALFF ในโดเมนความถี่และเน้นความสำคัญของการเลือกความถี่ที่เฉพาะเจาะจงสำหรับการตรวจจับความผิดปกติท

fALFF ที่แตกต่างกันในเยื่อหุ้มสมองระหว่าง IGD และ HC (ผลหลักของกลุ่ม)

วรรณกรรมก่อนหน้านี้เชื่อว่าสัญญาณของช้า -2 สะท้อนความถี่ต่ำมากและช้า -6 สะท้อนความถี่สูงเสียงทางสรีรวิทยา (Zang et al., 2007a; Xu, 2013) การวิเคราะห์ผลกระทบหลักของกลุ่มที่มุ่งเน้นไปที่กิจกรรมประสาทที่เกิดขึ้นเองที่คลื่นความถี่เฉพาะ (ช้า -4 และช้า -5) ใน IGD ผลกระทบหลักของกลุ่มพบว่า IGD แสดงค่า fALFF ที่ต่ำที่ 4 ช้าและ 5 ช้าในสมองน้อย ความสัมพันธ์เชิงลบระหว่างค่า fALFF ในสมองน้อยและความรุนแรงของ IGD ถูกพบในการศึกษาปัจจุบัน ซีรีเบลลัมนั้นถูกจัดอยู่ในประเภทโครงสร้างของมอเตอร์ซึ่งฟังก์ชั่นไม่ได้ จำกัด อยู่ที่การประสานงานการเคลื่อนไหวหรือการทรงตัวและมันก็มีบทบาทสำคัญในกระบวนการรับรู้ที่สูงขึ้น (De Zeeuw และคณะ, 2011; Stoodley และคณะ, 2012) หลักฐานจากการศึกษาการถ่ายภาพทางกายวิภาคสรีรวิทยาและการใช้งานได้พิสูจน์ว่าผู้ที่มีรอยโรคไปยังสมองน้อยแสดงให้เห็นว่าการขาดการทำงานของผู้บริหารองค์ความรู้และหน่วยความจำในการทำงาน (Raymond และคณะ, 1996; De Smet et al., 2013) ได้รับข้อมูลจากระบบประสาทสัมผัสและส่วนอื่น ๆ ของสมองและรวมอินพุตเหล่านี้เพื่อปรับกิจกรรมการเคลื่อนไหวDoyon และคณะ, 2003; อิโตะ 2006; หยวนและคณะ, 2011) บทบาทที่เป็นไปได้ของสมองน้อยในการเสพติดได้รับการกล่าวถึงในเอกสารล่าสุดซึ่งเสนอว่าสมองน้อยนั้นเป็นศูนย์ควบคุมที่มีศักยภาพซึ่งได้รับผลกระทบจากการเสพติด (Moulton และคณะ, 2013) วรรณกรรมได้แสดงให้เห็นว่าวิชา IGD มีความเกี่ยวข้องกับ ReHo ที่มากกว่าปกติLiu et al., 2010; Dong et al., 2012c) และการเชื่อมต่อการทำงาน (Ding et al., 2013) มากกว่าสมอง ในการศึกษาปัจจุบันมีความสัมพันธ์เชิงลบระหว่างค่า fALFF ในสมองน้อยและความรุนแรงของ IGD ถูกสังเกต (ดู รูป Figure2C2C) ซึ่งสนับสนุนว่ากิจกรรมของเซลล์ประสาทที่เกิดขึ้นเองผิดปกติในสมองน้อยนั้นเกี่ยวข้องกับพฤติกรรมที่ไม่เหมาะสมของ IGD

ค่า fALFF จะสูงกว่าใน gyrus ชั่วขณะที่เหนือกว่าใน IGD การศึกษาก่อนหน้าแสดงให้เห็นว่า IGD เมื่อเปรียบเทียบกับ HC แสดงให้เห็นว่าการเชื่อมต่อการทำงานลดลงในพื้นที่ชั่วคราว (Ding et al., 2013) การศึกษาก่อนหน้านี้ของเราพบว่าลดลง ReHo ใน gyrus temporal ที่ต่ำกว่าและเราสรุปว่ามันอาจเป็นผลของการเล่นเกมเป็นเวลานาน (Dong et al., 2012c) ผลการวิจัยในปัจจุบันไม่สอดคล้องกับการศึกษาก่อนหน้านี้ดังนั้นเราจึงนำสมมติฐานที่เพิ่มขึ้น fALFF ใน gyrus ชั่วขณะที่เหนือกว่าอาจสะท้อนให้เห็นถึงกิจกรรมสมองในระดับที่สูงขึ้นซึ่งสัมพันธ์กับความยืดหยุ่นของการเคลื่อนไหวใน IGD แต่หน้าที่ของพื้นที่นี้ต้องศึกษาเพิ่มเติม

