客観的特性マインドフルネスの動的機能的接続マーカー

Dynamic functional connectivity markers of objective trait mindfulness
Lim, Julian and Teng, James and Patanaik, Amiya and Tandi, Jesisca and Massar, Stijn AA
NeuroImage, vol. 176, pp.193–202, 2018

マインドフルネスは,練習を通して洗練されるスキルとして一般的に見られるが,訓練されていない個人も,性質上のマインドフルネスにおいて幅広く変化する可能性がある.以前の研究では,この特性の静的な神経接続相関が確認されている.ここでは,自然状態変化と客観的に測定された特性マインドフルネスに関連する時間変化する接続パターンを研究するために,安静状態fMRIの動的機能接続性(DFC)分析を使用する.参加者は,高い特性マインドフルネス(HTM; N = 21)および低い特性マインドフルネス(LTM; N = 18)グループを形成するために,数息観タスクの実行者の上および下三分位から選択された.安静状態のfMRIデータのDFC分析は,HTMグループがネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードとの間のより大きな反相関することを特徴付けられたタスク準備に関連した脳状態となるには十分な時間を有することを明らかにした. HTMグループは脳の状態間の遷移頻度が高いが,タスクレディ状態の各エピソードにおける滞留時間は群間で同等であった.これらの結果は,警戒のために管理した後も維持された.個人間では,特定の接続性指標は,FFMQアンケートで測定された自己報告のマインドフルネスと弱く相関してたが,複数の比較の訂正に耐えられなかった.静的な接続性マップでは,HTMの個人はDMNとセイリエンスネットワークでより大きなネットワーク内の接続性を持ち,DMNとタスクポジティブなネットワークとの間には大きな反相関があった.要するに,DFCはHTMおよびLTM個体を強く区別し,性質的なマインドフルネスの測定に有用な生物学的マーカーとなり得る.

客観的な特性マインドフルネスの動的機能接続性マーカー

Dynamic functional connectivity markers of objective trait mindfulness
J. Lim, J. Teng, A. Patanaik, J. Tandi and S.A. Massar
NeuroImage, vol. 176, pp. 193-202, 2018.

マインドフルネスは,実践を通して培われるスキルであると一般的に考えられるが,訓練されていない個人も性質的なマインドフルネスにおいて大幅に変化する可能性がある.先行研究では,この特性の神経接続相関が確認された.本稿では,自然な状態変化と客観的に測定された特性マインドフルネスに関する時間変化する接続パターンを研究するために,Resting state fMRIの動的機能接続性(DFC)解析を使用する.被験者は高性能マインドフルネス群(21名)と低性能マインドフルネス群(18名)のグループを形成するために,Breath countingタスクの上位と下位の三分位置から選択された.Resting state fMRIのDFC解析は,高性能マインドフルネス群がタスク準備状態に関連する脳状態で有意に多くの時間を費やしたことを明らかにした.タスク準備状態とは,ネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードネットワークとの間により大きな反相関を特徴とする状態である.高性能マインドフルネス群は脳状態の遷移頻度が高いが,タスク準備状態の各サイクルにおける滞留時間は群間で同等であった.これらの結果は,PVTの後も維持された.個人間では,特定の接続性指標はFFMQによるマインドフルネスと弱い相関であったが,多重比較補正に耐えられなかった.静的な接続性マップでは,高性能マインドフルネス群の個人は,デフォルトモードネットワークとセイリエンスネットワークでより大きなネットワーク内の接続性を持ち,デフォルトモードネットワークとタスクポジティブネットワークとの間に大きな相関性があった.つまり,DFCは高性能マインドフルネス群および低性能マインドフルネス群を強く区別し,特性マインドフルネスのすく測定に有用な生物学的マーカーとなり得る.

