11 CE Credits (Credit nur für die gesamte Ausgabe verfügbar). SONDERAUSGABE: Human Brain Connectivity in the Modern Era. JINS 22:2 (2016)

apa-logo_white_screenDie International Neuropsychological Society ist von der American Psychological Association als Sponsor für die Weiterbildung von Psychologen zugelassen. Die Internationale Neuropsychologische Gesellschaft behält die Verantwortung für dieses Programm und seinen Inhalt.
Bildungsziele
  1. Die primären Methoden zu identifizieren und zu verstehen, mit denen man die strukturelle und/oder funktionelle Gehirnkonnektivität des Menschen untersuchen kann.
  2. Die primären Vorteile und Herausforderungen identifizieren und verstehen, die mit den verschiedenen Methoden verbunden sind, die zur Bewertung der menschlichen strukturellen und funktionellen Gehirnkonnektivität verwendet werden.
  3. Zusammenhänge zwischen normativen Variationen in struktureller und/oder funktionaler Konnektivität und Verhalten verstehen.
  4. Um die Populationen, Gehirnsysteme und Verhaltensweisen zu identifizieren, die mit Veränderungen in der funktionellen und strukturellen Konnektivität verbunden sind.
  5. Beschreibung der Spezifität von Assoziationen über klinische Domänen hinweg und der potenziellen Mechanismen, durch die funktionelle und/oder strukturelle Konnektivität das Verhalten beeinflusst.
  6. Beschreibung von Ähnlichkeiten und Unterschieden bei strukturellen und funktionellen Konnektivitätsanomalien in klinischen Populationen.

Kurs Information
Zielgruppe:Mittel
Verfügbarkeit:Verfügbares Datum: 2016
Sie können CE für dieses JINS-Paket jederzeit erwerben.
Angeboten für CEJa
KostenMitglieder $ 110
Nichtmitglieder $165
RückgabebestimmungenDieses JINS-Paket ist nicht erstattungsfähig
CE-Gutschriften11

Mitorganisatoren
Deanna M. Barch, Mieke Verfaellie und Stephen M. Rao

Einleitung

Im vergangenen Jahr (2015) wurde der 50. Jahrestag der bahnbrechenden Arbeiten von Norman Geschwind begangen Gehirn zu „Diskonnexionssyndrom bei Tier und Mensch“ (Geschwind, 1965a, 1965b). In den letzten 50 Jahren wurden enorme Fortschritte bei den verfügbaren Tools und Technologien erzielt in vivo Bewertung sowohl der strukturellen als auch der funktionellen Konnektivität im menschlichen Gehirn, einschließlich Diffusionsbildgebung zur Untersuchung der strukturellen Gehirnkonnektivität, und funktionelle Magnetresonanztomographie (fMRI), Elektroenzephalogramm (EEG) und Magnetenzephalogramm (MEG)-Ansätze zum Verständnis der funktionellen Gehirnkonnektivität. Dies hat zu einem dramatischen Anstieg unseres Verständnisses der Kernprinzipien der Konnektivität des menschlichen Gehirns und ihrer Beziehung zu kognitiven, emotionalen, motorischen und sensorischen Funktionen in der Gesundheit und in jüngerer Zeit in klinischen Populationen geführt.

Dieses verbesserte Verständnis der Beziehungen zwischen Gehirn und Verhalten, das durch die Verfügbarkeit neuartiger bildgebender Verfahren erleichtert wird, spiegelt einen grundlegenden konzeptionellen Wandel wider. Die Grundlagen- und translationale Forschung, die die aufgabenbezogene Gehirnaktivierung untersucht, war bemerkenswert informativ im Hinblick auf unser Verständnis der neuronalen Substrate bestimmter kognitiver und affektiver Prozesse und wie diese unter Bedingungen, die mit einer beeinträchtigten Gehirnfunktion verbunden sind, schief gehen können. Im Laufe der Zeit ist jedoch klar geworden, dass selten ein bestimmter kognitiver oder affektiver Prozess nur eine einzelne Gehirnregion erfordert und selten eine bestimmte Form der kognitiven oder Verhaltensstörung mit der Störung nur einer einzigen Gehirnregion verbunden ist.

Darüber hinaus hat die neurowissenschaftliche Grundlagenforschung seit langem klargestellt, dass die Aktivität in jeder einzelnen Gehirnregion (oder jedem einzelnen Neuron!) das Ergebnis von Inputs von und Outputs zu verschiedenen Bereichen des Gehirns ist. Solche Erkenntnisse haben zu einer Verlagerung des Fokus auf neuronale Schaltkreise statt auf bestimmte Gehirnregionen geführt. Genauer gesagt ging es bei dieser Verschiebung um Fragen über die Beziehung zwischen und zwischen verschiedenen Gehirnregionen bei der Herstellung erfolgreicher kognitiver und affektiver Funktionen bei Gesundheit und die Art und Weise, wie Anomalien auf der Ebene von Schaltkreisen zur Entwicklung und Aufrechterhaltung spezifischer neuropsychologischer Beeinträchtigungen beitragen. Die zunehmende Arbeit über die Rolle von Gehirnoszillationen bei der Koordination von Aktivitäten innerhalb und zwischen neutralen Netzwerken (Canavier, 2015; Ketz, Jensen & O’Reilly, 2015; Pittman-Polletta, Kocsis, Vijayan, Whittington und Kopell, 2015; Uhlhaas & Sänger, 2015) steht im Einklang mit solchen Hypothesen, die neuropsychologische Beeinträchtigungen eher auf der Schaltkreisebene der Funktion als in bestimmten individuellen Gehirnregionen lokalisieren.

Diese Sonderausgabe zielt darauf ab, diesen konzeptionellen Wandel hervorzuheben und hat drei spezifische Ziele. Der erste besteht darin, einen kurzen Überblick über die aktuellen methodologischen und analytischen Werkzeuge zu geben, die zum Verständnis sowohl der normativen als auch der dysfunktionalen Konnektivität des menschlichen Gehirns zur Verfügung stehen. Wie in dem Artikel von Lowe und Kollegen und in gewissem Umfang in dem Artikel von Hayes und Kollegen beschrieben, haben wir große Fortschritte in unserer Fähigkeit gesehen, Verbindungen der weißen Substanz im menschlichen Gehirn abzubilden, einschließlich modernster Techniken, die jetzt ermöglichen es Forschern, den Weg der Verbindungen der weißen Substanz durch Bereiche zu verfolgen, in denen viele verschiedene Faserbahnen zusammenlaufen, wodurch unsere Fähigkeit, die strukturellen Grundlagen sowohl der Kurz- als auch der Fernkommunikation innerhalb von Gehirnschaltkreisen zu verstehen, dramatisch verbessert wird.

Darüber hinaus sind, wie auch in dem Artikel von Lowe und Kollegen beschrieben, in den letzten 30 Jahren auch Methoden zur Untersuchung der funktionellen Gehirnkonnektivität oder der Kovarianz der spontanen Gehirnaktivität über Gehirnregionen hinweg aufgetaucht. Ursprünglich wurde das Konzept der funktionalen Konnektivität auf simultane Aufzeichnungen neuronaler Spike-Trains angewendet (Gerstein & Perkel, 1969; Gerstein, Perkel & Subramanian, 1978; Perkel, Gerstein & Moore, 1967), von denen angenommen wird, dass sie zur funktionellen Konnektivität beitragen, die beim Menschen mit nicht-invasiven Neuroimaging-Methoden beobachtet wird. Eine Hauptschlussfolgerung der funktionellen Konnektivität ist, dass, wenn zwei Regionen eine stark korrelierte neuronale Aktivität aufweisen (dh eine hohe funktionelle Konnektivität aufweisen), sie eher an einem gemeinsamen Satz von Verarbeitungsmechanismen beteiligt sind. Als solches stellt die funktionelle Konnektivität ein Werkzeug dar, um zu verstehen, welche Gehirnregionen möglicherweise kommunizieren, während sie sich an bestimmten kognitiven oder affektiven Prozessen beteiligen, und daher, welche Gehirnschaltkreise die Leistung und Fähigkeit in verschiedenen Bereichen der Kognition, Emotion und/oder sozialen Verarbeitung unterstützen.

Ein großer Durchbruch in der Entwicklung und Anwendung funktioneller Konnektivitätsmethoden beim Menschen gelang 1995, als Biswal und Kollegen berichteten, dass die spontane Aktivität von Regionen im rechten und linken Motorkortex hochgradig korreliert war, selbst wenn eine Person ruhte (Biswal, Yetkin, Haughton , & Hyde, 1995). Interessanterweise wurde diese korrelierte Aktivität in den spontanen niederfrequenten Schwankungen des BOLD-Signals (0.01–0.10 Hz) beobachtet, einem Frequenzband, das in aufgabenbasierten Studien oft als Rauschen verworfen wurde, obwohl solche Korrelationen an anderen Stellen zu sehen sind Frequenzen auch. Diese Arbeit trieb ein großes Feld der Erforschung dessen an, was heute als funktionelle Konnektivität im Ruhezustand bezeichnet wird. Wichtig ist, dass angenommen wird, dass diese Aktivität des Gehirns im Ruhezustand einen Großteil der Körperenergie verbraucht (~20%), obwohl das Gehirn nur 2% der Gesamtmasse des Körpers ausmacht (Fox & Raichle, 2007).

Darüber hinaus betragen die Veränderungen im Stoffwechsel aufgrund der Beschäftigung mit einer bestimmten Aufgabe typischerweise weniger als 5 %. Daher kann die fortlaufende Aktivität im Ruhezustand eine reiche Quelle pathologiebezogener Variabilität über die im Kontext der Aufgabenausführung beobachteten Veränderungen hinaus bieten (Fox & Raichle, 2007). Darüber hinaus gibt es auch belastbare Arbeiten, die zeigen, dass ein großer Teil der Variabilität der aufgabenbezogenen Aktivität von Versuch zu Versuch kohärente und organisierte spontane Schwankungen der Gehirnaktivität widerspiegelt (Fox, Snyder, Zacks & Raichle, 2006), was einen weiteren Beweis dafür liefert, dass dies eine bedeutende Quelle für Schwankungen in der menschlichen Gehirnfunktion ist.

Einer der Schlüsselaspekte der funktionellen Konnektivität im Ruhezustand, der das Interesse an diesem Aspekt der Gehirnfunktion geweckt hat, ist die Erkenntnis, dass sie intrinsisch organisierte Netzwerke von Gehirnregionen offenbart, die konsistent funktionell verbunden sind, selbst wenn keine aufgabeninduzierten Störungen im laufenden Gehirn auftreten Aktivität (Fox et al., 2005). Dies wurde durch zahlreiche „Netzwerk“-Kartierungsstudien unterstützt, die konsistente, robuste und reproduzierbare Netzwerke von Gehirnregionen identifiziert haben, die eine koordinierte Aktivität im Ruhezustand zeigen (Buckner, Krienen, Castellanos, Diaz & Yeo, 2011; Choi, Yeo & Buckner, 2012; Craddock, James, Holtzheimer, Hu, & Mayberg, 2012; Gordonet al., 2016; Laird et al., 2011; Poweret al., 2011; Smith et al., 2012; Wiget al., 2014; Yeo et al., 2011). Dazu gehören das Default-Mode-Netzwerk, das frontal-parietale Netzwerk, das cingulo-operkuläre Netzwerk und das dorsale Aufmerksamkeitsnetzwerk, um nur einige zu nennen.

Wichtig ist, dass viele dieser Netzwerke eng oder zumindest teilweise Netzwerken zugeordnet sind, die in aufgabenbasierten Studien identifiziert wurden, wodurch die funktionale Bedeutung dieser koordinierten Aktivität validiert wird (Laird et al., 2011). Solche funktionalen Konnektivitätsnetzwerke haben ihre Grundlage zum Teil in struktureller Konnektivität (Betzel et al., 2014; Hermundstadet al., 2013; Horn & Blankenburg, 2015; Horn, Ostwald, Reisert & Blankenburg, 2014; Messe, Rudrauf, Giron & Marrelec, 2015; Miranda-Dominguez et al., 2014), sind aber nicht isomorph mit Regionen, die eine direkte strukturelle Konnektivität aufweisen. Daher hat die Zuordnung von Resting-State-Netzwerken zu bekannten Task-Netzwerken zu der Hypothese geführt, dass Resting-State-Netzwerke teilweise organisierte Interaktionen widerspiegeln, die aus einer Geschichte der Koaktivierung über die Entwicklung hervorgehen (Power et al., 2011). Solche Netzwerke werden heute häufig als „intrinsische“ Konnektivitätsnetzwerke bezeichnet, da sie zur Identifizierung nicht von der Ausführung einer bestimmten Aufgabe abhängig sind, sogar im Ruhezustand vorhanden sind und über Aufgaben- und Umgebungszustände hinweg relativ konsistent sind. Viele der Artikel in dieser Sonderausgabe konzentrieren sich auf diese Netzwerke, um die Ursache der Pathologie bei verschiedenen Formen von Hirnfunktionsstörungen zu verstehen.

Ein zweites Ziel dieser Sonderausgabe ist es, integrative und zusammenfassende Zusammenfassungen des aktuellen Stands unseres aktuellen Verständnisses von Beeinträchtigungen der Gehirnkonnektivität im Zusammenhang mit neurologischen und neuropsychiatrischen Erkrankungen bereitzustellen. Als solches gibt der Artikel von Hayes und Kollegen einen Überblick über den aktuellen Stand der Literatur zum Verständnis der traumatischen Hirnverletzung (TBI) als Störung der Gehirnkonnektivität. Ein Großteil der Arbeit zu TBI konzentriert sich seit langem auf die Beeinträchtigungen der weißen Substanz, die als Folge der verschiedenen Traumata auftreten können, die zu TBI führen können, mit der Erkenntnis, dass Schäden an Verbindungen der weißen Substanz auftreten können, selbst wenn keine fokalen Läsionen gefunden werden . Der Artikel von Hayes et al. liefert Beweise dafür, dass TBI tatsächlich mit Schäden an der weißen Substanz verbunden ist. Das Corpus Callosum scheint besonders anfällig für die Kräfte zu sein, die zu TBI führen, aber die vorhandenen Beweise deuten darauf hin, dass die mit TBI verbundenen Schäden ziemlich diffus und in vielen verschiedenen Bereichen vorhanden sein können, möglicherweise abhängig von der Art und Schwere des kausalen Traumas. Diese Schädigung der weißen Substanz hält sogar in chronischen Phasen des SHT an und wurde mit kognitiven und funktionellen Beeinträchtigungen in Verbindung gebracht. Darüber hinaus ist TBI auch mit Veränderungen in der funktionellen Konnektivität verbunden, wobei mehrere Studien die gestörte Konnektivität des Standardmodusnetzwerks und ihren Beitrag zu Post-Gehirnerschütterungssymptomen und Beeinträchtigungen des Aufmerksamkeitsfokus hervorheben.

Der Übersichtsartikel von Teipel und Kollegen hebt die potenziell wichtige Rolle sowohl der strukturellen als auch der funktionellen Konnektivität bei der Entwicklung der Alzheimer-Krankheit (AD) hervor. Wie in diesem Übersichtsartikel beschrieben, gibt es inzwischen zahlreiche Querschnitts- und Längsschnittstudien, die für AD relevant sind und Beeinträchtigungen der weißen Substanz dokumentieren, einschließlich Anomalien in limbischen Bahnen wie dem Fornix, dem Fasciculus uncinatus und den posterioren und parahippocampalen Fasern des Cingulums. Darüber hinaus gibt es zunehmend Hinweise auf Anomalien bei der Konnektivität im Ruhezustand, wobei mehrere Studien Anomalien des Netzwerks im Standardmodus zeigen. Anomalien in der Konnektivität wurden auch unter Verwendung von Kohärenzmessungen im EEG dokumentiert. Wichtig ist, dass es zunehmend Hinweise auf Verbindungen zwischen strukturellen und funktionellen Konnektivitätsstörungen im Standardmodus-Netzwerk bei AD gibt. Wie von Teipel et al. festgestellt, helfen uns diese Ergebnisse, die potenziellen ätiologischen Mechanismen der AD-relevanten Pathologie sowie die Längsentwicklung der Krankheit zu verstehen. Es ist jedoch noch mehr Arbeit erforderlich, damit solche Erkenntnisse eine direkte klinische Anwendung finden. Am anderen Ende der Lebensspanne argumentieren Koyama und Kollegen auch für die Bedeutung der Konnektivität für das Verständnis des Entwicklungsverlaufs von Kindern, die möglicherweise einem Risiko für die Entwicklung einer Reihe von Störungen ausgesetzt sind, die sich auf die Gehirnfunktion auswirken.

Das dritte Ziel dieser Sonderausgabe ist es, aktuelle empirische Erkenntnisse über die Art und Rolle von Konnektivitätsstörungen beim Verständnis von Variationen in der kognitiven und emotionalen Funktion sowie in einer Reihe von klinischen Populationen vorzustellen. Zu diesem Zweck enthält das Sonderheft mehrere neue empirische Erkenntnisse darüber, wie entweder strukturelle oder funktionelle Konnektivität zu kognitiven und affektiven Funktionen sowohl bei Gesundheit als auch bei Krankheit beiträgt. Mehrere Artikel liefern Daten über die Beziehungen zwischen Verhalten und Gehirnkonnektivität bei gesunden Personen und liefern Beweise für die funktionelle Bedeutung individueller Variationen in der Gehirnkonnektivität. Beispielsweise zeigen Unger und Kollegen, dass individuelle Unterschiede in der Integrität des unteren Längsfaszikulus (ILF) und des unteren Fronto-Okzipitalfaszikulus (IFOF) die Emotionserkennungsleistung sowie das Gedächtnis für emotionale Gesichter vorhersagen. Ly und Kollegen liefern Beweise für eine Beziehung zwischen der Mikrostruktur des Fornix und sowohl der aufgabenbezogenen Konnektivität als auch der Leistung während der episodischen Erkennung bei gesundem Altern und liefern ein interessantes Modell potenzieller Wege zu individuellen Unterschieden im Gedächtnis.

Die anderen empirischen Arbeiten in dieser Sonderausgabe zeigen, wie Anomalien in der strukturellen und/oder funktionellen Konnektivität zu Verhaltens- und affektiven Beeinträchtigungen bei verschiedenen Formen von Hirnpathologien beitragen können. Zum Beispiel liefern Putcha und Kollegen faszinierende Beweise dafür, dass eine veränderte Kopplung der Salienz- und Standardmodusnetzwerke mit der kognitiven Funktion sowohl bei gesunden Personen als auch bei Personen mit Parkinson-Krankheit zusammenhängt. Die Salienz- und Standardmodus-Netzwerke sind typischerweise „antikorreliert“, und es wird angenommen, dass die Fähigkeit, die Aktivität des Standardmodus-Netzwerks während kognitiver Aufgaben herunterzuregulieren, für eine effektive Leistung wichtig ist. Der Befund von Putcha et al. dass ein Mangel an Antikorrelation mit einer beeinträchtigten Funktion in den Bereichen Exekutive, Gedächtnis und psychomotorische Geschwindigkeit verbunden war, stimmt mit dieser Hypothese überein.