ความถี่ขึ้นอยู่กับการเปลี่ยนแปลงความกว้างใน IGD

ผลกระทบปฏิสัมพันธ์ระหว่างกลุ่มและแถบความถี่ถูกพบใน cerebellum, หน้า cingulate gyrus, gyrus ภาษา, gyrus ชั่วคราวกลางและ gyrus หน้าผากกลาง

ค่า fALFF ที่สูงขึ้นใน Gyrus หน้าผากกลางใน IGD

ในการศึกษาปัจจุบันผู้เข้าร่วม IGD แสดงค่า fALFF ที่สูงขึ้นใน gyrus หน้าผากซ้ายกลางที่วงดนตรีที่แตกต่างกัน หน้าผากกลางมีบทบาทสำคัญในการประสานงานระบบต่าง ๆ เช่นการเรียนรู้และความทรงจำซึ่งเกี่ยวข้องอย่างมากกับการปฏิบัติการทางจิต (คาร์ดินัล 2006) ในการศึกษาก่อนหน้านี้เราสรุปว่าวิชา IGD แสดงการซิงโครไนซ์ที่เพิ่มขึ้นในการประสานงานประสาทสัมผัสที่เกี่ยวข้องกับมอเตอร์สมอง (Van Rooij และคณะ, 2011) - การเล่นเกมออนไลน์นั้นผู้เล่นต้องรวมหลาย ๆ ระบบรวมถึงระบบประสาทสัมผัส, การควบคุมมอเตอร์, การประสานงานมอเตอร์และระบบประมวลผลข้อมูล (อิโตะ 2006) การค้นพบในปัจจุบันยังสนับสนุนสมมติฐานนี้ ผลลัพธ์นี้สอดคล้องกับการศึกษาของ Liu (Liu et al., 2010) ซึ่งพบว่าอาสาสมัครที่มี IGD แสดงให้เห็นถึงการเพิ่มขึ้นอย่างมีนัยสำคัญในค่า ReHo ใน gyrus หน้าผากซ้ายกลาง ดังนั้นเราจึงสรุปได้ว่าผู้เข้าร่วม IGD แสดงค่า fALFF ที่สูงขึ้นใน gyrus หน้าผากซ้ายกลางซึ่งอาจเชื่อมโยงกับความสามารถในการประสานงานประสาทสัมผัสมอเตอร์ที่เพิ่มขึ้น

ความผิดปกติใน Gyrus Cingulate ล่วงหน้าใน IGD

เราพบ fALFF ที่ต่ำกว่าในด้านหน้าของ cingulate Gyrus ที่ slow-6 ภูมิภาคการคำนวณล่วงหน้ามีส่วนเกี่ยวข้องในการยับยั้งการควบคุมและการติดตามความขัดแย้ง (หยุดชั่วคราว 2001; Goldstein และคณะ, 2007) และความผิดปกติได้รับการกล่าวถึงในการศึกษา IGD ก่อนหน้า (Liu et al., 2010; Moulton และคณะ, 2013) ตามที่กล่าวไว้ในบทนำค่า fALFF ที่ต่ำกว่าอาจสัมพันธ์กับความสามารถในการประสานงานที่ลดลงของกิจกรรมของระบบประสาททางไกล สมมติฐานนี้ได้รับการสนับสนุนโดยการศึกษาในสาขานี้: ด้วยวิธีการเชื่อมต่อการทำงาน ฮงและคณะ (2013) รายงานการเชื่อมต่อการทำงานลดลงระหว่าง ACC และ PFC ใน IAD เจียงและคณะ (2011) ได้เสนอว่ากิจกรรมที่ต่ำกว่าใน ACC อาจสะท้อนถึงกิจกรรมของเซลล์ประสาทที่ลดลงผิดปกติในภูมิภาคนี้และการขาดดุลการทำงาน การศึกษาที่เกี่ยวข้องกับงานอื่น ๆ ได้พิสูจน์จุดนี้ว่า IGD มาพร้อมกับความผิดปกติของความรู้ความเข้าใจเช่นการขาดการทำงานขององค์ความรู้ (Dong et al., 2010, 2011b) ดังนั้นเราเชื่อว่าความผิดปกติใน ACC นั้นเกี่ยวข้องกับความผิดปกติทางปัญญาของ IGD