客観的な特性マインドフルネスの動的機能的接続マーカー

Dynamic functional connectivity markers of objective trait mindfulness
Lim, Julian and Teng, James and Patanaik, Amiya and Tandi, Jesisca and Massar, Stijn AA
NeuroImage, vol. 176, pp. 193-202, 2018

マインドフルネスは,訓練を通して養われるスキルとして一般的にみなされているが,訓練されていない個人も,特性マインドフルネスにおいて幅広く変化する可能性がある.先行研究では,この特性の静的な神経コネクティビティにおける相関が確認されている.ここでは,自然に変化し,客観的に測定された特性マインドフルネスに関連する時系列変化のコネクティビティパターンを研究するために,Resting-state fMRI における動的機能的接続(DFC)分析を使用する.被験者を高性能マインドフルネス(HTM; N = 21)および低性能マインドフルネス(LTM; N = 18)のグループを形成するために,呼吸数測定タスクにおいて上および下三分位から被験者が選択された.Resting-state fMRI データのDFC 分析によると,HTM グループは長時間,タスク準備状態に関連した脳状態となっていた.すなわちその脳状態は,ネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードとの間の強い反相関を特徴としていた.HTM 群は脳の状態間の遷移頻度が高いが,タスク準備状態が現れたときの持続時間は群間で同等であった.これらの結果は,警戒のために管理した後も維持された.個人間では,FFMQ で測定されたように,ある種の接続性指標は自己報告されたマインドフルネス状態と弱く相関していたが,複数の比較補正によって消えた.静的な接続性マップでは,HTM の個人はDMN とSN でより大きなネットワーク内の接続性を持ち,DMN とTPN のとの間には大きな反相関があった.要するに,DFC はHTM およびLTM 個体を強く区別し,特性マインドフルネスの測定に有用な生物学的マーカーとなり得る.

動的機能接続のためのモデルの予測評価

Predictive assessment of models for dynamic functional connectivity
S. F.V. Nielsen, M. N. Schmidt, K. H. Madsen and M. Morup
NeuroImage 2017

神経イメージングでは,時間の経過とともに内因性の脳組織がどのように変化するかを特徴づける動的機能的接続性(dFC) のモデルが,従来の静的解析よりも脳機能のより詳細な表現を提供することが明らかになった.文献中の多くのdFC モデルは,機能的な脳ネットワークを,個々に分離した状態を持った準安定プロセスとして表現される.しかし,モデル選定を実行し,状態の数を知る方法や,異なるモデリング過程が推定された状態の動態にどのように影響をするのかを理解していないことについてコンセンサスが欠けている.これらの課題に取り組むために,モデル評価の予測尤度アプローチを検討する.モデルは,保有テストデータの予測パフォーマンスに基づいて評価される.dFC のいくつかの顕著なモデルを検討し,我々は合成データに関する我々の枠組みを実証し,EEG における顔認証システムやMRI における安静状態という2 つに適用する.我々の結果は,EEG とfMRI の両方が,動的なモデリング手法を静的なモデルよりも優れているという証拠を示していますが,ウィンドウの長さや放出モデルなどのパラメータ設定やモデリングの前提条件により,dFC を解釈する際,推定された状態に大きな影響を及ぼし,結果として脳動態の解釈に大きな影響を与える.

動的機能結合法のシミュレーションと比較

A simulation and comparison of dynamic functional connectivity methods
William Hedley Thompson, Craig Geoffrey Richter, Pontus Plaven-Sigray,Peter Fransson
bioRxiv, pp.212-241, 2017
20171114 katayama

“fMRIのような神経イメージングデータに基づいて,脳の動的機能的結合性(DFC)を定量化することに,現在,関心が持たれている.多くの方法が提案され,適用されており,脳の変動への新しい洞察を明らかにする.しかし,脳内のDFCの根底にある真実は明らかでないため,提案された推定精度に関して多くの懸念が残っている.多くのDFC方法が存在するので,研究間の動的脳接続の差異を評価することは困難である.ここでは,DFC(スライディングウィンドウ,テーパスライディングウィンドウ,時間微分,空間距離,ジャックナイフ相関)を推定するための広範な現在のアプローチをまとめた5つの異なる方法を評価する.特に,DFC分析の重要な特性である時間経過に伴う共分散の変化を追跡する各手法の能力に関心を持っていた.比較されたすべての方法は互いに正に相関していましたが,方法間の相関の強さには大きな違いがあった.将来のDFCメソッドとの比較を容易にするために,記述されたシミュレーションが方法の評価のためのベンチマークテストとして機能することを提案する.
この論文では,Pythonパッケージであるdfcbenchmarkerを紹介する.これは,研究者が独自のDFCメソッドを簡単に提出して比較し,パフォーマンスを評価できるようにするものである.”