In diesem Zusammenhang liefern Dobryakova und Kollegen Beweise dafür, dass eine veränderte Konnektivität zwischen frontal-parietalen Regionen eine beeinträchtigte Verarbeitungsgeschwindigkeit bei Multipler Sklerose vorhersagt. Rao und Kollegen untersuchten die Konnektivität des Hippocampus sowohl mit fronto-temporalen als auch mit fronto-parietalen Regionen bei Personen mit remittierter Major Depression im Vergleich zu Kontrollpersonen während semantisch bedingter episodischer Gedächtnisleistung. Sie fanden Hinweise auf eine beeinträchtigte Gedächtnisleistung und eine veränderte Hippocampus-Konnektivität bei den zuvor depressiven Personen, zusammen mit Hinweisen auf gestörte Beziehungen zwischen Hippocampus-Konnektivität und Gedächtnis.

Schließlich bringen drei Artikel einen graphentheoretischen Ansatz zum Tragen, um zu verstehen, wie Veränderungen in neuronalen Netzwerken zur Entwicklung von Hirnpathologien und damit verbundenen Beeinträchtigungen der kognitiven Funktion beitragen. Die Graphentheorie ist ein Zweig der Mathematik, der Algorithmen zur Bestimmung von Metriken bereitstellt, die Netzwerke sowohl auf globaler als auch auf lokaler Funktionsebene charakterisieren. Ein großer Vorteil der Graphentheorie ist ihre Flexibilität; Algorithmen können auf funktionelle Konnektivitätsdaten, strukturelle Konnektivitätsdaten sowie auf Daten angewendet werden, die mit MEG, EEG oder fMRI erhalten wurden, was eine Konvergenz von Befunden über verschiedene Modalitäten hinweg ermöglicht.

Darüber hinaus ermöglicht die Netzwerkwissenschaft die Charakterisierung dynamischer Prozesse durch einzelne Metriken, die wohl aussagekräftigere und sparsamere Beschreibungen heterogener Daten liefern als die zuvor diskutierten Ansätze. Obwohl viel Arbeit erforderlich ist, um die Verwendung der Graphentheorie zur Interpretation von Gehirnkonnektivitätsdaten weiter zu validieren, stellt die Netzwerkwissenschaft ein aufregendes neues Forschungsgebiet dar, das zunehmend Zusammenhänge zwischen Netzwerkmetriken und Verhalten sowie Anomalien in Netzwerkmetriken bei Personen mit Psychiatrie aufzeigt und neurologische Störungen.

Yeo und Kollegen nutzen die Kraft eines graphentheoretischen Ansatzes, um zu zeigen, dass die strukturellen Gehirnnetzwerke von Personen mit Schizophrenie durch längere charakteristische Pfadlängen (was auf eine längere Transitzeit für Informationen hindeutet) und eine reduzierte Gesamtkonnektivität gekennzeichnet sind. Diese Metriken der Graphentheorie sagten die allgemeine kognitive Fähigkeit bei gesunden Personen sowie bei Personen mit Schizophrenie voraus, und die allgemeine Konnektivitätsreduktion vermittelte die Beziehung zwischen der Diagnose und der allgemeinen kognitiven Fähigkeit.

Darüber hinaus haben Yeo et al. fanden heraus, dass ein genetisches Maß, das die Mutationslast widerspiegelt, sowohl eine längere charakteristische Pfadlänge als auch die globale kognitive Fähigkeit vorhersagte. Sedeno und Kollegen verfolgten auch einen graphentheoretischen Ansatz, um die Mechanismen zu verstehen, die zu kognitiven und sozialen Beeinträchtigungen bei frontotemporaler Demenz beitragen könnten. Unter Verwendung der funktionellen Konnektivität im Ruhezustand zeigten sie eine verringerte Netzwerkzentralität, ein Maß für die Bedeutung der Rolle eines Knotens oder einer Gehirnregion in einem Netzwerk im fronto-temporal-insularen Netzwerk. Darüber hinaus war diese Netzwerkzentralität mit sozialer Kognition und exekutiven Funktionen bei Personen mit frontotemporaler Demenz und gesunden Personen verbunden. Schließlich untersuchten Han und Kollegen Netzwerke, die mit zielgerichtetem Verhalten bei Personen mit chronischem SHT assoziiert sind. Sie beobachteten eine deutlich gestörte langreichweitige interhemisphärische und netzwerkübergreifende Konnektivität zwischen dem Default-Mode-Netzwerk, dem dorsalen Aufmerksamkeitsnetzwerk und dem frontoparietalen Kontrollnetzwerk, was zu einer verringerten globalen und lokalen Effizienz führte.

Zusammenfassend glauben wir, dass die in dieser Sonderausgabe vorgestellten Artikel einen wichtigen Einstieg in die aufkeimende Literatur über die Rolle neuronaler Netze bei der Kognition und die Art von Veränderungen in der strukturellen und funktionellen Konnektivität auf Schaltkreisebene im Zusammenhang mit Hirnpathologien bieten. Wie in vielen Artikeln erwähnt, entwickelt sich dieses Gebiet weiter, da sich sowohl die Erfassungs- als auch die Analysemethoden weiterentwickeln und erweitern, aber die vorhandenen Beweise weisen auf die funktionelle Relevanz dieser Netzwerke für das Verständnis von Variationen in der normalen Entwicklung und die entscheidende Bedeutung ihrer strukturellen und Funktionsstörung des Gehirns als Mittel zum Verständnis der Pathophysiologie und potenzieller Wege zur Intervention oder sogar Prävention.


Einzelne Titel, Autoren und Artikel:

Moderne Methoden zur Abfrage des menschlichen Connectoms
Autor (en)
  • Mark J. Lowe | Imaging Institute, Cleveland Clinic, Cleveland, Ohio
  • Ken E. Sakaie | Imaging Institute, Cleveland Clinic, Cleveland, Ohio
  • Erik B. Beall | Imaging Institute, Cleveland Clinic, Cleveland, Ohio
  • Vince D. Calhoun | The Mind Research Network, Albuquerque, New Mexico, Abteilung für ECE, Universität von New Mexico, Albuquerque, New Mexico
  • David A. Bridwell | The Mind Research Network, Albuquerque, New Mexico, Abteilung für ECE, Universität von New Mexico, Albuquerque, New Mexico
  • Michail Rubinow | Abteilung für Psychiatrie, Universität Cambridge, Cambridge, Vereinigtes Königreich
  • Stephen M. Rao | Neurologisches Institut, Cleveland Clinic, Cleveland, Ohio

Korrespondenz
E-Mail-Adresse | raos2@ccf.org

Angaben
Die Autoren melden keine Interessenkonflikte im Zusammenhang mit diesem Manuskript.

Abstrakt
Lernziele:

Konnektionistische Theorien der Gehirnfunktion setzten sich vor einem halben Jahrhundert mit den bahnbrechenden Beiträgen von Norman Geschwind durch. Moderne Neuroimaging-Techniken haben das wissenschaftliche Interesse an der Untersuchung der Gehirnkonnektivität erweitert, um sowohl das intakte als auch das erkrankte Gehirn einzubeziehen.

Methoden:

In dieser Übersicht beschreiben wir die am häufigsten verwendeten Techniken zur Messung der funktionellen und strukturellen Konnektivität, einschließlich der funktionellen MRT im Ruhezustand, der Diffusions-MRT und der Elektroenzephalographie- und Magnetoenzephalographie-Kohärenz. Wir besprechen auch die gebräuchlichsten analytischen Ansätze, die zur Untersuchung der Interkonnektivität des Gehirns im Zusammenhang mit diesen verschiedenen bildgebenden Verfahren verwendet werden.

Ergebnisse:

Diese Übersicht enthält eine kritische Analyse der Annahmen sowie methodischen Einschränkungen jedes Bildgebungs- und Analyseansatzes.

Schlussfolgerungen:

Das übergeordnete Ziel dieser Übersicht besteht darin, dem Leser eine Einführung in die Bewertung der wissenschaftlichen Methoden zu geben, die Untersuchungen zugrunde liegen, die das menschliche Konnektom untersuchen. (JINS, 2016,22, 105-119)