รูปแบบย้อนกลับในเซเรลลัมและลิงเกวลที่วงต่าง ๆ ใน IGD

มันเป็นสิ่งสำคัญที่จะต้องทราบว่าความผิดปกติของกิจกรรมของระบบประสาทที่เกิดขึ้นเองใน IGD ขึ้นอยู่กับคลื่นความถี่ที่เฉพาะเจาะจงโดยเฉพาะอย่างยิ่งในสมองและสมอง เมื่อเปรียบเทียบกับ HC, IGD แสดงให้เห็นว่าแอมพลิจูดลดลงในย่านความถี่ต่ำ (ช้า -4, -5 ช้า, -6 ช้า) และเพิ่มแอมพลิจูดในย่านความถี่ที่สูงขึ้น (ช้า -2, -3 ช้า) ในภาษา ในทางตรงกันข้าม IGD แสดงแอมพลิจูดที่เพิ่มขึ้นในย่านความถี่ต่ำ (ช้า -6) และแอมพลิจูดลดลงในย่านความถี่ที่สูงขึ้น (slow-2, ช้า -3, ช้า-4) ในสมองน้อย (ตัวเลข 2A, B) มันได้รับการเปิดเผยว่าวงคลื่นที่แตกต่างกันได้รับการพัฒนาโดยกลไกที่แตกต่างกันและมีหน้าที่ทางสรีรวิทยาที่แตกต่างกัน (Bullock, 1997; หยวนและคณะ, 2013) จากการศึกษาก่อนหน้านี้ได้พิสูจน์แล้วว่าความผันผวนของความถี่ที่ต่ำกว่านั้นมีขนาดกำลังที่สูงขึ้นและความผันผวนของความถี่ที่สูงขึ้นจะมีกำลังที่ลดลง (Baria และคณะ, 2011; หยวนและคณะ, 2013) การค้นพบในปัจจุบันอาจชี้ให้เห็นว่า IGD ได้เพิ่มขีดความสามารถในการประสานงานของกิจกรรมของระบบประสาททางไกลในซีรีเบลลัมและในภาษา Gyrus ข้อสันนิษฐานนี้สามารถได้รับการสนับสนุนจากการศึกษาก่อนหน้าซึ่งรายงานว่าอาสาสมัครที่มี IGD แสดงการเชื่อมต่อการทำงานที่เพิ่มขึ้นในซีรีเบลลัมทวิภาคี (Liu et al., 2010; โก 2014) และการศึกษาอื่นตรวจพบการขาดดุลความหนาแน่นของสสารสีเทาใน gyrus ภาษาซึ่งอาจเกี่ยวข้องกับกิจกรรมของระบบประสาททางไกล (Weng และคณะ, 2013).

ไปที่:

สรุป

การค้นพบในการศึกษาในปัจจุบันชี้ให้เห็นว่าผู้ป่วย IGD มีความผิดปกติของ fALFF ในบริเวณต่างๆของสมองรวมทั้ง cerebellum (IGD <HC) และ gyrus ขมับที่เหนือกว่า (IGD> HC) การศึกษาในปัจจุบันสามารถช่วยให้เข้าใจพยาธิสรีรวิทยาของ IGD และการวิเคราะห์ความกว้างความถี่เต็มอาจช่วยในการเลือกช่วงความถี่เฉพาะสำหรับการตรวจจับกิจกรรมของสมองที่เกี่ยวข้องกับ IGD

ไปที่:

ผลงานของผู้เขียน

XL วิเคราะห์ข้อมูลเขียนร่างแรกของต้นฉบับ; XJ สนับสนุนการวิเคราะห์ข้อมูล Y-FZ สนับสนุนแนวทางการทดลองและปรับปรุงต้นฉบับ GD ออกแบบการวิจัยนี้แก้ไขและปรับปรุงต้นฉบับ ผู้เขียนทั้งหมดมีส่วนร่วมและได้รับการอนุมัติต้นฉบับสุดท้าย

ไปที่:

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

ไปที่:

กิตติกรรมประกาศ

งานวิจัยนี้ได้รับการสนับสนุนโดยมูลนิธิวิทยาศาสตร์แห่งชาติของจีน (31371023) ดร. จางได้รับการสนับสนุนจากโปรแกรม“ ศาสตราจารย์พิเศษที่โดดเด่นเคียนเจียง”