スライディングウィンドウ相関は,安静状態のfMRI における動的機能的接続性を明らかにすることが可能か?

Can sliding-window correlations reveal dynamic
functional connectivity in resting-state fMRI?
Neuroimage, vol.127, pp.242-256, 2016
20170619_mnishizawa

ここ数年の間に,安静状態の機能的核磁気共鳴イメージング(fMRI) に関する研究の焦点は,スキャンセッショ ンの期間にわたって平均化された機能的な接続性の分析から,セッション内の機能的な接続の変化の分析にシフト した.いくつかの研究では動的機能的接続性(dFC) の存在が報告されているが,結果の統計的評価は必ずしも健 全な方法で行われるとは限らず,一部の研究では省略さえもある.この研究では,dFC を検出するために適切な統 計的テストが必要な理由を説明し,それらがどのように実行され,dFC 測定のパフォーマンスを評価するかにつ いて説明し,全身麻酔をされたマカクザルと安静状態のヒトにおける血中酸素濃度依存的シグナル(BOLD)fMRI 記録を用いた方法論を説明する.スライディングウィンドウ相関は,dFC の評価で最も広く使用されているので, 主にスライディングウィンドウの相関に焦点を当てるが,最近提案された非線形測定も考慮される.しかし,シ ミュレーションおよび方法論は一般的であり,任意の尺度に適用することが可能である.まず初めに,シュミレー ションを通して,典型的な10 分間の安静状態のセッションでは,スライディングウィンドウ相関を使用してdFCを検出することは不可能であることを,我々は示す.この予測は,マカクザルとヒトの両方のデータによって検証される.個々のレコーディングセッションのいずれも,DFC が見つかった証拠はない. 第2 に,検出パワーは,測定値のセッション平均または主体平均によって大幅に増加させることが可能である.そうすることで,機能的な接続のほとんどが実際には動的であることがわかった.この研究では,適切な統計的方法を使用することによって,DFC の評価における統計的な落とし穴とその回避方法を認識していきたいと考えている.

デフォルトのネットワークと背中の注意ネットワークとの間の相互作用は、デフォルトのサブシステム、時間、 および認知状態によって異なる

Interactions between the default network and dorsal attention network vary across default subsystems, time, and cognitive states
NeuroImage, vol.147,pp.632-649,2017
20170213_mnishizawa

デフォルトネットワーク(DN)と背部注意ネットワーク(DAN)との間の相関関係は,競合する機能を反映する機能的脳組織の本質的な側面であると考えられている.しかしながら,DNとDANとの間の機能的接続性(FC)の効果サイズはまだ確立されていない.さらに,異なるDNサブシステム,異なるコンテキスト,および時間にわたる相関関係の安定性は,未だに未知のままである.研究1では,20の研究からのDN-DAN FCの効果サイズを要約し,研究2では,新しいデータセットにおける6つの異なる認知状態にわたるDN-DAN相互作用の変動性を調べる. (i) DNおよびDANは、グローバルな信号回帰を使用しない場合 (研究全体にわたるメジアン効果の大きさ:r = – 06; 95%CI:-.13から.08),相互相関関係ではなくむしろ相関しない関係を有する. (ii)DANは、DNコアサブシステムで弱い負のFCを示すが,背中前の前頭前野および内頭頂葉サブシステムと無相関である. (iii)DN-DAN相互作用は、異なる認知状態にわたって著しく変化する; (iv)DN-DAN FCは、反相関の期間と正の相関の期間との間で時間的に変動する. (v) DN-DANカップリングの強さの経時変化は、前頭前頭制御ネットワーク (FPCN)を含む相互作用と調和する.全体として、DN-DANの反相関に関連する観察された弱い効果の大きさは,これらのネットワーク間の相互作用の性質を再概念化する必要性を示唆している.さらに,我々の発見は,DN-DAN相互作用が安定ではなく,むしろ時間および文脈に沿って実質的な変動性を示し,FPCNを含むより広範なネットワークダイナミックスと調整されることを示している.

Default network, Dorsal attention network, Anticorrelation, Frontoparietal control network, Attention,Dynamic functional connectivity