Literaturverzeichnis
  1. Abou-Elseoud, A., Starck, T., Remes, J., Nikkinen, J., Tervonen, O., & Kiviniemi, V. (2010). Die Auswirkung der Modellordnungsauswahl in der Gruppe PICA. Kartierung des menschlichen Gehirns, 31, 1207–1216. Google Scholar  PubMed 
  2. Achard, S., Salvador, R., Whitcher, B., Suckling, J., & Bullmore, E. (2006). Ein belastbares, niederfrequentes, kleinweltliches Funktionsnetzwerk des menschlichen Gehirns mit hochgradig verbundenen kortikalen Knotenpunkten. Das Journal of Neuroscience, 26(1), 63–72. CrossRef  Google Scholar 
  3. Alexander-Bloch, A., Giedd, JN, & Bullmore, E. (2013). Bildgebende strukturelle Kovarianz zwischen menschlichen Gehirnregionen. [Überprüfung]. Nature Reviews Neuroscience, 14(5), 322–336. CrossRef  Google Scholar 
  4. Allen, EA, Damaraju, E., Plis, SM, Erhardt, EB, Eichele, T., & Calhoun, VD (2014). Verfolgung der Konnektivitätsdynamik des gesamten Gehirns im Ruhezustand. Großhirnrinde, 24(3), 663–676. CrossRef  Google Scholar  PubMed 
  5. Allen, EA, Erhardt, EB, Damaraju, E., Gruner, W., Segall, JM, Silva, RF, & Calhoun, VD (2011). Eine Basislinie für den multivariaten Vergleich von Resting-State-Netzwerken. Grenzen in den Systemneurowissenschaften, 5, 2. CrossRef  Google Scholar  PubMed 
  6. Amunts, K., Lepage, C., Borgeat, L., Mohlberg, H., Dickscheid, T., Rousseau, M.-É., & Evans, AC (2013). BigBrain: Ein ultrahochauflösendes 3D-Modell des menschlichen Gehirns. Wissenschaft, 340 (6139), 1472–1475. CrossRef  Google Scholar  PubMed 
  7. Assaf, Y., Blumenfeld-Katzir, T., Yovel, Y., & Basser, PJ (2008). AxCaliber: Eine Methode zur Messung der Axondurchmesserverteilung aus der Diffusions-MRT. Magnetresonanz in der Medizin, 59 (6), 1347–1354. CrossRef  Google Scholar  PubMed 
  8. Assemlal, HE, Tschumperle, D., Brun, L., & Siddiqi, K. (2011). Jüngste Fortschritte in der Diffusions-MRT-Modellierung: Winkel- und Radialrekonstruktion. Medizinische Bildanalyse, 15(4), 369–396. CrossRef  Google Scholar  PubMed 
  9. Barazany, D., Basser, PJ, & Assaf, Y. (2009). In-vivo-Messung der Axondurchmesserverteilung im Corpus callosum des Rattenhirns. Gehirn, 132 (Teil 5), 1210–1220. CrossRef  Google Scholar 
  10. Basser, PJ, Mattiello, J., & LeBihan, D. (1994). MR-Diffusions-Tensor-Spektroskopie und Bildgebung. Biophysical Journal, 66(1), 259–267. CrossRef  Google Scholar 
  11. Basser, PJ, Pajevic, S., Pierpaoli, C., Duda, J., & Aldroubi, A. (2000). In-vivo-Fasertraktographie unter Verwendung von DT-MRT-Daten. Magnetresonanz in der Medizin, 44 (4), 625–632.3.0.CO;2-O>CrossRef Google Scholar 
  12. Bassett, DS, & Bullmore, E. (2006). Small-World-Gehirnnetzwerke. Neurowissenschaftler, 12(6), 512–523. CrossRef  Google Scholar  PubMed 
  13. Bassett, DS, Meyer-Lindenberg, A., Achard, S., Duke, T., & Bullmore, E. (2006). Adaptive Rekonfiguration fraktaler Kleinwelt-Funktionsnetzwerke des menschlichen Gehirns. Proceedings of the National Academy of Sciences of the United States of America, 103(51), 19518–19523. CrossRef  Google Scholar 
  14. Beall, EB, & Lowe, MJ (2007). Isolierung physiologischer Geräuschquellen mit unabhängig bestimmten räumlichen Maßen. Neuroimage, 37(4), 1286–1300. CrossRef  Google Scholar 
  15. Beall, EB, & Lowe, MJ (2010). Die Nichttrennbarkeit von physiologischem Rauschen in der funktionellen Konnektivitäts-MRT mit räumlicher ICA bei 3T. Journal of Neuroscience Methods, 191(2), 263–276. CrossRef  Google Scholar  PubMed 
  16. Beall, EB, & Lowe, MJ (2014). SimPACE: Generierung von simulierten bewegungsverfälschten BOLD-Daten mit synthetisch navigierter Erfassung für die Entwicklung und Evaluierung von SLOMOCO: Eine neue, hochwirksame schichtweise Bewegungskorrektur. Neuroimage, 101, 21–34. CrossRef  Google Scholar  PubMed 
  17. Beckmann, CF, & Smith, SM (2005). Tensorielle Erweiterungen der Analyse unabhängiger Komponenten für die Multisubjekt-FMRI-Analyse. Neuroimage, 25(1), 294–311. CrossRef  Google Scholar  PubMed 
  18. Behrens, TE, Berg, HJ, Jbabdi, S., Rushworth, MF, & Woolrich, MW (2007). Probabilistische Diffusionstraktographie mit mehreren Faserorientierungen: Was können wir gewinnen? Neuroimage, 34(1), 144–155. CrossRef  Google Scholar  PubMed 
  19. Behrens, TE, & Sporns, O. (2012). Menschliche Konnektomik. Current Opinion in Neurobiology, 22(1), 144–153. CrossRef  Google Scholar  PubMed 
  20. Bendat, JS, & Piersol, AG (2000). Zufällige Daten. Analyse- und Messverfahren (3. Aufl.). New York: John Wiley & Söhne. Google Scholar 
  21. Biswal, BB, & Hudetz, AG (1996). Synchrone Oszillationen in der Geschwindigkeit der cerebrokortikalen kapillaren roten Blutkörperchen nach Hemmung der Stickoxid-Synthase. Microvascular Research, 52(1), 1–12. CrossRef  Google Scholar  PubMed 
  22. Biswal, BB, Hudetz, AG, Yetkin, FZ, Haughton, VM, & Hyde, JS (1997). Hyperkapnie unterdrückt reversibel niederfrequente Schwankungen im menschlichen motorischen Kortex während der Ruhe mittels Echo-Planar-MRT. Journal of Cerebral Blood Flow & Metabolism, 17(3), 301–308. CrossRef  Google Scholar  PubMed 
  23. Biswal, BB, Van Kylen, J., & Hyde, JS (1997). Gleichzeitige Bewertung von Flow- und BOLD-Signalen im Ruhezustand. NMR in Biomedicine, 10(4-5), 165–170.3.0.CO;2-7>CrossRef Google Scholar  PubMed 
  24. Biswal, BB, Yetkin, FZ, Haughton, VM, & Hyde, JS (1995). Funktionelle Konnektivität im motorischen Kortex des ruhenden menschlichen Gehirns. Magnetresonanz in der Medizin, 34 (4), 537–541. CrossRef  Google Scholar  PubMed 
  25. Boccaletti, S., Latora, V., Moreno, Y., Chavez, M., & Hwang, DU (2006). Komplexe Netzwerke: Struktur und Dynamik. Physikberichte, 424 (4–5), 175–308. CrossRef  Google Scholar 
  26. Boubela, RN, Kalcher, K., Huf, W., Kronnerwetter, C., Filzmoser, P., & Moser, E. (2013). Jenseits von Rauschen: Verwenden von zeitlicher ICA, um aussagekräftige Informationen aus hochfrequenten fMRI-Signalschwankungen während der Ruhezeit zu extrahieren. Frontiers in Human Neuroscience, 7, 168. CrossRef  Google Scholar 
  27. Brookes, MJ, Hale, JR, Zumer, JM, Stevenson, CM, Francis, ST, Barnes, GR, & Nagarajan, SS (2011). Messung der funktionellen Konnektivität mit MEG: Methodik und Vergleich mit fcMRI. Neuroimage, 56(3), 1082–1104. CrossRef  Google Scholar  PubMed 
  28. Budde, MD, Kim, JH, Liang, HF, Schmidt, RE, Russell, JH, Cross, AH, && Song, SK (2007). Auf dem Weg zur genauen Diagnose der Pathologie der weißen Substanz mithilfe der Diffusions-Tensor-Bildgebung. Magnetresonanz in der Medizin, 57 (4), 688–695. CrossRef  Google Scholar  PubMed 
  29. Bullmore, ET, Brammer, MJ, Rabe-Hesketh, S., Curtis, VA, Morris, RG, Williams, SC, & McGuire, PK (1999). Methoden zur Diagnose und Behandlung stimuluskorrelierter Bewegung in generischen Hirnaktivierungsstudien mittels fMRI. Kartierung des menschlichen Gehirns, 7 (1), 38–48.3.0.CO;2-Q>CrossRef Google Scholar 
  30. Bullmore, ET, & Sporns, O. (2009). Komplexe Gehirnnetzwerke: Graphentheoretische Analyse struktureller und funktioneller Systeme. Nature Reviews Neuroscience, 10(3), 186–198. CrossRef  Google Scholar  PubMed 
  31. Buzsaki, G. (2006). Rhythmen des Gehirns. New York: Oxford University Press. CrossRef  Google Scholar 
  32. Calhoun, VD, & Adali, T. (2012). Multi-Subjekt-unabhängige Komponentenanalyse von fMRI: Ein Jahrzehnt intrinsischer Netzwerke, Standardmodus und neurodiagnostischer Entdeckung. IEEE Reviews in Biomedical Engineering, 5, 60–72. CrossRef  Google Scholar 
  33. Calhoun, VD, Adali, T., Pearlson, GD, & Pekar, JJ (2001). Eine Methode zum Erstellen von Gruppenrückschlüssen aus funktionellen MRT-Daten unter Verwendung unabhängiger Komponentenanalyse. Kartierung des menschlichen Gehirns, 14 (3), 140–151. CrossRef  Google Scholar  PubMed 
  34. Calhoun, VD, & Allen, E. (2013). Extrahieren intrinsischer funktionaler Netzwerke mit merkmalsbasierter gruppenunabhängiger Komponentenanalyse. Psychometrika, 78(2), 243–259. CrossRef  Google Scholar  PubMed 
  35. Calhoun, VD, Kiehl, KA, & Pearlson, GD (2008). Modulation zeitlich kohärenter Gehirnnetzwerke, geschätzt mit ICA im Ruhezustand und während kognitiver Aufgaben. Kartierung des menschlichen Gehirns, 29 (7), 828–838. CrossRef  Google Scholar 
  36. Calhoun, VD, Miller, R., Pearlson, G., & Adalı, T. (2014). Das Chronnektom: Zeitvariable Konnektivitätsnetzwerke als nächste Grenze in der fMRI-Datenentdeckung. Neuron, 84(2), 262–274. CrossRef  Google Scholar  PubMed 
  37. Catani, M., Howard, RJ, Pajevic, S., & Jones, DK (2002). Virtuelle interaktive In-vivo-Dissektion von Faszikeln der weißen Substanz im menschlichen Gehirn. Neuroimage, 17(1), 77–94. CrossRef  Google Scholar 
  38. Chang, C., & Glover, GH (2010). Zeit-Frequenz-Dynamik der Gehirnkonnektivität im Ruhezustand, gemessen mit fMRI. Neuroimage, 50(1), 81–98. CrossRef  Google Scholar  PubMed 
  39. Cohen, D. & Cuffin, BN (1983). Demonstration nützlicher Unterschiede zwischen Magnetenzephalogramm und Elektroenzephalogramm. Elektroenzephalographie und klinische Neurophysiologie, 56(1), 38–51. CrossRef  Google Scholar  PubMed 
  40. Cole, DM, Smith, SM, & Beckmann, CF (2010). Fortschritte und Fallstricke bei der Analyse und Interpretation von FMRI-Daten im Ruhezustand. Grenzen in den Systemneurowissenschaften, 4, 8. Google Scholar  PubMed 
  41. Colizza, V., Flammini, A., Serrano, MA, & Vespignani, A. (2006). Erkennung von Rich-Club-Bestellungen in komplexen Netzwerken. [10.1038/nphys209]. Naturphysik, 2 (2), 110–115. CrossRef  Google Scholar 
  42. Conturo, TE, Lori, NF, Cull, TS, Akbudak, E., Snyder, AZ, Shimony, JS, & Raichle, ME (1999). Verfolgung neuronaler Faserwege im lebenden menschlichen Gehirn. Proceedings of the National Academy of Sciences of the United States of America, 96(18), 10422–10427. CrossRef  Google Scholar 
  43. Cooper, R., Crow, HJ, Walter, WG, & Winter, AL (1966). Regionale Kontrolle der zerebralen Gefäßreaktivität und Sauerstoffversorgung beim Menschen. Brain Research, 3(2), 174–191. CrossRef  Google Scholar  PubMed 
  44. Cordes, D., Haughton, VM, Arfanakis, K., Carew, JD, Turski, PA, Moritz, CH, & Meyerand, ME (2001). Frequenzen, die zur funktionellen Konnektivität in der Großhirnrinde in „Ruhezustandsdaten“ beitragen. AJNR American Journal of Neuroradiology, 22(7), 1326–1333. Google Scholar 
  45. Cordes, D., Haughton, VM, Arfanakis, K., Wendt, GJ, Turski, PA, Moritz, CH, & Meyerand, ME (2000). Kartierung funktionell verwandter Gehirnregionen mit funktioneller Konnektivitäts-MR-Bildgebung. AJNR American Journal of Neuroradiology, 21(9), 1636–1644. Google Scholar 
  46. Cordes, D., Nandy, RR, Schäfer, S., & Wager, TD (2014). Charakterisierung und Reduzierung von Herz- und Atmungsrauschen als Funktion der Abtastrate (TR) in der fMRT. Neuroimage, 89, 314–330. CrossRef  Google Scholar 
  47. Cox, RW (1996). AFNI: Software zur Analyse und Visualisierung von funktionellen Magnetresonanz-Neurobildern. Computer und biomedizinische Forschung, 29 (3), 162–173. CrossRef  Google Scholar  PubMed 
  48. Craddock, RC, Jbabdi, S., Yan, C.-G., Vogelstein, JT, Castellanos, FX, Di Martino, A., & Milham, MP (2013). Abbildung menschlicher Connectome auf der Makroskala. Nature Methods, 10(6), 524–539. CrossRef  Google Scholar 
  49. Crossley, NA, Mechelli, A., Scott, J., Carletti, F., Fox, PT, McGuire, P., && Bullmore, ET (2014). Die Knotenpunkte des menschlichen Konnektoms sind im Allgemeinen an der Anatomie von Hirnerkrankungen beteiligt. Gehirn, 137 (Teil 8), 2382–2395. CrossRef  Google Scholar  PubMed 
  50. Csermely, P., London, A., Wu, L.-Y., & Uzzi, B. (2013). Struktur und Dynamik von Core/Periphery-Netzwerken. Zeitschrift für komplexe Netzwerke, 1 (2), 93–123. CrossRef  Google Scholar 
  51. Damaraju, E., Allen, EA, Belger, A., Ford, JM, McEwen, S., Mathalon, DH, & Calhoun, VD (2014). Die dynamische funktionelle Konnektivitätsanalyse zeigt vorübergehende Zustände von Dyskonnektivität bei Schizophrenie. Neurobild. Klinisch, 5, 298–308. CrossRef  Google Scholar 
  52. Dora, E. & Kovach, AG (1981). Metabolische und vaskuläre Volumenoszillationen in der Großhirnrinde der Katze. Acta Physiologie der Akademie der Wissenschaften von Ungarn, 57 (3), 261–275. Google Scholar  PubMed 
  53. Douaud, G., Jbabdi, S., Behrens, TE, Menke, RA, Gass, A., Monsch, AU, & Smith, S. (2011). DTI-Messungen in Faserkreuzungsbereichen: Eine erhöhte Diffusionsanisotropie zeigt eine frühe Veränderung der weißen Substanz bei MCI und leichter Alzheimer-Krankheit. Neuroimage, 55(3), 880–890. CrossRef  Google Scholar  PubMed 
  54. Eguiluz, VM, Chialvo, DR, Cecchi, GA, Baliki, M. & Apkarian, AV (2005). Scale-free funktionale Netzwerke des Gehirns. Physical Review Letters, 94(1), 018102. CrossRef  Google Scholar  PubMed 
  55. Eichele, T., Calhoun, VD, & Debener, S. (2009). Bergbau-EEG-fMRI mit unabhängiger Komponentenanalyse. Internationale Zeitschrift für Psychophysiologie, 73(1), 53–61. CrossRef  Google Scholar  PubMed 
  56. Engel, AK, Fries, P., & Singer, W. (2001). Dynamische Vorhersagen: Oszillationen und Synchronität in der Top-Down-Verarbeitung. Nature Reviews Neuroscience, 2, 704–716. CrossRef  Google Scholar  PubMed 
  57. Erhardt, EB, Rachakonda, S., Bedrick, EJ, Allen, EA, Adali, T., & Calhoun, VD (2011). Vergleich von Multi-Subjekt-ICA-Methoden zur Analyse von fMRT-Daten. Human Brain Mapping, 32 (12), 2075–2095. CrossRef  Google Scholar  PubMed 
  58. Esposito, F., Scarabino, T., Hyvarinen, A., Himberg, J., Formisano, E., Comani, S., & Salle, F. (2005). Unabhängige Komponentenanalyse von fMRI-Gruppenstudien durch selbstorganisierendes Clustering. Neuroimage, 25(1), 193–205. CrossRef  Google Scholar  PubMed 
  59. Evans, AC (2013). Netzwerke der anatomischen Kovarianz. Neuroimage, 80, 489–504. CrossRef  Google Scholar 
  60. Fortunato, S. (2010). Community-Erkennung in Diagrammen. Physics Reports, 486(3–5), 75–174. CrossRef  Google Scholar 
  61. Fox, MD, & Raichle, ME (2007). Spontane Schwankungen der Gehirnaktivität, beobachtet mit funktioneller Magnetresonanztomographie. Nature Reviews Neuroscience, 8(9), 700–711. CrossRef  Google Scholar  PubMed 
  62. Friston, KJ, Frith, CD, Liddle, PF, & Frackowiak, RS (1993). Funktionale Konnektivität: Die Hauptkomponentenanalyse großer (PET) Datensätze. Journal of Cerebral Blood Flow & Metabolism, 13(1), 5–14. CrossRef  Google Scholar 
  63. Geschwind, N. (1965a). Diskonnektionssyndrome bei Tieren und Menschen. I. Gehirn, 88(2), 237–294. CrossRef  Google Scholar 
  64. Geschwind, N. (1965b). Diskonnektionssyndrome bei Tieren und Menschen. II. Gehirn, 88(3), 585–644. CrossRef  Google Scholar  PubMed 
  65. Girvan, M., & Newman, MEJ (2002). Gemeinschaftsstruktur in sozialen und biologischen Netzwerken. Proceedings of the National Academy of Sciences of the United States of America, 99(12), 7821–7826. CrossRef  Google Scholar  PubMed 
  66. Glover, GH, Li, TQ, & Ress, D. (2000). Bildbasiertes Verfahren zur retrospektiven Korrektur physiologischer Bewegungseffekte in der fMRT: RETROICOR. Magnetresonanz in der Medizin, 44 (1), 162–167.3.0.CO;2-E>CrossRef Google Scholar  PubMed 
  67. Golanov, EV, Yamamoto, S., & Resi, DJ (1994). Spontane Wellen des zerebralen Blutflusses in Verbindung mit Mustern elektrokortikaler Aktivität. American Journal of Physiology, 266, R204–R214. Google Scholar  PubMed 
  68. Gong, G., He, Y., Concha, L., Lebel, C., Gross, DW, Evans, AC, &&Beaulieu, C. (2009). Kartierung anatomischer Konnektivitätsmuster der menschlichen Großhirnrinde mittels In-vivo-Diffusions-Tensor-Imaging-Traktographie. Großhirnrinde, 19(3), 524–536. CrossRef  Google Scholar 
  69. Greicius, MD, Krasnow, B., Reiss, AL, & Menon, V. (2003). Funktionelle Konnektivität im ruhenden Gehirn: Eine Netzwerkanalyse der Default-Mode-Hypothese. Proceedings of the National Academy of Sciences of the United States of America, 100(1), 253–258. CrossRef  Google Scholar  PubMed 
  70. Guo, Y., & Pagnoni, G. (2008). Ein vereinheitlichtes Framework für die gruppenunabhängige Komponentenanalyse für multisubjekt-fMRI-Daten. Neuroimage, 42(3), 1078–1093. CrossRef  Google Scholar 
  71. Gusnard, DA, Akbudak, E., Shulman, GL, & Raichle, ME (2001). Medialer präfrontaler Kortex und selbstreferenzielle geistige Aktivität: Beziehung zu einem Standardmodus der Gehirnfunktion. Proceedings of the National Academy of Sciences of the United States of America, 98(7), 4259–4264. CrossRef  Google Scholar 
  72. Hagmann, P., Cammoun, L., Gigandet, X., Gerhard, S., Grant, PE, Wedeen, VJ, & Sporns, O. (2010). MR-Connectomics: Prinzipien und Herausforderungen. Journal of Neuroscience Methods, 194(1), 34–45. CrossRef  Google Scholar 
  73. Hagmann, P., Cammoun, L., Gigandet, X., Meuli, R., Honey, CJ, Wedeen, VJ, && Sporns, O. (2008). Kartierung des strukturellen Kerns der menschlichen Großhirnrinde. PLoS Biology, 6(7), e159. CrossRef  Google Scholar 
  74. Hagmann, P., Kurant, M., Gigandet, X., Thiran, P., Wedeen, VJ, Meuli, R., && Thiran, JP (2007). Kartierung menschlicher Ganzhirn-Strukturnetzwerke mit Diffusions-MRT. PLoS One, 2(7), e597. CrossRef  Google Scholar  PubMed 
  75. Halsey, JH Jr., & McFarland, S. (1974). Sauerstoffkreisläufe und metabolische Autoregulation. Schlaganfall, 5(2), 219–225. CrossRef  Google Scholar  PubMed 
  76. Harrington, DL, Rubinov, M., Durgerian, S., Mourany, L., Reece, C., Koenig, K., & Rao, SM (2015). Störungen der Netzwerktopologie und der funktionellen Konnektivität gehen dem Ausbruch der Huntington-Krankheit voraus. Gehirn, 138 (Teil 8), 2332–2346. CrossRef  Google Scholar  PubMed 
  77. He, Y., Chen, ZJ, & Evans, AC (2007). Anatomische Small-World-Netzwerke im menschlichen Gehirn, die durch kortikale Dicke im MRT sichtbar gemacht wurden. Großhirnrinde, 17(10), 2407–2419. CrossRef  Google Scholar  PubMed 
  78. Heinrichs, HR, & Zakzanis, KK (1998). Neurokognitives Defizit bei Schizophrenie: Eine quantitative Überprüfung der Beweise. Neuropsychology, 12(3), 426–445. CrossRef  Google Scholar 
  79. Hudetz, AG, Smith, JJ, Lee, JG, Bosnjak, ZJ, & Kampine, JP (1995). Modifikation zerebraler Laser-Doppler-Flussoszillationen durch Halothan-, PCO2- und Stickoxid-Synthase-Blockade. American Journal of Physiology, 269 (1 Pkt. 2), H114–H120. Google Scholar  PubMed 
  80. Humphries, MD, & Gurney, K. (2008). Netzwerk 'Small-World-Ness': Eine quantitative Methode zur Bestimmung der kanonischen Netzwerkäquivalenz. PLoS One, 3(4), e0002051. CrossRef  Google Scholar  PubMed 
  81. Hutchison, RM, Womelsdorf, T., Allen, EA, Bandettini, PA, Calhoun, VD, Corbetta, M., & Chang, C. (2013). Dynamische funktionale Konnektivität: Versprechen, Probleme und Interpretationen. Neuroimage, 80, 360–378. CrossRef  Google Scholar  PubMed 
  82. Hyvarinen, A., Karhunen, J., & Oja, E. (2001). Unabhängige Bauteilanalyse. New York: John Wiley & Söhne. CrossRef  Google Scholar  PubMed 
  83. Insel, TR, Landis, SC, & Collins, FS (2013). Forschungsprioritäten. Die NIH BRAIN-Initiative. Wissenschaft, 340 (6133), 687–688. CrossRef  Google Scholar  PubMed 
  84. Iturria-Medina, Y., Sotero, RC, Canales-Rodriguez, EJ, Aleman-Gomez, Y., & Melie-Garcia, L. (2008). Untersuchung des anatomischen Netzwerks des menschlichen Gehirns mittels diffusionsgewichteter MRT und Graphentheorie. Neuroimage, 40(3), 1064–1076. CrossRef  Google Scholar  PubMed 
  85. Jafri, MJ, Pearlson, GD, Stevens, M., & Calhoun, VD (2008). Eine Methode zur funktionalen Netzwerkkonnektivität zwischen räumlich unabhängigen Ruhezustandskomponenten bei Schizophrenie. Neuroimage, 39(4), 1666–1681. CrossRef  Google Scholar 