เงินทุน ผู้เลี้ยงไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและวิเคราะห์ข้อมูลการตัดสินใจที่จะเผยแพร่หรือการจัดทำต้นฉบับ

¹http://www.restfmri.net

²www.restfmri.net

ไปที่:

อ้างอิง

สมาคมจิตแพทย์อเมริกัน (2013) สมาคมจิตแพทย์อเมริกัน คู่มือการวินิจฉัยและสถิติความผิดปกติทางจิต, 5th Edn Arlington, TX: สมาคมจิตแพทย์อเมริกัน
Baria AT, Baliki MN, Parrish T. , Apkarian AV (2011) การประกอบทางกายวิภาคและการทำงานของความผันผวนของสมอง BOLD J. Neurosci 31 7910 – 7919 10.1523 / JNEUROSCI.1296-11.2011 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
เครา KW, Wolf EM (2001) การปรับเปลี่ยนในเกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ต ไซเบอร์ Psychol Behav 4 377 – 383 10.1089 / 109493101300210286 [PubMed] [ข้ามอ้างอิง]
Biswal B. , Yetkin FZ, Haughton VM, Hyde JS (1995) การเชื่อมต่อการทำงานในคอร์เทกซ์สมองส่วนที่เหลือของสมองมนุษย์โดยใช้ echo-planar MRI Magn reson Med 34 537 – 541 10.1002 / mrm.1910340409 [PubMed] [ข้ามอ้างอิง]
Blaszczynski A. (2008) ความเห็น: การตอบสนองต่อ "ปัญหาเกี่ยวกับแนวคิดของวิดีโอเกม" ติดยาเสพติด ": ตัวอย่างกรณีศึกษา" int J. Ment สุขภาพติดยาเสพติด 6 179–181. 10.1007/s11469-007-9132-2 [ข้ามอ้างอิง]
บล็อก JJ (2007) ความชุกต่ำกว่าการศึกษาการใช้งานอินเทอร์เน็ตที่มีปัญหา ระบบประสาทส่วนกลาง 12 14 – 15 [PubMed]
บล็อก JJ (2008) ปัญหาสำหรับ DSM-V: การติดอินเทอร์เน็ต am J. จิตเวชศาสตร์ 165 306 – 307 10.1176 / appi.ajp.2007.07101556 [PubMed] [ข้ามอ้างอิง]
Bluhm RL, Miller J. , Lanius RA, Osuch EA, Boksman K. , Neufeld RWJ, และคณะ (2007) ความผันผวนของความถี่ต่ำที่เกิดขึ้นเองในสัญญาณที่เป็นตัวหนาในผู้ป่วยจิตเภท: ความผิดปกติในเครือข่ายเริ่มต้น Schizophr วัว. 33 1004 – 1012 10.1093 / schbul / sbm052 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Bullock TH (1997) สัญญาณและสัญญาณในระบบประสาท: ลักษณะทางกายวิภาคแบบไดนามิกของกิจกรรมไฟฟ้าอาจเป็นข้อมูลที่เต็มไปด้วย พรอค Natl Acad วิทย์ วิทย์ ประเทศสหรัฐอเมริกา 94 1 – 6 [บทความฟรี PMC] [PubMed]
Buzsáki G. , Draguhn A. (2004) การสั่นของเส้นประสาทในเครือข่ายเยื่อหุ้มสมอง วิทยาศาสตร์ 304 1926 – 1929 10.1126 / วิทยาศาสตร์ 1099745 [PubMed] [ข้ามอ้างอิง]
คาร์ดินัล RN (2006) ระบบประสาทที่เกี่ยวข้องในการเสริมความล่าช้าและความน่าจะเป็น Neural Netw 19 1277 – 1301 10.1016 / j.neunet.2006.03.004 [PubMed] [ข้ามอ้างอิง]
De Smet HJ, Paquier P. , Verhoeven J. , Mariën P. (2013) สมองน้อย: บทบาทในภาษาและหน้าที่เกี่ยวกับความรู้ความเข้าใจและอารมณ์ Brain Lang 127 334 – 342 10.1016 / j.bandl.2012.11.001 [PubMed] [ข้ามอ้างอิง]
De Zeeuw CI, Hoebeek FE, Bosman LWJ, Schonewille M. , Witter L. , Koekkoek SK (2011) รูปแบบการยิง Spatiotemporal ในสมองน้อย ชัยนาท รายได้ Neurosci 12 327 – 344 10.1038 / nrn3011 [PubMed] [ข้ามอ้างอิง]