  86. Johansen-Berg, H., & Behrens, TEJ (2009). Diffusions-MRT: Von der quantitativen Messung zur In-vivo-Neuroanatomie (1. Aufl.). Boston: Elsevier/Academic Press. Google Scholar 
  87. Jones, DK (2004). Die Wirkung von Gradienten-Sampling-Schemata auf Messungen, die aus der Diffusions-Tensor-MRT abgeleitet wurden: Eine Monte-Carlo-Studie. Magnetresonanz in der Medizin, 51 (4), 807–815. CrossRef  Google Scholar  PubMed 
  88. Jones, DK (2010). Diffusions-MRT: Theorie, Methoden und Anwendungen. New York: Oxford University Press. Google Scholar 
  89. Kalcher, K., Boubela, RN, Huf, W., Bartova, L., Kronnerwetter, C., Derntl, B., & Moser, E. (2014). Die spektrale Vielfalt von Ruhezustandsschwankungen im menschlichen Gehirn. PLoS One, 9(4), e93375. CrossRef  Google Scholar  PubMed 
  90. Kenet, T., Bibitchkov, D., Tsodyks, M., Grinvald, A., & Arieli, A. (2003). Spontan entstehende kortikale Repräsentationen visueller Attribute. Natur, 425 (6961), 954–956. CrossRef  Google Scholar  PubMed 
  91. Kopell, NJ, Gritton, HJ, Whittington, MA, & Kramer, MA (2014). Jenseits des Konnektoms: Das Dynom. Neuron, 83(6), 1319–1328. CrossRef  Google Scholar  PubMed 
  92. Laufs, H., Krakau, K., Sterzer, P., Eger, E., Beyerle, A., Salek-Haddadi, A., && Kleinschmidt, A. (2003). Elektroenzephalographische Signaturen von Aufmerksamkeits- und kognitiven Ausfallmodi bei spontanen Schwankungen der Gehirnaktivität im Ruhezustand. Proceedings of the National Academy of Sciences of the United States of America, 100(19), 11053–11058. CrossRef  Google Scholar  PubMed 
  93. Leonardi, N., Shirer, WR, Greicius, ID, & Van De Ville, D. (2014). Dynamische Netzwerke entwirren: Getrennte und gemeinsame Ausdrücke funktionaler Konnektivitätsmuster in der Zeit: Dynamische Netzwerke entwirren. Human Brain Mapping, 35 (12), 5984–5995. CrossRef  Google Scholar  PubMed 
  94. Leopold, DA, Murayama, Y., & Logothetis, NK (2003). Sehr langsame Aktivitätsschwankungen im visuellen Kortex von Affen: Implikationen für die funktionelle Bildgebung des Gehirns. Großhirnrinde, 13(4), 422–433. CrossRef  Google Scholar 
  95. Liu, Y., Liang, M., Zhou, Y., He, Y., Hao, Y., Song, M., & Jiang, T. (2008). Gestörte Small-World-Netzwerke bei Schiz+Ophrenie. Gehirn, 131 (Teil 4), 945–961. CrossRef  Google Scholar 
  96. Logothetis, NK (2002). Die neuronale Basis des blutsauerstoffspiegelabhängigen funktionellen Magnetresonanztomographiesignals. Philosophische Transaktionen der Royal Society B: Biological Sciences, 357 (1424), 1003–1037. CrossRef  Google Scholar  PubMed 
  97. Logothetis, NK, Pauls, J., Augath, M., Trinath, T., & Oeltermann, A. (2001). Neurophysiologische Untersuchung der Grundlagen des fMRT-Signals. Natur, 412 (6843), 150–157. CrossRef  Google Scholar  PubMed 
  98. Lowe, MJ, Beall, EB, Sakaie, KE, Koenig, KA, Stone, L., Marrie, RA, && Phillips, MD (2008). Die sensomotorische funktionelle Konnektivität im Ruhezustand bei Multipler Sklerose korreliert umgekehrt mit der transkallosalen transkallosalen Bewegungsbahn-Querdiffusivität. Kartierung des menschlichen Gehirns, 29 (7), 818–827. CrossRef  Google Scholar  PubMed 
  99. Lowe, MJ, Dzemidzic, M., Lurito, JT, Mathews, VP, & Phillips, MD (2000). Korrelationen in niederfrequenten BOLD-Schwankungen spiegeln kortiko-kortikale Verbindungen wider. Neuroimage, 12(5), 582–587. CrossRef  Google Scholar  PubMed 
  100. Lowe, MJ, Horenstein, C., Hirsch, JG, Marrie, RA, Stone, L., Bhattacharyya, PK, et al. (2006). Funktionelle Weg-definierte MRT-Diffusionsmessungen zeigen eine erhöhte transversale Diffusivität von Wasser bei Multipler Sklerose. Neuroimage, 32(3), 1127–1133. CrossRef  Google Scholar  PubMed 
  101. Lowe, MJ, Koenig, KA, Beall, EB, Sakaie, K., Stone, L., Bermel, R., && Phillips, MD (2014). Anatomische Konnektivität, die anhand der radialen Diffusivität der Bahn bewertet wird, steht in Beziehung zur funktionellen Konnektivität in monosynaptischen Bahnen. Brain Connectivity, 4(7), 558–565. CrossRef  Google Scholar  PubMed 
  102. Lowe, MJ, Mock, BJ, & Sorenson, JA (1998). Funktionelle Konnektivität in Einzel- und Mehrschicht-Echoplanar-Bildgebung unter Verwendung von Ruhezustandsfluktuationen. Neuroimage, 7(2), 119–132. CrossRef  Google Scholar  PubMed 
  103. Lowe, MJ & & Russell, DP (1999). Behandlung von Basisliniendriften in der fMRI-Zeitreihenanalyse. Journal of Computer Assisted Tomography, 23(3), 463–473. CrossRef  Google Scholar  PubMed 
  104. Lowe, MJ, Rutecki, P., Woodard, A., Turski, P., & Sorenson, JA (1997). Auditorische Cortex-fMRI-Rauschkorrelationen bei Callosal-Agenesie. Abbildung des menschlichen Gehirns, 5(4), S194. Google Scholar 
  105. Lowe, MJ, & Sorenson, JA (1997). Räumliches Filtern funktioneller Magnetresonanztomographiedaten. Magnetresonanz in der Medizin, 37 (5), 723–729. CrossRef  Google Scholar 
  106. Makeig, S., Debener, S., Onton, J., & Delorme, A. (2004). Bergbauereignisbezogene Gehirndynamik. Trends in den Kognitionswissenschaften, 8(5), 204–210. CrossRef  Google Scholar 
  107. McKeown, MJ, Makeig, S., Brown, GG, Jung, TP, Kindermann, SS, Bell, AJ, && Sejnowski, TJ (1998). Analyse von fMRI-Daten durch blinde Trennung in unabhängige räumliche Komponenten. Human Brain Mapping, 6, 160–629.3.0.CO;2-1>CrossRef Google Scholar 
  108. Mesholam-Gately, RI, Giuliano, AJ, Goff, KP, Faraone, SV, & Seidman, LJ (2009). Neurokognition bei Schizophrenie der ersten Episode: Eine metaanalytische Überprüfung. Neurophysiologie, 23(3), 315–336. Google Scholar 
  109. Meunier, D., Lambiotte, R., & Bullmore, ET (2010). Modulare und hierarchisch modulare Organisation von Gehirnnetzwerken. Grenzen in den Neurowissenschaften, 4, 200. CrossRef  Google Scholar  PubMed 
  110. Michel, CM, Murray, MM, Lantz, G., Gonzalez, S., Spinelli, L., & Grave de Peralta, R. (2004). EEG-Quellenbildgebung. Klinische Neurophysiologie, 115(10), 2195–2222. CrossRef  Google Scholar  PubMed 
  111. Mori, S., Crain, BJ, Chacko, VP, & van Zijl, PC (1999). Dreidimensionale Verfolgung axonaler Projektionen im Gehirn durch Magnetresonanztomographie. Annals of Neurology, 45(2), 265–269.3.0.CO;2-3>CrossRef Google Scholar  PubMed 
  112. Moskalenko, YE (1980). Biophysikalische Aspekte der Gehirnzirkulation. Oxford: Pergamonpresse. Google Scholar 
  113. Neumann, M. (2003). Die Struktur und Funktion komplexer Netzwerke. SIAM Review, 45(2), 167–256. CrossRef  Google Scholar 
  114. Neumann, M. (2010). Netzwerke: Eine Einführung. Oxford: Oxford University Press. CrossRef  Google Scholar 
  115. Nunez, PL, Silberstein, RB, Shi, Z., Carpenter, MR, Srinivasan, R., Tucker, DM, & Wijesinghe, RS (1999). EEG-Kohärenz II: Experimentelle Vergleiche mehrerer Maßnahmen. Klinische Neurophysiologie, 110(3), 469–486. CrossRef  Google Scholar 
  116. Nunez, PL, & Srinivasan, R. (2006). Elektrische Felder des Gehirns: Die Neurophysik des EEG (2. Aufl.). New York: Oxford University Press. CrossRef  Google Scholar 
  117. Nunez, PL, Srinivasan, R., Westdorp, AF, Wijesinghe, RS, Tucker, DM, Silberstein, RB, && Cadusch, PJ (1997). EEG-Kohärenz: I: Statistik, Referenzelektrode, Volumenleitung, Laplace-Operatoren, kortikale Bildgebung und Interpretation auf mehreren Skalen. Elektroenzephalographie und klinische Neurophysiologie, 103(5), 499–515. CrossRef  Google Scholar 
  118. Obrig, H., Neufang, M., Wenzel, R., Kohl, M., Steinbrink, J., Einhaupl, K., et al. (2000). Spontane niederfrequente Oszillationen der zerebralen Hämodynamik und des Stoffwechsels bei erwachsenen Menschen. Neuroimage, 12(6), 623–639. CrossRef  Google Scholar 
  119. Oguz, I., Farzinfar, M., Matsui, J., Budin, F., Liu, Z., Gerig, G., & Styner, M. (2014). DTIPrep: Qualitätskontrolle von diffusionsgewichteten Bildern. Grenzen in der Neuroinformatik, 8, 4. CrossRef  Google Scholar  PubMed 
  120. Peltier, SJ, & Noll, DC (2002). T(2)(*)-Abhängigkeit der niederfrequenten funktionellen Konnektivität. Neuroimage, 16(4), 985–992. CrossRef  Google Scholar 
  121. Perlbarg, V., Bellec, P., Anton, JL, Pelegrini-Issac, M., Doyon, J., & Benali, H. (2007). CORSICA: Korrektur von strukturiertem Rauschen in fMRI durch automatische Identifizierung von ICA-Komponenten. Magnetresonanztomographie, 25(1), 35–46. CrossRef  Google Scholar  PubMed 
  122. Pierpaoli, C., Barnett, A., Pajevic, S., Chen, R., Penix, LR, Virta, A., && Basser, P. (2001). Änderungen der Wasserdiffusion bei der wallerischen Degeneration und ihre Abhängigkeit von der Architektur der weißen Substanz. Neuroimage, 13 (6 Pt 1), 1174–1185. CrossRef  Google Scholar 
  123. Power, JD, Mitra, A., Laumann, TO, Snyder, AZ, Schlaggar, BL, & Petersen, SE (2012). Methoden zur Erkennung, Charakterisierung und Entfernung von Bewegungsartefakten in der fMRT im Ruhezustand. Neuroimage, 84C, 320–341. Google Scholar 
  124. Power, JD, Schlaggar, BL, & Petersen, SE (2015). Jüngste Fortschritte und offene Probleme bei der Bewegungskorrektur in der fMRT im Ruhezustand. Neuroimage, 105, 536–551. CrossRef  Google Scholar 
  125. Press, W., Teukolsky, S., Vetterling, W., & Flannery, B. (1993). Numerische Rezepte in C: Die Kunst des wissenschaftlichen Rechnens. Cambridge: Cambridge University Press. Google Scholar 
  126. Pruim, RH, Mennes, M., Buitelaar, JK, & Beckmann, CF (2015). Bewertung von ICA-AROMA und alternativen Strategien zur Entfernung von Bewegungsartefakten in der fMRT im Ruhezustand. Neuroimage, 112, 278–287. CrossRef  Google Scholar  PubMed 
  127. Quigley, M., Cordes, D., Turski, P., Moritz, C., Haughton, V., Seth, R., &&Meyerand, ME (2003). Rolle des Corpus callosum bei der funktionellen Konnektivität. AJNR American Journal of Neuroradiology, 24(2), 208–212. Google Scholar  PubMed 
  128. Raichle, ME, MacLeod, AM, Snyder, AZ, Powers, WJ, Gusnard, DA, & Shulman, GL (2001). Ein Standardmodus der Gehirnfunktion. Proceedings of the National Academy of Sciences of the United States of America, 98(2), 676–682. CrossRef  Google Scholar  PubMed 
  129. Rashid, B., Damaraju, E., Pearlson, GD, & Calhoun, VD (2014). Aus Ruhe-fMRI geschätzte dynamische Konnektivitätszustände Identifizieren Sie Unterschiede zwischen Schizophrenie, bipolarer Störung und gesunden Kontrollpersonen. Grenzen in der menschlichen Neurowissenschaft, 8, 897. CrossRef  Google Scholar  PubMed 
  130. Rubinov, M., & Bullmore, E. (2013). Junge Pathokonnektomik psychiatrischer Störungen. Trends in den Kognitionswissenschaften, 17 (12), 641–647. CrossRef  Google Scholar  PubMed 
  131. Rubinov, M., & Sporns, O. (2010). Komplexe Netzwerkmaße der Gehirnkonnektivität: Verwendung und Interpretation. Neuroimage, 52(3), 1059–1069. CrossRef  Google Scholar  PubMed 
  132. Rubinov, M., & Sporns, O. (2011). Gewichtserhaltende Charakterisierung komplexer funktioneller Gehirnnetzwerke. Neuroimage, 56(4), 2068–2079. CrossRef  Google Scholar  PubMed 
  133. Sakoğlu, Ü., Pearlson, GD, Kiehl, KA, Wang, YM, Michael, AM, & Calhoun, VD (2010). Eine Methode zur Bewertung dynamischer funktionaler Netzwerkkonnektivität und Aufgabenmodulation: Anwendung auf Schizophrenie. Magnetresonanzmaterialien in Physik, Biologie und Medizin, 23 (5-6), 351–366. CrossRef  Google Scholar 
  134. Schmithorst, VJ, & Holland, SK (2004). Vergleich von drei Methoden zur Generierung gruppenstatistischer Inferenzen aus unabhängiger Komponentenanalyse von Daten der funktionellen Magnetresonanztomographie. Journal of Magnetic Resonance Imaging, 19(3), 365–368. CrossRef  Google Scholar  PubMed 
  135. Schoffelen, J.-M., & Gross, J. (2009). Quellenkonnektivitätsanalyse mit MEG und EEG. Kartierung des menschlichen Gehirns, 30 (6), 1857–1865. CrossRef  Google Scholar  PubMed 
  136. Seghier, ML, & Friston, KJ (2013). Netzwerkerkennung mit großen DCMs. Neuroimage, 68(C), 181–191. CrossRef  Google Scholar 
  137. Siegel, M., Donner, TH, & Engel, AK (2012). Spektrale Fingerabdrücke groß angelegter neuronaler Interaktionen. Nature Reviews Neuroscience, 12, 121–134. Google Scholar 
  138. Skare, S., & Andersson, JL (2001). Über die Auswirkungen des Gatings bei der Diffusionsbildgebung des Gehirns mit Single-Shot-EPI. Magnetresonanz in der Medizin, 19 (8), 1125–1128. Google Scholar 
  139. Smith, SM, Fox, PT, Miller, KL, Glahn, DC, Fox, PM, Mackay, CE, & Beckmann, CF (2009). Korrespondenz der funktionellen Architektur des Gehirns während Aktivierung und Ruhe. Proceedings of the National Academy of Sciences of the United States of America, 106(31), 13040–13045. CrossRef  Google Scholar 
  140. Smith, SM, Jenkinson, M., Johansen-Berg, H., Rückert, D., Nichols, TE, Mackay, CE, & Behrens, TE (2006). Traktbasierte räumliche Statistik: Voxelweise Analyse von Multi-Subjekt-Diffusionsdaten. Neuroimage, 31(4), 1487–1505. CrossRef  Google Scholar  PubMed 
  141. Smith, SM, Miller, KL, Salimi-Khorshidi, G., Webster, M., Beckmann, CF, Nichols, TE, & Woolrich, MW (2011). Netzwerkmodellierungsmethoden für FMRI. Neuroimage, 54(2), 875–891. CrossRef  Google Scholar 
  142. Song, SK, Sun, SW, Ju, WK, Lin, SJ, Cross, AH, & Neufeld, AH (2003). Die Diffusions-Tensor-Bildgebung erkennt und differenziert die Axon- und Myelin-Degeneration im Sehnerv der Maus nach retinaler Ischämie. Neuroimage, 20(3), 1714–1722. CrossRef  Google Scholar  PubMed 
  143. Sporns, O. (2012). Die Entdeckung des menschlichen Konnektoms. Cambridge, MA: MIT Press. Google Scholar 
  144. Sporns, O., Tononi, G., & Kötter, R. (2005). Das menschliche Konnektom: Eine strukturelle Beschreibung des menschlichen Gehirns. PLoS Computational Biology, 1(4), e42. CrossRef  Google Scholar  PubMed 
  145. Srinivasan, R., Winter, WR, Ding, J., & Nunez, PL (2007). EEG- und MEG-Kohärenz: Maße der funktionellen Konnektivität auf unterschiedlichen räumlichen Skalen der neokortikalen Dynamik. Journal of Neuroscience Methods, 166(1), 41–52. CrossRef  Google Scholar  PubMed 
  146. Stamm, CJ (2004). Funktionelle Konnektivitätsmuster menschlicher magnetoenzephalografischer Aufzeichnungen: Ein „Kleinwelt“-Netzwerk? Neuroscience Letters, 355 (1–2), 25–28. CrossRef  Google Scholar  PubMed 
  147. Stamm, CJ (2014). Moderne Netzwerkwissenschaft neurologischer Erkrankungen. [Überprüfung]. Nature Reviews Neuroscience, 15(10), 683. CrossRef  Google Scholar 
  148. Stam, CJ, Jones, BF, Nolte, G., Breakspear, M., & Scheltens, P. (2007). Small-World-Netzwerke und funktionale Konnektivität bei der Alzheimer-Krankheit. Großhirnrinde, 17(1), 92–99. CrossRef  Google Scholar  PubMed 
  149. Stanisz, GJ, Szafer, A., Wright, GA, & Henkelman, RM (1997). Ein analytisches Modell der eingeschränkten Diffusion im Sehnerv von Rindern. Magnetresonanz in der Medizin, 37 (1), 103–111. CrossRef  Google Scholar 
  150. Stein, JV (2004). Unabhängige Komponentenanalyse: Eine Tutorial-Einführung. Cambridge, MA: MIT-Presse. Google Scholar 
  151. Strother, SC, Anderson, JR, Schaper, KA, Sidtis, JJ, Liow, JS, Woods, RP, & Rottenberg, DA (1995). Hauptkomponentenanalyse und das skalierte Teilprofilmodell im Vergleich zu interindividueller Mittelung und statistischem parametrischem Mapping: I. „Funktionale Konnektivität“ des menschlichen motorischen Systems, untersucht mit [15O]Wasser-PET. Journal of Cerebral Blood Flow & Metabolism, 15(5), 738–753. CrossRef  Google Scholar 
  152. Thirion, B., Varoquaux, G., Dohmatob, E., & Poline, J.-B. (2014). Welches fMRT-Clustering ergibt gute Gehirnparzellierungen? [Originalforschung]. Grenzen in der Neurowissenschaft, 8, 167. CrossRef  Google Scholar 
  153. Tournier, JD, Mori, S., & Leemans, A. (2011). Diffusion Tensor Imaging und darüber hinaus. Magnetresonanz in der Medizin, 65 (6), 1532–1556. CrossRef  Google Scholar  PubMed 
  154. van den Heuvel, MP, & Sporns, O. (2011). Rich-Club-Organisation des menschlichen Konnektoms. The Journal of Neuroscience, 31(44), 15775–15786. CrossRef  Google Scholar  PubMed 
  155. van den Heuvel, MP, & Sporns, O. (2013). Netzwerkknotenpunkte im menschlichen Gehirn. Trends in den Kognitionswissenschaften, 17 (12), 683–696. CrossRef  Google Scholar  PubMed 
  156. Van Dijk, KR, Hedden, T., Venkataraman, A., Evans, KC, Lazar, SW, & Buckner, RL (2010). Intrinsische funktionale Konnektivität als Werkzeug für die menschliche Konnektomik: Theorie, Eigenschaften und Optimierung. Zeitschrift für Neurophysiologie, 103, 297–321. CrossRef  Google Scholar 
  157. Varela, F., Lachaux, JP, Rodriguez, E., & Martinerie, J. (2001). Das Brainweb: Phasensynchronisation und großflächige Integration. Natur Bewertungen. Neurowissenschaften, 2(4), 229–239. CrossRef  Google Scholar  PubMed 
  158. Vern, BA, Schuette, WH, Leheta, B., Juel, VC, & Radulovacki, M. (1988). Niederfrequente Oszillationen des kortikalen oxidativen Stoffwechsels im Wach- und Schlafzustand. Journal of Cerebral Blood Flow & Metabolism, 8(2), 215–226. CrossRef  Google Scholar  PubMed 
  159. Wang, Y., Wang, Q., Haldar, JP, Yeh, FC, Xie, M., Sun, P., & Song, SK (2011). Quantifizierung der erhöhten Zellularität während der entzündlichen Demyelinisierung. Gehirn, 134 (Teil 12), 3590–3601. CrossRef  Google Scholar  PubMed 
  160. Watts, DJ, & Strogatz, SH (1998). Kollektive Dynamik von /„Small-World/“-Netzwerken. Natur, 393 (6684), 440–442. CrossRef  Google Scholar  PubMed 
  161. Wheeler-Kingshott, CA, & Cercignani, M. (2009). Über „axiale“ und „radiale“ Diffusionsgrade. Magnetresonanz in der Medizin, 61 (5), 1255–1260. CrossRef  Google Scholar  PubMed 
  162. Yaesoubi, M., Miller, RL, & Calhoun, VD (2015). Zeitlich voneinander unabhängige Konnektivitätsmuster: Ein neuer Rahmen zur Untersuchung der Dynamik der Gehirnkonnektivität im Ruhezustand mit Anwendung zur Erklärung von Gruppenunterschieden basierend auf dem Geschlecht. Neuroimage, 107, 85–94. CrossRef  Google Scholar  PubMed 
  163. Yang, H., Long, XY, Yang, Y., Yan, H., Zhu, CZ, Zhou, XP, & Gong, Q, Y. (2007). Amplitude der niederfrequenten Schwankungen innerhalb der visuellen Bereiche, die durch funktionelle MRT im Ruhezustand festgestellt wurden. Neuroimage, 36(1), 144–152. CrossRef  Google Scholar  PubMed 
  164. Yendiki, A., Koldewyn, K., Kakunoori, S., Kanwisher, N., & Fischl, B. (2013). Unechte Gruppenunterschiede aufgrund von Kopfbewegungen in einer Diffusions-MRT-Studie. Neuroimage, 88C, 79–90. Google Scholar 
  165. Yendiki, A., Panneck, P., Srinivasan, P., Stevens, A., Zollei, L., Augustinack, J., & Fischl, B. (2011). Automatisierte probabilistische Rekonstruktion von Pfaden der weißen Substanz bei Gesundheit und Krankheit unter Verwendung eines Atlas der zugrunde liegenden Anatomie. Grenzen in der Neuroinformatik, 5, 23. CrossRef  Google Scholar 
  166. Zang, Y., Jiang, T., Lu, Y., He, Y., & Tian, ​​L. (2004). Regionaler Homogenitätsansatz für die fMRI-Datenanalyse. Neuroimage, 22(1), 394–400. CrossRef  Google Scholar  PubMed 
Traumatische Hirnverletzung als Störung der Gehirnkonnektivität
Autor (en)
  • Jasmeet P. Hayes | National Center for PTSD, VA Boston Healthcare System, Boston, Massachusetts, Abteilung für Psychiatrie, Boston University School of Medicine, Boston, Massachusetts, Neuroimaging Research for Veterans Center, VA Boston Healthcare System, Boston, Massachusetts
  • Erin D. Bigler | Institut für Psychologie, Brigham-Young-Universität, Provo, Utah, Zentrum für Neurowissenschaften, Brigham-Young-Universität, Provo, Utah, Institut für Psychiatrie, Universität von Utah, Salt Lake City, Utah
  • Mieke Verfaellie | Abteilung für Psychiatrie, Boston University School of Medicine, Boston, Massachusetts, Forschungszentrum für Gedächtnisstörungen, VA Boston Healthcare System, Boston, Massachusetts

Korrespondenz
E-Mail-Adresse | jphayes@bu.edu

Angaben
Hier sind keine finanziellen Offenlegungen oder Interessenkonflikte für einen der Autoren zu melden.

Abstrakt
Lernziele:

Jüngste Fortschritte bei Neuroimaging-Methoden, die empfindlich auf axonale Verletzungen reagieren, haben es möglich gemacht, das Ausmaß einer traumatischen Hirnverletzung (TBI) im Zusammenhang mit Störungen in neuralen Strukturen und ihren Verbindungen in vivo zu beurteilen. Das Ziel dieses Papiers ist es, Studien zu überprüfen, die die Konnektivität bei TBI mit Schwerpunkt auf strukturellen und funktionellen MRT-Methoden untersuchen, die sich als wertvoll bei der Aufdeckung neuraler Anomalien im Zusammenhang mit dieser Erkrankung erwiesen haben.

Methoden:

Wir überprüfen Studien, die die Integrität der weißen Substanz bei TBI unterschiedlicher Ätiologie und Schweregrade untersucht haben, und überlegen, wie Befunde zu verschiedenen Zeitpunkten nach einer Verletzung die zugrunde liegenden Mechanismen der Progression und Genesung nach einer Verletzung informieren können. Darüber hinaus überprüfen wir angesichts der jüngsten Fortschritte bei Neuroimaging-Methoden zur Untersuchung der funktionellen Konnektivität zwischen Gehirnregionen, die integrierte Netzwerke bilden, TBI-Studien, die die MRT-Methodik der funktionellen Konnektivität im Ruhezustand verwenden, um neuronale Netzwerke zu untersuchen, die durch mutmaßliche axonale Verletzungen gestört wurden.

Ergebnisse:

Die Ergebnisse legen nahe, dass TBI mit einer veränderten strukturellen und funktionellen Konnektivität verbunden ist, die durch eine verminderte Integrität der Bahnen der weißen Substanz und ein Ungleichgewicht und eine Ineffizienz funktioneller Netzwerke gekennzeichnet ist. Diese strukturellen und funktionellen Veränderungen sind oft mit neurokognitiven Dysfunktionen und schlechten funktionellen Ergebnissen verbunden.

Schlussfolgerungen:

TBI hat einen negativen Einfluss auf verteilte Gehirnnetzwerke, die zu Verhaltensstörungen führen. (JINS, 2016,22, 120-137)