Ding W.-N. , Sun J.-H. , Sun Y.-W. , Zhou Y. , Li L. , Xu J.-R. , และคณะ (2013) แก้ไขการเชื่อมต่อสถานะการทำงานเริ่มต้นของการพักการเชื่อมต่อเครือข่ายในวัยรุ่นที่ติดการเล่นเกมอินเทอร์เน็ต PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Dong G. , DeVito EE, Du X. , Cui Z. (2012a) การควบคุมการยับยั้งความบกพร่องใน 'โรคติดอินเทอร์เน็ต': การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก จิตเวชศาสตร์ Res. 203 153 – 158 10.1016 / j.pscychresns.2012.02.001 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Dong G. , DeVito E. , Huang J. , Du X. (2012b) การถ่ายภาพเทนเซอร์เผยให้เห็นฐานดอกและคอร์เทกซ์เยื่อหุ้มสมองผิดปกติในผู้ติดเกมออนไลน์ J. จิตแพทย์ Res 46 1212 – 1216 10.1016 / j.jpsychires.2012.05.015 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Dong G. , Huang J. , Du X. (2012c) การปรับเปลี่ยนในความสม่ำเสมอของภูมิภาคของกิจกรรมสมองที่พักผ่อนในผู้ติดเกมออนไลน์ Behav สมองสั่นไหว 8 1–8. 10.1186/1744-9081-8-41 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Dong G. , Huang J. , Du X. (2011a) เพิ่มความไวของรางวัลและลดความไวต่อการสูญเสียในผู้ติดอินเทอร์เน็ต: การศึกษา fMRI ในระหว่างการเดางาน J. จิตแพทย์ Res 45 1525 – 1529 10.1016 / j.jpsychires.2011.06.017 [PubMed] [ข้ามอ้างอิง]
Dong G. , Zhou H. , Zhao X. (2011b) ผู้เสพติดอินเทอร์เน็ตชายแสดงความสามารถในการควบคุมผู้บริหารที่บกพร่อง: หลักฐานจากงาน Stroop คำสี Neurosci เลทท์ 499 114 – 118 10.1016 / j.neulet.2011.05.047 [PubMed] [ข้ามอ้างอิง]
Dong G. , Lu Q. , Zhou H. , Zhao X. (2010) การยับยั้งแรงกระตุ้นในผู้ที่มีความผิดปกติของการเสพติดอินเทอร์เน็ต: หลักฐานทางเคมีไฟฟ้าจากการศึกษา Go / NoGo Neurosci เลทท์ 485 138 – 142 10.1016 / j.neulet.2010.09.002 [PubMed] [ข้ามอ้างอิง]
Dong G. , Potenza MN (2014) รูปแบบความรู้ความเข้าใจพฤติกรรมของความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การสนับสนุนทางทฤษฎีและผลกระทบทางคลินิก J. จิตแพทย์ Res 58 7 – 11 10.1016 / j.jpsychires.2014.07.005 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Doyon J. , Penhune V. , Ungerleider LG (2003) การมีส่วนร่วมที่โดดเด่นของระบบ cortico-striatal และ cortico-cerebellar เพื่อการเรียนรู้ทักษะยนต์ Neuropsychologia 41 252–262. 10.1016/S0028-3932(02)00158-6 [PubMed] [ข้ามอ้างอิง]
Fitzpatrick JJ (2008) ติดอินเทอร์เน็ต: การรับรู้และการแทรกแซง โค้ง. Psychiatr Nurs 22 59 – 60 10.1016 / j.apnu.2007.12.001 [PubMed] [ข้ามอ้างอิง]
Flisher C. (2010) เสียบสาย: ภาพรวมของการติดอินเทอร์เน็ต J. Paediatr สุขภาพเด็ก 46 557 – 559 10.1111 / j.1440-1754.2010.01879.x [PubMed] [ข้ามอ้างอิง]
ฟาวเลอร์ JS, Volkow ND, Kassed CA, Chang L. (2007) การถ่ายภาพสมองมนุษย์ที่ติดอยู่ วิทย์ pract Perspect 3 4 – 16 10.1151 / spp07324 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Frances AJ, Widiger T. (2012) การวินิจฉัยทางจิตเวช: บทเรียนจากอดีต DSM-IV และข้อควรระวังสำหรับอนาคต DSM-5 Annu รายได้ Clin จิตวิทยา 8 109 – 130 10.1146 / annurev-clinpsy-032511-143102 [PubMed] [ข้ามอ้างอิง]