Literaturverzeichnis
  1. Adams, JH, Doyle, D., Ford, I., Gennarelli, TA, Graham, DI, & McLellan, DR (1989). Diffuse Axonverletzung bei Kopfverletzung: Definition, Diagnose und Einstufung. Histopathologie, 15, 49–59. CrossRef  Google Scholar  PubMed 
  2. Aoki, Y., Inokuchi, R., Gunshin, M., Yahagi, N., & Suwa, H. (2012). Diffusions-Tensor-Bildgebungsstudien bei leichten traumatischen Hirnverletzungen: Eine Metaanalyse. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 83, 870–876. CrossRef  Google Scholar  PubMed 
  3. Arenivas, A., Diaz-Arrastia, R., Spence, J., Cullum, C., Krishnan, K., Bosworth, C., & Marquez de la Plata, C. (2014). Drei Ansätze zur Untersuchung der funktionellen Beeinträchtigung des Standardmodusnetzwerks nach traumatischer axonaler Verletzung. Bildgebung und Verhalten des Gehirns, 8, 407–419. CrossRef  Google Scholar  PubMed 
  4. Arfanakis, K., Haughton, VM, Carew, JD, Rogers, BP, Dempsey, RJ, & Meyerand, ME (2002). Diffusions-Tensor-MR-Bildgebung bei diffuser axonaler Verletzung. AJNR: American Journal of Neuroradiology, 23, 794–802. Google Scholar 
  5. Arnemann, KL, Chen, AJW, Novakovic-Agopian, T., Gratton, C., Nomura, EM, & D'Esposito, M. (2015). Die Modularität des funktionellen Gehirnnetzwerks sagt die Reaktion auf kognitives Training nach einer Hirnverletzung voraus. Neurologie, 84, 1568–1574. CrossRef  Google Scholar  PubMed 
  6. Ashwal, S., Tong, KA, Ghosh, N., Bartnik-Olson, B., & Holshouser, BA (2014). Anwendung fortschrittlicher Neuroimaging-Modalitäten bei pädiatrischen traumatischen Hirnverletzungen. Zeitschrift für Kinderneurologie, 29, 1704–1717. CrossRef  Google Scholar  PubMed 
  7. Bazarian, JJ, Donnelly, K., Peterson, DR, Warner, GC, Zhu, T., & Zhong, J. (2013). Die Beziehung zwischen posttraumatischer Belastungsstörung und leichter traumatischer Hirnverletzung, die während der Operationen Enduring Freedom und Iraqi Freedom erworben wurde. Journal of Head Trauma Rehabilitation, 28, 1–12. CrossRef  Google Scholar 
  8. Bazarian, JJ, Zhong, J., Blyth, B., Zhu, T., Kavcic, V., & Peterson, D. (2007). Die Diffusions-Tensor-Bildgebung erkennt klinisch bedeutsame axonale Schäden nach leichten traumatischen Hirnverletzungen: Eine Pilotstudie. Zeitschrift für Neurotrauma, 24, 1447–1459. CrossRef  Google Scholar  PubMed 
  9. Bazarian, JJ, Zhu, T., Blyth, B., Borrino, A., & Zhong, J. (2012). Subjektspezifische Veränderungen der weißen Substanz des Gehirns bei der Diffusions-Tensor-Bildgebung nach sportbedingter Gehirnerschütterung. Magnetresonanztomographie, 30, 171–180. CrossRef  Google Scholar  PubMed 
  10. Begonia, M., Prabhu, R., Liao, J., Whittington, W., Claude, A., Willeford, B., Wardlaw, J., &... Williams, L. (2014). Quantitative Analyse der Mikrostruktur des Gehirns nach einem leichten stumpfen und Knalltrauma. Zeitschrift für Biomechanik, 47 (15), 3704–3711. CrossRef  Google Scholar  PubMed 
  11. Bendlin, BB, Ries, ML, Lazar, M., Alexander, AL, Dempsey, RJ, Rowley, HA, & Johnson, SC (2008). Längsveränderungen bei Patienten mit Schädel-Hirn-Trauma, bewertet mit Diffusions-Tensor- und volumetrischer Bildgebung. Neuroimage, 42, 503–514. CrossRef  Google Scholar  PubMed 
  12. Bigler, ED (2001). Die Läsion (en) bei traumatischen Hirnverletzungen: Implikationen für die klinische Neuropsychologie. Archives of Clinical Neuropsychology, 16, 95–131. CrossRef  Google Scholar  PubMed 
  13. Bigler, ED (2013a). Neuroinflammation und die dynamische Läsion bei traumatischen Hirnverletzungen. Gehirn, 136, 9–11. CrossRef  Google Scholar 
  14. Bigler, ED (2013b). Schädel-Hirn-Trauma, Neuroimaging und Neurodegeneration. Frontiers in Human Neuroscience, 7, 395. CrossRef  Google Scholar  PubMed 
  15. Bigler, ED, Abildskov, TJ, Wilde, EA, McCauley, SR, Li, X., Merkley, TL, & Levin, HS (2010). Diffuser Schaden bei pädiatrischer traumatischer Hirnverletzung: Ein Vergleich automatisierter versus bedienergesteuerter Quantifizierungsmethoden. Neuroimage, 50, 1017–1026. CrossRef  Google Scholar  PubMed 
  16. Bigler, ED, & Maxwell, WL (2012). Neuropathologie der leichten traumatischen Hirnverletzung: Beziehung zu den Befunden der Neuroimaging. Bildgebung und Verhalten des Gehirns, 6, 108–136. CrossRef  Google Scholar  PubMed 
  17. Blumbergs, PC, Scott, G., Vis, JM, Wainwright, H., Simpson, DA, & McLean, AJ (1995). Topographie der axonalen Verletzung, definiert durch das Amyloid-Vorläuferprotein und die Sektor-Scoring-Methode bei leichter und schwerer geschlossener Kopfverletzung. Zeitschrift für Neurotrauma, 12 (4), 565–572. CrossRef  Google Scholar  PubMed 
  18. Bonelle, V., Ham, T., Leech, R., Kinnunen, K., Mehta, M., Greenwood, R., & Sharp, D. (2012). Die Integrität des Salience-Netzwerks sagt die Netzwerkfunktion im Standardmodus nach einer traumatischen Hirnverletzung voraus. Proceedings of the National Academy of Sciences of the United States of America, 109, 4690–4695. CrossRef  Google Scholar 
  19. Bonelle, V., Leech, R., MKinnunen, K., Ham, T., Beckmann, C., De Boissezon, X., & Sharp, D. (2011). Die Netzwerkkonnektivität im Standardmodus sagt anhaltende Aufmerksamkeitsdefizite nach einer traumatischen Hirnverletzung voraus. Das Journal of Neuroscience, 31, 13442–13451. CrossRef  Google Scholar 
  20. Bouix, S., Pasternak, O., Rathi, Y., Pelavin, PE, Zafonte, R., & Shenton, ME (2013). Erhöhte Diffusionsanisotropie der grauen Substanz bei Patienten mit anhaltenden postkonkussiven Symptomen nach leichten traumatischen Hirnverletzungen. PLoS One, 8(6), e66205. CrossRef  Google Scholar  PubMed 
  21. Bramlett, HM, & Dietrich, WD (im Druck). Langzeitfolgen eines Schädel-Hirn-Traumas: Aktueller Stand möglicher Verletzungsmechanismen und neurologischer Folgen. Zeitschrift für Neurotrauma. doi: 10.1089/neu.2014.3352. Google Scholar  PubMed 
  22. Caeyenberghs, K., Leemans, A., Geurts, M., Taymans, T., Vander Linden, C., Smits-Engelsman, BCM, & Swinnen, SP (2010). Beziehungen zwischen Gehirn und Verhalten bei jungen Patienten mit traumatischen Hirnverletzungen: Messungen der fraktionierten Anisotropie korrelieren stark mit der dynamischen visuomotorischen Tracking-Leistung. Neuropsychologia, 48(5), 1472–1482. CrossRef  Google Scholar  PubMed 
  23. Caeyenberghs, K., Leemans, A., Heitger, MH, Leunissen, I., Dhollander, T., Sunaert, S., & Swinnen, SP (2012). Graphische Analyse funktioneller Gehirnnetzwerke zur kognitiven Steuerung von Handlungen bei traumatischen Hirnverletzungen. Gehirn, 135 (4), 1293–1307. CrossRef  Google Scholar  PubMed 
  24. Catani, M. (2005). Der Aufstieg und Fall von Trennungssyndromen. Gehirn, 128 (10), 2224–2239. CrossRef  Google Scholar  PubMed 
  25. Catani, M., Dell'Acqua, F., & Thiebaut de Schotten, M. (2013). Ein überarbeitetes Modell des limbischen Systems für Gedächtnis, Emotion und Verhalten. Neuroscience & Biobehavioral Reviews, 37, 1724–1737. CrossRef  Google Scholar  PubMed 
  26. Catani, M., & Thiebaut de Schotten, M. (2008). Ein Diffusions-Tensor-Imaging-Traktographie-Atlas für virtuelle In-vivo-Dissektionen. Kortex, 44, 1105–1132. CrossRef  Google Scholar  PubMed 
  27. Choudhri, AF, Chin, EM, Blitz, AM, & Gandhi, D. (2014). Diffusion Tensor Imaging der zerebralen weißen Substanz. Radiologische Kliniken Nordamerikas, 52, 413–425. CrossRef  Google Scholar  PubMed 
  28. Cole, DM, Smith, SM, & Beckmann, CF (2010). Fortschritte und Fallstricke bei der Analyse und Interpretation von FMRI-Daten im Ruhezustand. Grenzen in den Systemneurowissenschaften, 4, 8. Google Scholar  PubMed 
  29. Corbetta, M. (2012). Funktionelle Konnektivität und neurologische Erholung. Entwicklungspsychobiologie, 54, 239–253. CrossRef  Google Scholar 
  30. Costanzo, ME, Chou, Y.-Y., Leaman, S., Pham, DL, Keyser, D., Nathan, DE, & Roy, MJ (2014). Verbindung von kampfbedingten leichten traumatischen Hirnverletzungen mit Symptomen einer posttraumatischen Belastungsstörung durch Bildgebung des Gehirns. Neuroscience Letters, 577, 11–15. CrossRef  Google Scholar  PubMed 
  31. Davenport, ND, Lim, KO, Armstrong, MT, & Sponheim, SR (2012). Diffuse und räumlich variable Störungen der weißen Substanz sind mit einer leichten traumatischen Hirnverletzung im Zusammenhang mit einer Explosion verbunden. Neuroimage, 59, 2017–2024. CrossRef  Google Scholar  PubMed 
  32. Davenport, ND, Lim, KO, & Sponheim, SR (2015). Anomalien der weißen Substanz im Zusammenhang mit militärischer PTBS im Kontext von Blasten-TBI. Kartierung des menschlichen Gehirns, 36 (3), 1053–1064. CrossRef  Google Scholar  PubMed 
  33. Fagerholm, ED, Hellyer, PJ, Scott, G., Leech, R., & Sharp, DJ (2015). Trennung von Netzwerk-Hubs und kognitive Beeinträchtigung nach traumatischer Hirnverletzung. Gehirn, 138(6), 1696–1709. CrossRef  Google Scholar  PubMed 
  34. Fachran, S., Yaeger, K., & Alhilali, L. (2013). Symptomatische Veränderungen der weißen Substanz bei leichten traumatischen Hirnverletzungen ähneln pathologischen Merkmalen einer frühen Alzheimer-Demenz. Radiologie, 269, 249–257. CrossRef  Google Scholar  PubMed 
  35. Farbota, KD, Bendlin, BB, Alexander, AL, Rowley, HA, Dempsey, RJ, & Johnson, SC (2012). Longitudinale Diffusions-Tensor-Bildgebung und neuropsychologische Korrelate bei Patienten mit Schädel-Hirn-Trauma. Grenzen in der menschlichen Neurowissenschaft, 6, 160. CrossRef  Google Scholar  PubMed 
  36. Gale, SD, Johnson, SC, Bigler, ED, & Blatter, DD (1995). Unspezifische Degeneration der weißen Substanz nach traumatischer Hirnverletzung. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 1(1), 17–28. CrossRef  Google Scholar  PubMed 
  37. Gardner, A., Kay-Lambkin, F., Stanwell, P., Donnelly, J., Williams, WH, Hiles, A., & Jones, DK (2012). Eine systematische Überprüfung der Ergebnisse der Diffusions-Tensor-Bildgebung bei sportbedingter Gehirnerschütterung. Zeitschrift für Neurotrauma, 29, 2521–2538. CrossRef  Google Scholar  PubMed 
  38. Geary, EK, Kraus, MF, Pliskin, NH, & Little, DM (2010). Verbale Lernunterschiede bei chronischen leichten traumatischen Hirnverletzungen. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 16, 506. CrossRef  Google Scholar 
  39. Gentry, LR, Thompson, B., & Godersky, JC (1988). Trauma des Corpus Callosum: MR-Merkmale. AJNR: American Journal of Neuroradiology, 9(6), 1129–1138. Google Scholar  PubMed 
  40. Geschwind, N. (1965). Diskonnektionssyndrome bei Tieren und Menschen. Gehirn, 88(3), 585–585. CrossRef  Google Scholar  PubMed 
  41. Goetz, P., Blamire, A., Rajagopalan, B., Cadoux-Hudson, T., Young, D., & Styles, P. (2004). Die Zunahme des scheinbaren Diffusionskoeffizienten in normal erscheinender weißer Substanz nach einer traumatischen Hirnverletzung beim Menschen korreliert mit der Schwere der Verletzung. Zeitschrift für Neurotrauma, 21, 645–654. CrossRef  Google Scholar  PubMed 
  42. Greenberg, G., Mikulis, DJ, Ng, K., DeSouza, D., & Green, RE (2008). Verwendung der Diffusions-Tensor-Bildgebung zur Untersuchung des subakuten Fortschreitens der Verletzung der weißen Substanz bei mittelschweren bis schweren traumatischen Hirnverletzungen. Archiv für Physikalische Medizin und Rehabilitation, 89, S45–S50. CrossRef  Google Scholar  PubMed 
  43. Grossman, EJ, Jensen, JH, Babb, JS, Chen, Q., Tabesh, A., Fieremans, E., & Grossman, RI (2013). Kognitive Beeinträchtigung bei leichter traumatischer Hirnverletzung: Eine longitudinale Diffusionskurtose- und Perfusionsbildgebungsstudie. AJNR: American Journal of Neuroradiology, 34, 951–957. CrossRef  Google Scholar  PubMed 
  44. Håberg, A., Olsen, A., Moen, K., Schirmer-Mikalsen, K., Visser, E., Finnanger, T., & Eikenes, L. (2015). Mikrostruktur der weißen Substanz bei chronischem mittelschwerem bis schwerem Schädel-Hirn-Trauma: Einfluss von verletzungsbezogenen Variablen in der akuten Phase und Assoziationen mit Ergebnismessungen. Journal of Neuroscience Research, 93, 1109–1126. CrossRef  Google Scholar 
  45. Ham, TE, Bonnelle, V., Hellyer, P., Jilka, S., Robertson, IH, Leech, R., & Sharp, DJ (2014). Die neuralen Grundlagen der beeinträchtigten Selbstwahrnehmung nach traumatischer Hirnverletzung. Gehirn, 137(2), 586–597. CrossRef  Google Scholar  PubMed 
  46. Han, K., Mac Donald, C., Johnson, A., Barnes, Y., Wierzechowski, L., Zonies, D., & Brody, D. (2014). Gestörte modulare Organisation der kortikalen funktionellen Konnektivität im Ruhezustand bei US-Militärangehörigen nach einer erschütterungsbedingten „leichten“ traumatischen Hirnverletzung im Zusammenhang mit einer Explosion. Neuroimage, 84, 76–96. CrossRef  Google Scholar  PubMed 
  47. Hartikainen, KM, Wäljas, M., Isoviita, T., Dastidar, P., Liimatainen, S., Solbakk, A.-K., & Öhman, J. (2010). Anhaltende Symptome bei leichten bis mittelschweren traumatischen Hirnverletzungen in Verbindung mit exekutiver Dysfunktion. Zeitschrift für klinische und experimentelle Neuropsychologie, 32, 767–774. CrossRef  Google Scholar  PubMed 
  48. Hayes, JP, Miller, DR, Lafleche, G., Salat, DH, & Verfaellie, M. (2015). Die Natur von Anomalien der weißen Substanz bei durch Explosionen verursachten leichten traumatischen Hirnverletzungen. Neuroimage: Klinisch, 8, 148–156. CrossRef  Google Scholar  PubMed 
  49. Hayes, JP, Morey, RA, & Tupler, LA (2012). Ein Fall von frontalen neuropsychologischen und bildgebenden Anzeichen nach multipler Primärblasten-Exposition. Neurocase, 18, 258–269. CrossRef  Google Scholar  PubMed 
  50. Hellyer, PJ, Leech, R., Ham, TE, Bonnelle, V., & Sharp, DJ (2013). Individuelle Vorhersage der Verletzung der weißen Substanz nach traumatischer Hirnverletzung: Multivariate Analyse der weißen Substanz nach SHT. Annalen der Neurologie, 73, 489–499. CrossRef  Google Scholar 
  51. Hellyer, PJ, Scott, G., Shanahan, M., Sharp, DJ, & Leech, R. (2015). Die kognitive Flexibilität durch metastabile neuronale Dynamik wird durch Schäden am strukturellen Connectom gestört. The Journal of Neuroscience, 35(24), 9050–9063. CrossRef  Google Scholar  PubMed 
  52. Henry, LC, Tremblay, J., Tremblay, S., Lee, A., Brun, C., Lepore, N., & Lassonde, M. (2011). Akute und chronische Veränderungen der Diffusivitätsmaße nach Sport-Gehirnerschütterung. Zeitschrift für Neurotrauma, 28, 2049–2059. CrossRef  Google Scholar  PubMed 
  53. Hillary, F., Rajtmajer, S., Roman, C., Medaglia, J., Slocomb-Dluzen, J., Calhoun, V., & Wylie, G. (2014). Die Reichen werden reicher: Hirnverletzungen lösen Hyperkonnektivität in Kern-Subnetzwerken aus. PLoS Eins, 9, 1–15. CrossRef  Google Scholar  PubMed 
  54. Hillary, F., Roman, C., Venkatesan, U., & Rajtmajer, S. (2015). Hyperkonnektivität ist eine grundlegende Reaktion auf neurologische Störungen. Neuropsychologie, 29, 59–75. CrossRef  Google Scholar  PubMed 
  55. Hillary, F., Slocomb, J., Hills, E., Fitzpatrick, N., Medaglia, J., Wang, J., & Wylie, G. (2011). Veränderungen in der Konnektivität im Ruhezustand während der Genesung nach einer schweren traumatischen Hirnverletzung. Internationale Zeitschrift für Psychophysiologie, 82, 115–123. CrossRef  Google Scholar  PubMed 
  56. Hou, DJ, Tong, KA, Ashwal, S., Oyoyo, U., Joo, E., Shutter, L. & Obenaus, A. (2007). Diffusionsgewichtete Magnetresonanztomographie verbessert die Ergebnisvorhersage bei traumatischen Hirnverletzungen bei Erwachsenen. Zeitschrift für Neurotrauma, 24, 1558–1569. CrossRef  Google Scholar  PubMed 
  57. Huisman, TA, Schwamm, LH, Schaefer, PW, Koroshetz, WJ, Shetty-Alva, N., Ozsunar, Y., & Sorensen, AG (2004). Diffusions-Tensor-Bildgebung als potenzieller Biomarker für Verletzungen der weißen Substanz bei diffusen axonalen Verletzungen. AJNR: American Journal of Neuroradiology, 25(3), 370–376. Google Scholar  PubMed 
  58. Hulkower, MB, Poliak, DB, Rosenbaum, SB, Zimmermann, ME, & Lipton, ML (2013). Ein Jahrzehnt DTI bei Schädel-Hirn-Trauma: 10 Jahre und 100 Artikel später. AJNR: American Journal of Neuroradiology, 34, 2064–2074. CrossRef  Google Scholar  PubMed 
  59. Ilvesmaki, T., Luoto, TM, Hakulinen, U., Brander, A., Ryymin, P., Eskola, H., & Ohman, J. (2014). Eine akute leichte traumatische Hirnverletzung ist nicht mit einer Veränderung der weißen Substanz in der Diffusions-Tensor-Bildgebung verbunden. Gehirn, 137, 1876–1882. CrossRef  Google Scholar 
  60. Inglese, M., Makani, S., Johnson, G., Cohen, BA, Silver, JA, Gonen, O., & Grossman, RI (2005). Diffuse axonale Verletzung bei leichter traumatischer Hirnverletzung: Eine Diffusions-Tensor-Bildgebungsstudie. Zeitschrift für Neurochirurgie, 103, 298–303. CrossRef  Google Scholar  PubMed 
  61. Irimia, A., Chambers, MC, Torgerson, CM, Filippou, M., Hovda, DA, Alger, JR, & Kikinis, R. (2012). Patientenspezifische Connectomics-Visualisierung zur Beurteilung der Atrophie der weißen Substanz bei traumatischen Hirnverletzungen. Grenzen in der Neurologie, 3, 10. CrossRef  Google Scholar  PubMed 
  62. Irimia, A., Goh, S.-Y., Torgerson, C., Vespa, P., & Van Horn, J. (2014). Strukturelle und konnektomische Neuroimaging für die personalisierte Untersuchung von Längsveränderungen in kortikaler Form, Dicke und Konnektivität nach traumatischer Hirnverletzung. Journal of Neurosurgical Sciences, 58(3), 129. Google Scholar  PubMed 
  63. Jilka, S., Scott, G., Ham, T., Pickering, A., Bonelle, V., Braga, R., & Sharp, D. (2014). Beschädigung des Salienznetzwerks und Wechselwirkungen mit dem Standardmodusnetzwerk. Das Journal of Neuroscience, 34, 10798–10807. CrossRef  Google Scholar  PubMed 
  64. Johnson, B., Zhang, K., Gay, M., Horovitz, S., Hallett, M., Sebastianelli, W., & Slobounov, S. (2012). Veränderung des Gehirnausfallnetzwerks in der subakuten Phase der Verletzung bei Personen mit Gehirnerschütterung: fMRI-Studie im Ruhezustand. Neuroimage, 59, 511–518. CrossRef  Google Scholar  PubMed 
  65. Johnson, VE, Stewart, JE, Begbie, FD, Trojanowski, JQ, Smith, DH, & Stewart, W. (2013). Entzündung und Degeneration der weißen Substanz bestehen jahrelang nach einer einzelnen traumatischen Hirnverletzung. Gehirn, 136, 28–42. CrossRef  Google Scholar  PubMed 
  66. Jones, D. (2008). Untersuchung von Zusammenhängen im lebenden menschlichen Gehirn mit Diffusions-MRT. Kortex, 44, 936–952. CrossRef  Google Scholar  PubMed 
  67. Jones, DK, & Cercignani, M. (2010). Fünfundzwanzig Fallstricke bei der Analyse von Diffusions‐MRT‐Daten. NMR in Biomedicine, 23(7), 803–820. CrossRef  Google Scholar  PubMed 
  68. Jorge, RE, Acion, L., White, T., Tordesillas-Gutierrez, D., Pierson, R., Crespo-Facorro, B., & Magnotta, VA (2012). Anomalien der weißen Substanz bei Veteranen mit leichten traumatischen Hirnverletzungen. Amerikanische Zeitschrift für Psychiatrie, 169, 1284–1291. CrossRef  Google Scholar  PubMed 
  69. Kennedy, MRT, Wozniak, JR, Muetzel, RL, Mueller, BA, Chiou, H.-H., Pantekoek, K., & Lim, KO (2009). Weiße Substanz und neurokognitive Veränderungen bei Erwachsenen mit chronischem Schädel-Hirn-Trauma. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 15, 130–136. CrossRef  Google Scholar  PubMed 
  70. Kim, N., Branch, CA, Kim, M., & Lipton, ML (2013). Ganzhirnansätze zur Identifizierung mikrostruktureller Anomalien bei einzelnen Patienten: Vergleich von Techniken, die bei leichten traumatischen Hirnverletzungen angewendet werden. PLoS Eins, 8, e59382. CrossRef  Google Scholar  PubMed 
  71. Kinnunen, KM, Greenwood, R., Powell, JH, Leech, R., Hawkins, PC, Bonnelle, V., & Sharp, DJ (2011). Schädigung der weißen Substanz und kognitive Beeinträchtigung nach traumatischer Hirnverletzung. Gehirn, 134, 449–463. CrossRef  Google Scholar  PubMed 
  72. Koerte, IK, Ertl-Wagner, B., Reiser, M., Zafonte, R., & Shenton, ME (2012). Integrität der weißen Substanz im Gehirn von Profifußballern ohne symptomatische Gehirnerschütterung. Zeitschrift der American Medical Association, 308(18), 1859–1861. CrossRef  Google Scholar  PubMed 
  73. Koerte, IK, Kaufmann, D., Hartl, E., Bouix, S., Pasternak, O., Kubicki, M. & Shenton, ME (2012). Eine prospektive Studie über ärztlich beobachtete Gehirnerschütterungen während einer Hockeysaison an einer Universität: Integrität der weißen Substanz bei Eishockeyspielern. Teil 3 von 4. Neurochirurgischer Fokus, 33, E3. CrossRef  Google Scholar  PubMed 
  74. Kraus, MF, Susmaras, T., Caughlin, BP, Walker, CJ, Sweeney, JA, & Little, DM (2007). Integrität und Kognition der weißen Substanz bei chronischer traumatischer Hirnverletzung: Eine Diffusions-Tensor-Bildgebungsstudie. Gehirn, 130, 2508–2519. CrossRef  Google Scholar  PubMed 
  75. Kumar, R., Saksena, S., Husain, M., Srivastava, A., Rathore, RK, Agarwal, S., & Gupta, RK (2010). Serielle Änderungen der Diffusions-Tensor-Bildgebungsmetriken des Corpus Callosum bei Patienten mit mittelschwerem Schädel-Hirn-Trauma und ihre Korrelation mit neuropsychometrischen Tests: Eine 2-Jahres-Follow-up-Studie. Journal of Head Trauma Rehabilitation, 25, 31–42. CrossRef  Google Scholar  PubMed 
  76. Lange, RT, Iverson, GL, Brubacher, JR, Mädler, B., & Heran, MK (2012). Die Befunde der Diffusions-Tensor-Bildgebung sind nicht stark mit einer postkonkussionalen Störung 2 Monate nach einer leichten traumatischen Hirnverletzung assoziiert. Journal of Head Trauma Rehabilitation, 27(3), 188–198. CrossRef  Google Scholar 
  77. Lange, RT, Panenka, WJ, Shewchuk, JR, Heran, MKS, Brubacher, JR, Bioux, S., & Iverson, GL (2015). Befunde der Diffusions-Tensor-Bildgebung und Symptomberichte nach einer Gehirnerschütterung sechs Wochen nach einer leichten traumatischen Hirnverletzung. Archives of Clinical Neuropsychology, 30(1), 7–25. CrossRef  Google Scholar  PubMed 
  78. Levin, HS, Wilde, E., Troyanskaya, M., Petersen, NJ, Scheibel, R., Newsome, M., & Li, X. (2010). Diffusions-Tensor-Bildgebung von leichten bis mittelschweren explosionsbedingten traumatischen Hirnverletzungen und ihren Folgen. Zeitschrift für Neurotrauma, 27, 683–694. CrossRef  Google Scholar  PubMed 
  79. Ling, JM, Pena, A., Yeo, RA, Merideth, FL, Klimaj, S., Gasparovic, C., & Mayer, AR (2012). Biomarker erhöhter Diffusionsanisotropie bei halbakuten leichten traumatischen Hirnverletzungen: Eine Längsschnittperspektive. Gehirn, 135, 1281–1292. CrossRef  Google Scholar  PubMed 
  80. Lipton, ML, Gellella, E., Lo, C., Gold, T., Ardekani, BA, Shifteh, K., & Branch, CA (2008). Multifokale ultrastrukturelle Anomalien der weißen Substanz bei leichter traumatischer Hirnverletzung mit kognitiver Behinderung: Eine voxelweise Analyse der Diffusions-Tensor-Bildgebung. Zeitschrift für Neurotrauma, 25, 1335–1342. CrossRef  Google Scholar  PubMed 
  81. Lipton, ML, Gulko, E., Zimmerman, ME, Friedman, BW, Kim, M., Gellella, E., & Branch, CA (2009). Die Diffusions-Tensor-Bildgebung impliziert eine präfrontale Axonverletzung bei einer Beeinträchtigung der Exekutivfunktion nach einer sehr leichten traumatischen Hirnverletzung. Radiologie, 252, 816–824. CrossRef  Google Scholar  PubMed 
  82. Lipton, ML, Kim, N., Park, YK, Hulkower, MB, Gardin, TM, Shifteh, K., & Branch, CA (2012). Robuste Erkennung traumatischer axonaler Verletzungen bei einzelnen Patienten mit leichten traumatischen Hirnverletzungen: Interindividuelle Variation, zeitliche Veränderung und bidirektionale Veränderungen der Anisotropie. Bildgebung und Verhalten des Gehirns, 6, 329–342. CrossRef  Google Scholar  PubMed 
  83. Little, DM, Kraus, MF, Joseph, J., Geary, EK, Susmaras, T., Zhou, XJ, Pliskin, N., & Gorelick, PB (2010). Die thalamische Integrität liegt der exekutiven Dysfunktion bei traumatischen Hirnverletzungen zugrunde. Neurologie, 74, 558–564. CrossRef  Google Scholar  PubMed 
  84. Ljungqvist, J., Nilsson, D., Ljungberg, M., Sörbo, A., Esbjörnsson, E., Eriksson-Ritzén, C., & Skoglund, T. (2011). Längsschnittstudie der Diffusionstensor-Bildgebungseigenschaften des Corpus callosum bei akuter und chronischer diffuser axonaler Verletzung. Hirnverletzung, 25, 370–378. CrossRef  Google Scholar  PubMed 
  85. Lo, C., Shifteh, K., Gold, T., Bello, JA, & Lipton, ML (2009). Anomalien der Diffusions-Tensor-Bildgebung bei Patienten mit leichter traumatischer Hirnverletzung und neurokognitiver Beeinträchtigung. Journal of Computer Assisted Tomography, 33(2), 293–297. CrossRef  Google Scholar 
  86. Mac Donald, CL, Adam, OR, Johnson, AM, Nelson, EC, Werner, NJ, Rivet, DJ, & Brody, DL (2015). Akute posttraumatische Stresssymptome und das Alter sagen das Ergebnis bei einer militärischen Explosion voraus. Gehirn, 138(5), 1314–1326. CrossRef  Google Scholar 
  87. Mac Donald, CL, Dikranian, K., Song, SK, Bayly, PV, Holtzman, DM, & Brody, DL (2007). Erkennung einer traumatischen axonalen Verletzung mit Diffusions-Tensor-Bildgebung in einem Mausmodell einer traumatischen Hirnverletzung. Experimentelle Neurologie, 205(1), 116–131. CrossRef  Google Scholar 
  88. Mac Donald, CL, Johnson, AM, Cooper, D., Nelson, EC, Werner, NJ, Shimony, JS, & Brody, DL (2011). Nachweis von explosionsbedingten traumatischen Hirnverletzungen bei US-Militärangehörigen. New England Journal of Medicine, 364, 2091–2100. CrossRef  Google Scholar  PubMed 
  89. Marmarou, A., Signoretti, S., Fatouros, PP, Portella, G., Aygok, GA, & Bullock, MR (2006). Vorherrschen des Zellödems bei traumatischer Hirnschwellung bei Patienten mit schweren Kopfverletzungen. Zeitschrift für Neurochirurgie, 104, 720–730. CrossRef  Google Scholar  PubMed 
  90. Marquez de la Plata, C., Garces, J., Kojori, E., Grinnan, J., Krishnan, K., Pidikiti, R., & Diaz-Arrastia, R. (2011). Defizite in der funktionellen Konnektivität von Hippocampus- und Frontallappenkreisläufen nach traumatischer axonaler Verletzung. Archiv für Neurologie, 68, 74–84. CrossRef  Google Scholar  PubMed 
  91. Matsukawa, H., Shinoda, M., Fujii, M., Takahashi, O., Yamamoto, D., Murakata, A., & Ishikawa, R. (2011). Das Genu des Corpus Callosum bei diffuser axonaler Verletzung führt zu einem schlechteren 1-Jahres-Ergebnis bei Patienten mit traumatischer Hirnverletzung. Acta Neurochirurgica, 153(8), 1687–1694. CrossRef  Google Scholar  PubMed 
  92. Matthews, SC, Strigo, IA, Simmons, AN, O'Connell, RM, Reinhardt, LE, & Moseley, SA (2011). Eine multimodale Bildgebungsstudie an US-Veteranen der Operationen Iraqi und Enduring Freedom mit und ohne schwere Depressionen nach einer Gehirnerschütterung im Zusammenhang mit einer Explosion. Neuroimage, 54, S69–S75. CrossRef  Google Scholar 
  93. Mayer, AR, Ling, J., Mannell, MV, Gasparovic, C., Phillips, JP, Doezema, D., & Yeo, RA (2010). Eine prospektive Diffusions-Tensor-Bildgebungsstudie bei leichten traumatischen Hirnverletzungen. Neurologie, 74, 643–650. CrossRef  Google Scholar 
  94. Mayer, AR, Mannell, M., Ling, J., Gasparovic, C., & Yeo, R. (2011). Funktionelle Konnektivität bei leichten traumatischen Hirnverletzungen. Kartierung des menschlichen Gehirns, 32, 1825–1835. CrossRef  Google Scholar  PubMed 
  95. McCrea, M., Iverson, GL, McAllister, TW, Hammeke, TA, Powell, MR, Barr, WB, & Kelly, JP (2009). Eine integrierte Überprüfung der Genesung nach einem leichten Schädel-Hirn-Trauma (MTBI): Implikationen für das klinische Management. The Clinical Neuropsychologist, 23(8), 1368–1390. CrossRef  Google Scholar  PubMed 
  96. McKee, AC, Stein, TD, Nowinski, CJ, Stern, RA, Daneshvar, DH, Alvarez, VE, & Baugh, CM (2013). Das Krankheitsspektrum der chronisch traumatischen Enzephalopathie. Gehirn, 136(1), 43–64. CrossRef  Google Scholar  PubMed 
  97. Messé, A., Caplain, S., Paradot, G., Garrigue, D., Mineo, J.-F., Soto Ares, G., & Lehéricy, S. (2011). Diffusions-Tensor-Bildgebung und Läsionen der weißen Substanz im subakuten Stadium bei leichter traumatischer Hirnverletzung mit anhaltender Beeinträchtigung des neurologischen Verhaltens. Human Brain Mapping, 32, 999–1011. CrossRef  Google Scholar  PubMed 
  98. Messé, A., Caplain, S., Pélégrini-Issac, M., Blancho, S., Lévy, R., Aghakhani, N., & Lehéricy, S. (2013). Spezifische und sich entwickelnde Veränderungen des Ruhezustandsnetzwerks beim Post-Gehirnerschütterungssyndrom nach leichter traumatischer Hirnverletzung. PLoS Eins, 8, 1–10. CrossRef  Google Scholar  PubMed 
  99. Messé, A., Caplain, S., Pélégrini-Issac, M., Blancho, S., Montreuil, M., Lévy, R., & Benali, H. (2012). Strukturelle Integrität und Postconcussion-Syndrom bei Patienten mit leichten traumatischen Hirnverletzungen. Bildgebung und Verhalten des Gehirns, 6, 283–292. CrossRef  Google Scholar  PubMed 
  100. Meythaler, JM, Peduzzi, JD, Eleftheriou, E., & Novack, TA (2001). Aktuelle Konzepte: Diffuse axonale Verletzung – assoziierte traumatische Hirnverletzung. Archiv für Physikalische Medizin und Rehabilitation, 82, 1461–1471. CrossRef  Google Scholar  PubMed 
  101. Miles, L., Grossman, RI, Johnson, G., Babb, JS, Diller, L., & Inglese, M. (2008). Kurzfristige DTI-Prädiktoren für kognitive Dysfunktion bei leichten traumatischen Hirnverletzungen. Hirnverletzung, 22(2), 115–122. CrossRef  Google Scholar  PubMed 
  102. Miller, BT, & D'Esposito, M. (2005). Suche nach „ganz oben“ in der Top-Down-Steuerung. Neuron, 48(4), 535–538. CrossRef  Google Scholar 
  103. Moen, KG, Håberg, AK, Skandsen, T., Finnanger, TG, & Vik, A. (2014). Eine longitudinale Magnetresonanztomographie-Studie der offensichtlichen Diffusionskoeffizientenwerte im Corpus Callosum während des ersten Jahres nach einer traumatischen Hirnverletzung. Zeitschrift für Neurotrauma, 31, 56–63. CrossRef  Google Scholar  PubMed 
  104. Morey, RA, Haswell, CC, Selgrade, ES, Massoglia, D., Liu, C., Weiner, J., & McCarthy, G. (2013). Auswirkungen einer chronischen leichten traumatischen Hirnverletzung auf die Integrität der weißen Substanz bei Kriegsveteranen im Irak und in Afghanistan: Auswirkungen von TBI auf die Integrität der weißen Substanz. Human Brain Mapping, 34, 2986–2999. CrossRef  Google Scholar  PubMed 
  105. Nakamura, T., Hillary, F., & Biswal, B. (2009). Ruhende Netzwerkplastizität nach Hirnverletzung. PLoS Eins, 4, 1–9. CrossRef  Google Scholar  PubMed 
  106. Nakayama, N. (2006). Hinweise auf eine Störung der weißen Substanz bei traumatischen Hirnverletzungen ohne makroskopische Läsionen. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 77, 850–855. CrossRef  Google Scholar  PubMed 
  107. Newcombe, VF, Correia, MM, Ledig, C., Abate, MG, Outtrim, JG, Chatfield, D., & Pickard, JD (2015). Dynamische Veränderungen der Anomalien der weißen Substanz korrelieren mit später Besserung und Verschlechterung nach TBI: Eine Diffusions-Tensor-Bildgebungsstudie. Neurorehabilitation und neurale Reparatur. doi: 10.1177/1545968315584004. Google Scholar  PubMed 
  108. Newcombe, VFJ, Williams, GB, Nortje, J., Bradley, PG, Harding, SG, Smielewski, P., & Menon, DK (2007). Analyse akuter traumatischer axonaler Verletzungen mittels Diffusions-Tensor-Bildgebung. Britisches Journal für Neurochirurgie, 21, 340–348. CrossRef  Google Scholar  PubMed 
  109. Niogi, SN, Mukherjee, P., Ghajar, J., Johnson, CE, Kolster, R., Lee, H., & McCandliss, BD (2008). Strukturelle Dissoziation der Aufmerksamkeitskontrolle und des Gedächtnisses bei Erwachsenen mit und ohne leichtes Schädel-Hirn-Trauma. Gehirn, 131, 3209–3221. CrossRef  Google Scholar  PubMed 
  110. Ommaya, AK, & Gennarelli, TA (1974). Gehirnerschütterung und traumatische Bewusstlosigkeit. Korrelation von experimentellen und klinischen Beobachtungen von stumpfen Kopfverletzungen. Gehirn, 97, 633–654. CrossRef  Google Scholar  PubMed 
  111. Pal, D., Gupta, RK, Agarwal, S., Yadav, A., Ojha, BK, Awasthi, A., & Narayana, PA (2012). Diffusions-Tensor-Traktographie-Indizes bei Patienten mit Frontallappenverletzung und ihre Korrelation mit neuropsychologischen Tests. Klinische Neurologie und Neurochirurgie, 114, 564–571. CrossRef  Google Scholar  PubMed 
  112. Palacios, E., Sala-Llonch, R., Junque, C., Roig, T., Tormos, J., Bargallo, N., & Vendrell, P. (2012). Integrität der weißen Substanz im Zusammenhang mit funktionellen Arbeitsgedächtnisnetzwerken bei traumatischen Hirnverletzungen. Neurologie, 78, 852–860. CrossRef  Google Scholar  PubMed 
  113. Palacios, E., Sala-Llonch, R., Junque, C., Roig, T., Tormos, J., Bargallo, N., & Vendrell, P. (2013). Aktivität und Konnektivität der funktionellen Magnetresonanztomographie im Ruhezustand und kognitive Ergebnisse bei traumatischen Hirnverletzungen. JAMA Neurology, 70, 845–851. CrossRef  Google Scholar  PubMed 
  114. Pandit, A., Expert, P., Lambiotte, R., Bonelle, V., Leech, R., Turkheimer, F., & Sharp, D. (2013). Schädel-Hirn-Trauma beeinträchtigt die Small-World-Topologie. Neurologie, 80, 1826–1833. CrossRef  Google Scholar  PubMed 
  115. Peerless, SJ, & Rewcastle, NB (1967). Scherverletzungen des Gehirns. Canadian Medical Association Journal, 96, 577. Google Scholar 
  116. Perlbarg, V., Puybasset, L., Tollard, E., Lehéricy, S., Benali, H., & Galanaud, D. (2009). Beziehung zwischen dem Ort der Hirnläsion und dem klinischen Ergebnis bei Patienten mit schwerer traumatischer Hirnverletzung: Eine Diffusions-Tensor-Bildgebungsstudie mit Voxel-basierten Ansätzen. Human Brain Mapping, 30, 3924–3933. CrossRef  Google Scholar  PubMed 
  117. Petrie, EC, Cross, DJ, Yarnykh, VL, Richards, T., Martin, NM, Pagulayan, K., & Peskind, ER (2014). Neuroimaging, Verhaltens- und psychologische Folgen von wiederholten kombinierten Explosionen/Aufprall leichten traumatischen Hirnverletzungen bei Kriegsveteranen aus dem Irak und Afghanistan. Zeitschrift für Neurotrauma, 31, 425–436. CrossRef  Google Scholar  PubMed 
  118. Povlistock, JT, Becker, DP, Cheng, CLY, & Vaughan, GW (1983). Axonale Veränderung bei leichter Kopfverletzung. Journal of Neuropathology & Experimental Neurology, 42(3), 225–242. CrossRef  Google Scholar  PubMed 
  119. Povlistock, JT, & Christman, CW (1995). Die Pathobiologie traumatisch induzierter axonaler Verletzungen bei Tieren und Menschen: Eine Überprüfung aktueller Gedanken. Zeitschrift für Neurotrauma, 12, 555–564. CrossRef  Google Scholar  PubMed 
  120. Reinarz, SJ, Coffman, CE, Smoker, WR, & Godersky, JC (1988). MR-Bildgebung des Corpus Callosum: Normale und pathologische Befunde und Korrelation mit CT. AJNR: American Journal of Neuroradiology, 9, 649–656. Google Scholar 
  121. Ruff, RL, Riechers, RG, Wang, X.-F., Piero, T., & Ruff, SS (2012). Eine Fall-Kontroll-Studie, die untersucht, ob neurologische Defizite und PTSD bei Kampfveteranen mit Episoden von leichtem SHT zusammenhängen. BMJ Open, 2, 1–12. CrossRef  Google Scholar  PubMed 
  122. Ruppin, E. & Reggia, J. (1995). Muster funktioneller Schäden in neuronalen Netzwerkmodellen des assoziativen Gedächtnisses. Neuronale Berechnung, 7, 1105–1127. CrossRef  Google Scholar  PubMed 
  123. Ryu, J., Horkayne-Szakaly, I., Xu, L., Pletnikova, O., Leri, F., Eberhart, C., & Koliatsos, VE (2014). Das Problem der axonalen Verletzung in den Gehirnen von Veteranen mit Vorgeschichten von Explosionsexposition. Acta Neuropathologica Communications, 2, 1–14. CrossRef  Google Scholar  PubMed 
  124. Salmond, CH, Menon, DK, Chatfield, DA, Williams, GB, Pena, A., Sahakian, BJ, & Pickard, JD (2006). Diffusions-Tensor-Bildgebung bei Überlebenden chronischer Kopfverletzungen: Korrelationen mit Lern- und Gedächtnisindizes. Neuroimage, 29, 117–124. CrossRef  Google Scholar  PubMed 
  125. Sharp, D., Beckmann, C., Greenwood, R., Kinnunen, K., Bonelle, V., De Boissezon, X., & Leech, R. (2011). Funktionelle und strukturelle Konnektivität des Netzwerks im Standardmodus nach traumatischer Hirnverletzung. Gehirn, 134, 2233–2247. CrossRef  Google Scholar  PubMed 
  126. Sharp, D., Scott, G., & Leech, R. (2014). Netzwerkstörungen nach Schädel-Hirn-Trauma. Nature Reviews Neurology, 10, 156–166. CrossRef  Google Scholar  PubMed 
  127. Shenton, ME, Hamoda, HM, Schneiderman, JS, Bouix, S., Pasternak, O., Rathi, Y., & Zafonte, R. (2012). Eine Überprüfung der Ergebnisse der Magnetresonanztomographie und der Diffusions-Tensor-Bildgebung bei leichten traumatischen Hirnverletzungen. Bildgebung und Verhalten des Gehirns, 6, 137–192. CrossRef  Google Scholar  PubMed 
  128. Shumskaya, E., Andriessen, T., Norris, D., & Vos, P. (2012). Abnormale funktionelle Netzwerke des gesamten Gehirns bei homogener akuter leichter traumatischer Hirnverletzung. Neurologie, 79, 175–182. CrossRef  Google Scholar  PubMed 
  129. Sidaros, A., Engberg, AW, Sidaros, K., Liptrot, MG, Herning, M., Petersen, P., & Rostrup, E. (2008). Diffusions-Tensor-Bildgebung während der Genesung nach einer schweren traumatischen Hirnverletzung und Beziehung zum klinischen Ergebnis: Eine Längsschnittstudie. Gehirn, 131, 559–572. CrossRef  Google Scholar  PubMed 
  130. Skoglund, TS, Nilsson, D., Ljungberg, M., Jönsson, L., & Rydenhag, B. (2008). Langzeitnachsorge eines Patienten mit Schädel-Hirn-Trauma mittels Diffusions-Tensor-Bildgebung. Acta Radiologica, 49, 98–100. CrossRef  Google Scholar  PubMed 
  131. Smith, DH, Meaney, DF, & Shull, WH (2003). Diffuse axonale Verletzung bei Kopftrauma. Journal of Head Trauma Rehabilitation, 18, 307–316. CrossRef  Google Scholar  PubMed 
  132. Smith, SM (2012). Die Zukunft der FMRI-Konnektivität. Neuroimage, 62, 1257–1266. CrossRef  Google Scholar  PubMed 
  133. Smits, M., Houston, GC, Dippel, DWJ, Wielopolski, PA, Vernooij, MW, Koudstaal, PJ, & van Der Lugt, A. (2011). Mikrostrukturelle Hirnverletzung bei Post-Concussion-Syndrom nach leichter Kopfverletzung. Neuroradiology, 53(8), 553–563. CrossRef  Google Scholar  PubMed 
  134. Sorg, SF, Delano-Wood, L., Luc, N., Schiehser, DM, Hanson, KL, Nation, DA, & Meloy, M. (2013). Integrität der weißen Substanz bei Veteranen mit leichter traumatischer Hirnverletzung: Assoziationen mit Exekutivfunktion und Bewusstseinsverlust. The Journal of Head Trauma Rehabilitation, 29 (1), 21–32. CrossRef  Google Scholar  PubMed 
  135. Sours, C., Zhuo, J., Janowich, J., Aarabi, B., Shanmuganathan, K., & Gullapalli, R. (2013). Netzwerkinterferenz im Standardmodus bei leichter traumatischer Hirnverletzung – Eine Pilotstudie im Ruhezustand. Hirnforschung, 1537, 201–215. CrossRef  Google Scholar  PubMed 
  136. Sporns, O. (2014). Beiträge und Herausforderungen für Netzwerkmodelle in der kognitiven Neurowissenschaft. Nature Neuroscience, 17, 652–660. CrossRef  Google Scholar  PubMed 
  137. Stevens, M., Lovejoy, D., Kim, J., Oakes, H., Kureshi, I., & Witt, S. (2012). Mehrere Anomalien der funktionellen Konnektivität im Ruhezustand des Netzwerks bei leichten traumatischen Hirnverletzungen. Bildgebung und Verhalten des Gehirns, 6, 293–318. CrossRef  Google Scholar  PubMed 
  138. Strich, SJ (1956). Diffuse Degeneration der zerebralen weißen Substanz bei schwerer Demenz nach Kopfverletzung. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 19, 163. CrossRef  Google Scholar  PubMed 
  139. Suskauer, SJ, & Huisman, TA (2009). Neuroimaging bei pädiatrischer traumatischer Hirnverletzung: Aktuelle und zukünftige Prädiktoren für das funktionelle Ergebnis. Developmental Disabilities Research Reviews, 15(2), 117–123. CrossRef  Google Scholar  PubMed 
  140. Taber, KH, & Hurley, RA (2013). Update zu leichten traumatischen Hirnverletzungen: Neuropathologie und strukturelle Bildgebung. Das Journal of Neuropsychiatry and Clinical Neurosciences, 25(1), 1–5. CrossRef  Google Scholar  PubMed 
  141. Taber, KH, Hurley, RA, Haswell, CC, Rowland, JA, Hurt, SD, Lamar, CD, & Morey, RA (2015). Gefährdung der weißen Substanz bei Veteranen, die primären Explosionskräften ausgesetzt waren. Journal of Head Trauma Rehabilitation, 30(1), E15–E25. CrossRef  Google Scholar  PubMed 
  142. Tang, L., Ge, Y., Sodickson, D., Miles, L., Zhou, Y., Reaume, J., & Grossman, R. (2011). Thalamische Ruhezustands-Funktionsnetzwerke: Störung bei Patienten mit leichter traumatischer Hirnverletzung. Radiologie, 260, 831–840. CrossRef  Google Scholar  PubMed 
  143. Tate, DF, & Bigler, ED (2000). Fornix und Hippocampus-Atrophie bei traumatischen Hirnverletzungen. Lernen & Gedächtnis, 7(6), 442–446. CrossRef  Google Scholar  PubMed 
  144. Tomaszczyk, JC, Green, NL, Frasca, D., Colella, B., Turner, GR, Christensen, BK, & Green, REA (2014). Negative Neuroplastizität bei chronischem Schädel-Hirn-Trauma und Implikationen für die Neurorehabilitation. Neuropsychology Review, 24, 409–427. Google Scholar  PubMed 
  145. Tournier, JD, Mori, S., & Leemans, A. (2011). Diffusion Tensor Imaging und darüber hinaus. Magnetresonanz in der Medizin, 65 (6), 1532–1556. CrossRef  Google Scholar  PubMed 
  146. van den Heuvel, MP, & Sporns, O. (2011). Rich-Club-Organisation des menschlichen Konnektoms. The Journal of Neuroscience, 31(44), 15775–15786. CrossRef  Google Scholar  PubMed 
  147. Venkatesan, U., Dennis, N., & Hillary, F. (2015). Chronologie und Chronizität der veränderten funktionellen Konnektivität im Ruhezustand nach traumatischer Hirnverletzung. Zeitschrift für Neurotrauma, 32, 252–264. CrossRef  Google Scholar  PubMed 
  148. Voss, HU, Uluç, AM, Dyke, JP, Watts, R., Kobylarz, EJ, McCandliss, BD, & Vallabhajosula, S. (2006). Mögliches axonales Nachwachsen in der späten Genesung aus dem minimal bewussten Zustand. Journal of Clinical Investigation, 116(7), 2005. CrossRef  Google Scholar  PubMed 
  149. Wäljas, M., Lange, RT, Hakulinen, U., Huhtala, H., Dastidar, P., Hartikainen, K., & Iverson, GL (2014). Biopsychosoziales Ergebnis nach unkompliziertem leichten Schädel-Hirn-Trauma. Zeitschrift für Neurotrauma, 31 (1), 108–124. CrossRef  Google Scholar  PubMed 
  150. Wang, JY, Bakhadirov, K., Abdi, H., Devous, MD, Marquez de la Plata, CD, Moore, C., & Diaz-Arrastia, R. (2011). Längsveränderungen der strukturellen Konnektivität bei traumatischer axonaler Verletzung. Neurologie, 77, 818–826. CrossRef  Google Scholar  PubMed 
  151. Warden, DL, French, LM, Shupenko, L., Fargus, J., Riedy, G., Erickson, ME, & Moore, DF (2009). Fallbericht eines Soldaten mit primärer Explosionshirnverletzung. Neuroimage, 47, T152–T153. CrossRef  Google Scholar 
  152. Watts, R., Thomas, A., Filippi, CG, Nickerson, JP, & Freeman, K. (2014). Schlaglöcher und Maulwurfshügel: Bias in der diagnostischen Leistung der Diffusions-Tensor-Bildgebung bei Gehirnerschütterung. Radiologie, 272(1), 217–223. CrossRef  Google Scholar  PubMed 
  153. Wilde, EA, Hunter, JV, & Bigler, ED (2012). Neuroimaging in der Neurorehabilitation. NeuroRehabilitation, 31, 223–226. Google Scholar  PubMed 
  154. Xu, J., Rasmussen, I.-A., Lagopoulos, J., & Håberg, A. (2007). Diffuse axonale Verletzung bei schwerer traumatischer Hirnverletzung, visualisiert mit hochauflösender Diffusions-Tensor-Bildgebung. Zeitschrift für Neurotrauma, 24 (5), 753–765. CrossRef  Google Scholar  PubMed 
  155. Yeh, PH, Wang, B., Oakes, TR, French, LM, Pan, H., Graner, J., & Riedy, G. (2014). Postkompressionsstörung und PTBS-Symptome einer militärbedingten traumatischen Hirnverletzung im Zusammenhang mit beeinträchtigten Neuroschaltkreisen: Neuroschaltkreise bei militärischen TBI und klinische Symptome. Human Brain Mapping, 35, 2652–2673. CrossRef  Google Scholar 
  156. Yeo, B., Krienen, F., Sepulcre, J., Sabuncu, M., Lashkari, D., Hollinshead, M., & Buckner, R. (2011). Die Organisation der menschlichen Großhirnrinde, geschätzt durch intrinsische funktionelle Konnektivität. Zeitschrift für Neurophysiologie, 106, 1125–1165. Google Scholar  PubMed 
  157. Yuh, EL, Cooper, SR, Mukherjee, P., Yue, JK, Lingsma, HF, Gordon, WA, & Vassar, MJ (2014). Diffusions-Tensor-Bildgebung zur Ergebnisvorhersage bei leichten traumatischen Hirnverletzungen: Eine TRACK-TBI-Studie. Zeitschrift für Neurotrauma, 31 (17), 1457–1477. CrossRef  Google Scholar  PubMed 
  158. Zhang, S. & Li, CS (2012). Kartierung der funktionellen Konnektivität des menschlichen Precuneus durch fMRT im Ruhezustand. Neuroimage, 59, 3548–3562. CrossRef  Google Scholar  PubMed 
  159. Zhou, Y., Lui, Y., Zuo, X., Milham, M., Reaume, J., Grossman, R., & Ge, Y. (2014). Charakterisierung der thalamokortikalen Assoziation unter Verwendung von Amplitude und Konnektivität der funktionellen MRT bei leichten traumatischen Hirnverletzungen. Journal of Magnetic Resonance Imaging, 39, 1558–1568. CrossRef  Google Scholar  PubMed 
  160. Zhou, Y., Milham, M., Lui, Y., Miles, L., Reaume, J., Sodickson, D., & Ge, Y. (2012). Störung des Netzwerks im Standardmodus bei leichter traumatischer Hirnverletzung. Radiologie, 265, 882–892. CrossRef  Google Scholar  PubMed 
Messung der kortikalen Konnektivität bei der Alzheimer-Krankheit als neuronale Netzwerkpathologie des Gehirns: Hin zu klinischen Anwendungen
Autor (en)
  • Stefan Teipel | Klinik für Psychosomatische Medizin, Universität Rostock, Rostock, Deutschland, DZNE, Deutsches Zentrum für Neurodegenerative Erkrankungen, Rostock, Deutschland
  • Michel J. Grothe | DZNE, Deutsches Zentrum für Neurodegenerative Erkrankungen, Rostock, Deutschland
  • Juan Zhou | Zentrum für kognitive Neurowissenschaften, Programm für Neurowissenschaften und Verhaltensstörungen, Duke-NUS Graduate Medical School, Singapur
  • Jorge Grab | Abteilung für Nuklearmedizin und molekulare Bildgebung, Massachusetts General Hospital, Harvard Medical School, Boston, Massachusetts
  • Martin Dyrba | DZNE, Deutsches Zentrum für Neurodegenerative Erkrankungen, Rostock, Deutschland
  • Christian Sorg | Klinik für Psychiatrie und Neuroradiologie, TUM-NIC Neuroimaging Center, Technische Universität München, München, Deutschland
  • Claudio Babiloni | Institut für Physiologie und Pharmakologie „V. Erspamer“, Universität Rom „La Sapienza“, Rom, Italien; IRCCS San Raffaele Pisana aus Rom, Italien