Goldstein RZ, Tomasi D. , Rajaram S. , Cottone LA, Zhang L. , Maloney T. , และคณะ (2007) บทบาทของเยื่อหุ้มสมองข้างหน้าและเยื่อหุ้มสมองส่วนหน้า (orbitofrontal) ในการประมวลผลสัญญาณยาในการเสพติดโคเคน Neuroscience 144 1153 – 1159 10.1016 / j.neuroscience.2006.11.024 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Grant JE, Potenza MN, Weinstein A. , Gorelick DA (2010) ความรู้เบื้องต้นเกี่ยวกับพฤติกรรมการเสพติด am J. ยาเสพติดแอลกอฮอล์ไม่เหมาะสม 36 233 – 241 10.3109 / 00952990.2010.491884 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Griffiths M. (2005) ความสัมพันธ์ระหว่างการเล่นการพนันและการเล่นวิดีโอเกม: การตอบสนองต่อ Johansson และ Gotestam จิตวิทยา ตัวแทนจำหน่าย 96 644 – 646 10.2466 / pr0.96.3.644-646 [PubMed] [ข้ามอ้างอิง]
Guo W. , Liu F. , Zhang J. , Zhang Z. , Yu L. , Liu J. , และคณะ (2013) การแยกตัวของกิจกรรมระดับภูมิภาคในเครือข่ายโหมดเริ่มต้นในครั้งแรกโรคซึมเศร้าไร้เดียงสาครั้งใหญ่ที่หยุดพักยา J. Affect Disord 151 1097 – 1101 10.1016 / j.jad.2013.09.003 [PubMed] [ข้ามอ้างอิง]
Han DH, Bolo N. , Daniels MA, Arenella L. , Lyoo IK, Renshaw PF (2011a) กิจกรรมสมองและความต้องการในการเล่นวิดีโอเกมบนอินเทอร์เน็ต compr จิตเวช 52 88 – 95 10.1016 / j.comppsych.2010.04.004 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Han Y. , Wang J. , Zhao Z. , Min Min, Lu J. , Li K. , et al. (2011b) การเปลี่ยนแปลงที่ขึ้นกับความถี่ในแอมพลิจูดของความผันผวนของความถี่ต่ำในการลดลงของความบกพร่องทางสติปัญญาอ่อน: การศึกษา fMRI ที่พักพิง Neuroimage 55 287 – 295 10.1016 / j.neuroimage.2010.11.059 [PubMed] [ข้ามอ้างอิง]
Han DH, Lyoo IK, Renshaw PF (2012) ปริมาณสสารสีเทาในภูมิภาคที่แตกต่างกันในผู้ป่วยที่ติดเกมออนไลน์และนักเล่นเกมมืออาชีพ J. จิตแพทย์ Res 46 507 – 515 10.1016 / j.jpsychires.2012.01.004 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Hong S.-B. , Kim J.-W. , Choi E.-J. , Kim H.-H. , Suh J.-E. , Kim C.-D. , และคณะ (2013) ความหนาของเยื่อหุ้มสมองลดลง orbitofrontal ในวัยรุ่นชายที่ติดอินเทอร์เน็ต Behav สมองสั่นไหว 9 1–5. 10.1186/1744-9081-9-11 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Ito M. (2006) วงจรสมองน้อยเป็นเครื่องจักรประสาท progr Neurobiol 78 272 – 303 10.1016 / j.pneurobio.2006.02.006 [PubMed] [ข้ามอ้างอิง]
Jiang G.-H. , Qiu Y.-W. , Zhang X.-L. , Han L.-J. , Lv X.-F. , Li L.-M. , et al. (2011) ความผิดปกติของความถี่ต่ำสั่นกว้างในผู้ใช้เฮโรอีน: การศึกษา fMRI รัฐพัก Neuroimage 57 149 – 154 10.1016 / j.neuroimage.2011.04.004 [PubMed] [ข้ามอ้างอิง]
Knyazev GG (2007) แรงจูงใจอารมณ์และการควบคุมการยับยั้งของพวกเขาสะท้อนในการสั่นของสมอง Neurosci Biobehav รายได้ 31 377 – 395 10.1016 / j.neubiorev.2006.10.004 [PubMed] [ข้ามอ้างอิง]
Ko C. (2014) ความผิดปกติในการเล่นเกมอินเทอร์เน็ต ฟี้ addic ตัวแทนจำหน่าย 1 177 – 185
Kuss DJ, Griffiths MD (2012) การติดอินเทอร์เน็ตและการเล่นเกม: การทบทวนวรรณกรรมอย่างเป็นระบบเกี่ยวกับการศึกษา neuroimaging สมองวิทย์ 2 347 – 374 10.3390 / brainsci2030347 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Lecrubier Y. , Sheehan DV, Weiller E. , Amorim P. , Bonora I. , Harnett Sheehan K. , et al. (1997) การสัมภาษณ์ neuropsychiatric นานาชาติขนาดเล็ก (MINI) บทสัมภาษณ์สั้น ๆ ที่มีโครงสร้างการวินิจฉัย: ความน่าเชื่อถือและความถูกต้องตาม CIDI Eur จิตเวช 12 224 – 231
Liu J. , Gao XP, Osunde I. , Li X. , Zhou SK, Zheng HR, และคณะ (2010) ความสม่ำเสมอของภูมิภาคที่เพิ่มขึ้นในความผิดปกติของการเสพติดอินเทอร์เน็ตการศึกษาเกี่ยวกับการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (2009) คาง. Med J. (ภาษาอังกฤษ) 123 1904 – 1908 [PubMed]
Moulton EA, Elman I. , Becerra LR, Goldstein RZ, Borsook D. (2013) สมองและติดยา: ข้อมูลเชิงลึกที่ได้รับจากการวิจัย neuroimaging ผู้เสพติด Biol 19 317 – 331 10.1111 / adb.12101 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Paus T. (2001) เจ้าคณะด้านหน้าเยื่อหุ้มสมอง cingulate: ที่ควบคุมมอเตอร์ไดรฟ์และอินเตอร์เฟซความรู้ความเข้าใจ ชัยนาท รายได้ Neurosci 2 417 – 424 10.1038 / 35077500 [PubMed] [ข้ามอ้างอิง]
Penttonen M. , Buzsáki G. (2003) ความสัมพันธ์แบบลอการิทึมธรรมชาติระหว่างออสซิลเลเตอร์สมอง ฐานราก Syst 2 145 – 152 10.1017 / S1472928803000074 [ข้ามอ้างอิง]
Petry NM, O'Brien CP (2013) ความผิดปกติในการเล่นเกมทางอินเทอร์เน็ตและ DSM-5 ติดยาเสพติด 108 1186 – 1187 10.1111 / add.12162 [PubMed] [ข้ามอ้างอิง]
Petry NM, Rehbein F. , Gentile DA, Lemmens JS, Rumpf H.-J. , Mößle T. , และคณะ (2014) ฉันทามติระดับนานาชาติสำหรับการประเมินความผิดปกติของเกมอินเทอร์เน็ตโดยใช้วิธี DSM-5 ใหม่ ติดยาเสพติด 109 1399 – 1406 10.1111 / add.12457 [PubMed] [ข้ามอ้างอิง]
Raymond JL, Lisberger SG, Mauk MD (1996) สมองน้อย: เครื่องมือเรียนรู้เซลล์ประสาท? วิทยาศาสตร์ 272 1126 – 1131 10.1126 / วิทยาศาสตร์ 272.5265.1126 [PubMed] [ข้ามอ้างอิง]
Stoodley CJ, Valera EM, Schmahmann JD (2012) การทำแผนที่ภูมิประเทศของซีเบลลัมั่มสำหรับงานมอเตอร์และการเรียนรู้: การศึกษา fMRI Neuroimage 59 1560 – 1570 10.1016 / j.neuroimage.2011.08.065 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Tao R. , Huang X. , วังเจ (2008) เกณฑ์ที่นำเสนอสำหรับการวินิจฉัยทางคลินิกของการติดอินเทอร์เน็ต Med เจชิน ประชาชน Liberat กองทัพบก 33 1188 – 1191
Tao R. , Huang X. , Wang J. , Zhang H. , Zhang Y. , Li M. (2010) เกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ต ติดยาเสพติด 105 556 – 564 10.1111 / j.1360-0443.2009.02828.x [PubMed] [ข้ามอ้างอิง]
Van Rooij AJ, Schoenmakers TM, Vermulst AA, Van den Eijnden RJJM, Van de Mheen D. (2011) การเสพติดวิดีโอเกมออนไลน์: การระบุตัวตนของนักเล่นเกมวัยรุ่นที่ติดยาเสพติด ติดยาเสพติด 106 205 – 212 10.1111 / j.1360-0443.2010.03104.x [PubMed] [ข้ามอ้างอิง]
Weinstein A. , Lejoyeux M. (2015) การพัฒนาใหม่เกี่ยวกับกลไก neurobiological และ pharmaco-พันธุพื้นฐานอินเทอร์เน็ตและการติดยาเสพติดวิดีโอ am เจติดยาเสพติด 24 117 – 125 10.1111 / ajad.12110 [PubMed] [ข้ามอ้างอิง]
Weng C.-B. , Qian R.-B. , Fu X.-M. , Lin B. , Han X.-P. , Niu C.-S. , et al. (2013) ความผิดปกติของสสารสีเทาและสีขาวในการติดเกมออนไลน์ Eur J. Radiol 82 1308 – 1312 10.1016 / j.ejrad.2013.01.031 [PubMed] [ข้ามอ้างอิง]
Xu S.-H. (2013) ผู้ติดอินเทอร์เน็ต แรงกระตุ้นพฤติกรรม: หลักฐานจากงานการพนันไอโอว่า: แรงกระตุ้นพฤติกรรมผู้ติดยาเสพติดอินเทอร์เน็ต: หลักฐานจากงานการพนันไอโอว่า Acta Psychol Sinica 44 1523 – 1534
Yan C. , Zang Y. (2010) DPARSF: กล่องเครื่องมือ matlab สำหรับการวิเคราะห์ข้อมูล "ขั้นตอน" ของการพักสถานะ fMRI ด้านหน้า Syst Neurosci 14: 13 10.3389 / fnsys.2010.00013 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Young KS (1998) การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ ไซเบอร์ Psychol Behav 1 237–244. 10.1007/s10899-011-9287-4 [ข้ามอ้างอิง]
Yu R. , Chien Y.-L. , Wang H. -LS, Liu C.-M. , Liu C.-C. , Hwang T.-J. , et al. (2014) การสลับเฉพาะความถี่ในแอมพลิจูดของความผันผวนของความถี่ต่ำในโรคจิตเภท ครวญเพลง Mapp สมอง 35 627 – 637 10.1002 / hbm.22203 [PubMed] [ข้ามอ้างอิง]
Yuan K. , Jin C. , Cheng P. , Yang X. , Dong T. , Bi Y. , et al. (2013) ความผิดปกติของความถี่ต่ำที่ผันผวนในวัยรุ่นที่ติดเกมออนไลน์ PLoS ONE 8: e78708 10.1371 / journal.pone.0078708 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Yuan K. , Qin W. , Wang G. , Zeng F. , Zhao L. , Yang X. และคณะ (2011) ความผิดปกติของโครงสร้างจุลภาคในวัยรุ่นที่เป็นโรคติดอินเทอร์เน็ต PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Zang Y.-F. , Y Y. , Zhu C.-Z. , Cao Q.-J. , Sui M.-Q. , Liang M. , และคณะ (2007a) การเปลี่ยนแปลงการทำงานของสมองขั้นพื้นฐานในเด็กที่มีภาวะซนสมาธิสั้นเปิดเผยโดยการทำงานของ MRI ในสภาวะพักผ่อน สมอง Dev 29 83 – 91 10.1016 / j.braindev.2006.07.002 [PubMed] [ข้ามอ้างอิง]
Zang Y.-F. , Yong H. , Chao-Zhe Z. , Qing-Jiu C. , Man-Qiu S. , Meng L. , et al. (2007b) การเปลี่ยนแปลงการทำงานของสมองขั้นพื้นฐานในเด็กที่มีภาวะซนสมาธิสั้นเปิดเผยโดยการทำงานของ MRI ในสภาวะพักผ่อน สมอง Dev 29 83 – 91 10.1016 / j.braindev.2006.07.002 [PubMed] [ข้ามอ้างอิง]
Zou Q.-H. , Zhu C.-Z. , Yang Y. , Zuo X.-N. , Long X.-Y. , Cao Q.-J. , et al. (2008) วิธีการที่ได้รับการปรับปรุงเพื่อตรวจจับแอมพลิจูดของความผันผวนของความถี่ต่ำ (ALFF) สำหรับการพักผ่อนสถานะ fMRI: ALV ที่เป็นเศษส่วน J. Neurosci วิธีการ 172 137 – 141 10.1016 / j.jneumeth.2008.04.012 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
Zuo X.-N. , Di Martino A. , Kelly C. , Shehzad ZE, Gee DG, Klein DF, et al. (2010) สมองสั่น: ซับซ้อนและเชื่อถือได้ Neuroimage 49 1432 – 1445 10.1016 / j.neuroimage.2009.09.037 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]