Korrespondenz

Angaben
Es bestehen keine Interessenkonflikte im Zusammenhang mit diesem Manuskript.

Abstrakt
Lernziele:

Ziel war es, die Literatur zur Diffusions-Tensor-Bildgebung sowie zur funktionellen Magnetresonanztomographie und Elektroenzephalographie (EEG) im Ruhezustand zu überprüfen, um neuroanatomische und neurophysiologische Substrate der Alzheimer-Krankheit (AD) als Pathologie des neuronalen Netzwerks des Gehirns aufzudecken, die die strukturelle und funktionelle kortikale Konnektivität beeinflusst zugrundeliegende menschliche Erkenntnis.

Methoden:

Wir überprüften in PubMed und anderen wissenschaftlichen Repositorien registrierte Arbeiten zur Verwendung dieser Techniken bei Patienten mit amnesischer leichter kognitiver Beeinträchtigung (MCI) und klinisch leichter AD-Demenz im Vergleich zu kognitiv intakten älteren Personen (Kontrollen).

Ergebnisse:

Hunderte von Peer-Review-Studien (Querschnitt und Längsschnitt) haben bei Patienten mit MCI und leichter AD im Vergleich zu Kontrollen (1) eine Beeinträchtigung der kallosalen (Splenium), thalamischen und anterior-posterioren Bündel der weißen Substanz gezeigt; (2) reduzierte Korrelation der vom Blutsauerstoffspiegel abhängigen Aktivität im Ruhezustand über mehrere intrinsische Schaltkreise des Gehirns, einschließlich des Standardmodus und aufmerksamkeitsbezogener Netzwerke; und (3) anormale Stärke und funktionelle Kopplung von kortikalen EEG-Rhythmen im Ruhezustand. Klinische Anwendungen dieser Maßnahmen sind noch begrenzt.

Schlussfolgerungen:

Strukturelle und funktionelle (in vivo) kortikale Konnektivitätsmessungen stellen einen zuverlässigen Marker für die zerebrale Reservekapazität dar und sollten verwendet werden, um die Entwicklung von AD und ihre relativen Auswirkungen auf kognitive Domänen in präklinischen, prodromalen und Demenzstadien von AD vorherzusagen und zu überwachen. (JINS, 2016,22, 138-163)

Literaturverzeichnis
  1. Acosta-Cabronero, J., Williams, GB, Pengas, G., & Nestor, PJ (2010). Absolute Diffusivitäten definieren die Landschaft der Degeneration der weißen Substanz bei der Alzheimer-Krankheit. Gehirn, 133 (Teil 2), 529–539. CrossRef  Google Scholar 
  2. Adriaanse, SM, Sanz-Arigita, EJ, Binnewijzend, MA, Ossenkoppele, R., Tolboom, N., van Assema, DM, & van Berckel, BN (2014). Amyloid und seine Assoziation mit der standardmäßigen Netzwerkintegrität bei der Alzheimer-Krankheit. Kartierung des menschlichen Gehirns, 35 (3), 779–791. CrossRef  Google Scholar  PubMed 
  3. Agosta, F., Pievani, M., Geroldi, C., Copetti, M., Frisoni, GB, & Filippi, M. (2012). Ruhezustands-fMRT bei Alzheimer-Krankheit: Jenseits des Standardmodus-Netzwerks. Neurobiology of Aging, 33(8), 1564–1578. CrossRef  Google Scholar  PubMed 
  4. Agosta, F., Rocca, MA, Pagani, E., Absinta, M., Magnani, G., Marcone, A., & Filippi, M. (2010). Neuverdrahtung des sensomotorischen Netzwerks bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Kartierung des menschlichen Gehirns, 31 (4), 515–525. Google Scholar  PubMed 
  5. Ahmed, Z., Cooper, J., Murray, TK, Garn, K., McNaughton, E., Clarke, H., & O'Neill, MJ (2014). Ein neuartiges In-vivo-Modell der Tau-Ausbreitung mit schneller und fortschreitender neurofibrillärer Tangle-Pathologie: Das Ausbreitungsmuster wird durch Konnektivität bestimmt, nicht durch Nähe. Acta Neuropathologica, 127(5), 667–683. CrossRef  Google Scholar 
  6. Arenaza-Urquijo, EM, Landeau, B., La Joie, R., Mevel, K., Mezenge, F., Perrotin, A., & Chetelat, G. (2013). Beziehungen zwischen Bildungsjahren und dem Volumen der grauen Substanz, dem Stoffwechsel und der funktionellen Konnektivität bei gesunden älteren Menschen. Neuroimage, 83C, 450–457. CrossRef  Google Scholar 
  7. Babiloni, C., Carducci, F., Lizio, R., Vecchio, F., Baglieri, A., Bernardini, S., & Frisoni, GB (2013). Die kortikalen elektroenzephalographischen Rhythmen im Ruhezustand hängen mit dem Volumen der grauen Substanz bei Patienten mit leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit zusammen. Kartierung des menschlichen Gehirns, 34 (6), 1427–1446. CrossRef  Google Scholar  PubMed 
  8. Babiloni, C., Del Percio, C., Boccardi, M., Lizio, R., Lopez, S., Carducci, F., & Frisoni, GB (2015). Okzipitale Quellen von Alpha-Rhythmen im Ruhezustand hängen mit der lokalen Dichte der grauen Substanz bei Personen mit amnesischer leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit zusammen. Neurobiology of Aging, 36(2), 556–570. CrossRef  Google Scholar  PubMed 
  9. Babiloni, C., Ferri, R., Binetti, G., Vecchio, F., Frisoni, GB, Lanuzza, B., & Rossini, PM (2009). Direktionalität der EEG-Synchronisation bei Patienten mit Alzheimer-Krankheit. Neurobiology of Aging, 30(1), 93–102. CrossRef  Google Scholar  PubMed 
  10. Babiloni, C., Frisoni, G., Steriade, M., Bresciani, L., Binetti, G., Del Percio, C., & Rossini, PM (2006). Das Volumen der frontalen weißen Substanz und die Delta-EEG-Quellen korrelieren negativ bei wachen Probanden mit leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Klinische Neurophysiologie, 117(5), 1113–1129. CrossRef  Google Scholar  PubMed 
  11. Babiloni, C., Frisoni, GB, Pievani, M., Vecchio, F., Lizio, R., Buttiglione, M., & Rossini, PM (2009). Hippocampusvolumen und kortikale Quellen von EEG-Alpha-Rhythmen bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Neuroimage, 44(1), 123–135. CrossRef  Google Scholar  PubMed 
  12. Babiloni, C., Pievani, M., Vecchio, F., Geroldi, C., Eusebi, F., Fracassi, C., & Frisoni, GB (2009). Läsionen der weißen Substanz entlang der cholinergen Bahnen stehen im Zusammenhang mit kortikalen Quellen von EEG-Rhythmen bei amnesischer leichter kognitiver Beeinträchtigung. Kartierung des menschlichen Gehirns, 30 (5), 1431–1443. CrossRef  Google Scholar  PubMed 
  13. Bai, F., Liao, W., Yue, C., Pu, M., Shi, Y., Yu, H., & Zhang, Z. (2014). Auf genetischen Pfaden basierende Bildgebungsansätze in der chinesischen Han-Bevölkerung mit Alzheimer-Risiko. Gehirnstruktur und -funktion. [Epub vor dem Druck]. Google Scholar  PubMed 
  14. Bai, F., Watson, DR, Shi, Y., Wang, Y., Yue, C., Yuhuan, Teng, & Zhang, Z. (2011). Spezifisch fortschreitende Defizite von Hirnfunktionsmarkern bei leichter kognitiver Beeinträchtigung vom amnestischen Typ. PLoS One, 6(9), e24271. CrossRef  Google Scholar  PubMed 
  15. Bai, F., Watson, DR, Yu, H., Shi, Y., Yuan, Y., & Zhang, Z. (2009). Abnormale funktionelle Konnektivität des hinteren cingulären Kortex im Ruhezustand bei leichter kognitiver Beeinträchtigung vom amnestischen Typ. Hirnforschung, 1302, 167–174. CrossRef  Google Scholar  PubMed 
  16. Balachandar, R., John, JP, Saini, J., Kumar, KJ, Joshi, H., Sadanand, S., & Bharath, S. (2015). Eine Studie zur strukturellen und funktionellen Konnektivität bei früher Alzheimer-Krankheit unter Verwendung von Rest-fMRI und Diffusions-Tensor-Bildgebung. International Journal of Geriatric Psychiatry, 30(5), 497–504. CrossRef  Google Scholar  PubMed 
  17. Balthazar, ML, Pereira, FR, Lopes, TM, da Silva, EL, Coan, AC, Campos, BM, & Cendes, F. (2013). Neuropsychiatrische Symptome bei der Alzheimer-Krankheit hängen mit funktionellen Konnektivitätsveränderungen im Salienznetzwerk zusammen. Kartierung des menschlichen Gehirns. Google Scholar  PubMed 
  18. Basser, PJ, Mattiello, J., & LeBihan, D. (1994). MR-Diffusions-Tensor-Spektroskopie und Bildgebung. Biophysical Journal, 66(1), 259–267. CrossRef  Google Scholar 
  19. Beckmann, CF, DeLuca, M., Devlin, JT, & Smith, SM (2005). Untersuchungen zur Konnektivität im Ruhezustand mittels unabhängiger Komponentenanalyse. Philosophische Transaktionen der Royal Society of London. Serie B, Biological Sciences, 360 (1457), 1001–1013. CrossRef  Google Scholar  PubMed 
  20. Bendlin, BB, Carlsson, CM, Johnson, SC, Zetterberg, H., Blennow, K., Willette, AA, & Sager, MA (2012). CSF T-Tau/Abeta42 sagt die Mikrostruktur der weißen Substanz bei gesunden Erwachsenen mit Alzheimer-Risiko voraus. PLoS One, 7(6), e37720. CrossRef  Google Scholar  PubMed 
  21. Bendlin, BB, Ries, ML, Canu, E., Sodhi, A., Lazar, M., Alexander, AL, & Johnson, SC (2010). Die weiße Substanz ist mit der elterlichen Familiengeschichte der Alzheimer-Krankheit verändert. Alzheimer & Demenz, 6(5), 394–403. CrossRef  Google Scholar  PubMed 
  22. Binnewijzend, MA, Schoonheim, MM, Sanz-Arigita, E., Wink, AM, van der Flier, WM, Tolboom, N., & Barkhof, F. (2012). fMRT-Veränderungen im Ruhezustand bei Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung. Neurobiology of Aging, 33(9), 2018–2028. CrossRef  Google Scholar  PubMed 
  23. Biswal, B., Yetkin, FZ, Haughton, VM, & Hyde, JS (1995). Funktionelle Konnektivität im motorischen Kortex des ruhenden menschlichen Gehirns mittels Echo-Planar-MRT. Magnetresonanz in der Medizin, 34 (4), 537–541. CrossRef  Google Scholar  PubMed 
  24. Biswal, BB, Mennes, M., Zuo, XN, Gohel, S., Kelly, C., Smith, SM, & Milham, MP (2010). Auf dem Weg zur Entdeckungswissenschaft der menschlichen Gehirnfunktion. Proceedings of the National Academy of Sciences of the United States of America, 107(10), 4734–4739. CrossRef  Google Scholar  PubMed 
  25. Bosch, B., Arenaza-Urquijo, EM, Rami, L., Sala-Llonch, R., Junque, C., Sole-Padulles, C., & Bartres-Faz, D. (2012). Multiple DTI-Indexanalyse bei normaler Alterung, amnestischer MCI und AD. Beziehung zur neuropsychologischen Leistungsfähigkeit. Neurobiology of Aging, 33(1), 61–74. CrossRef  Google Scholar 
  26. Bozoki, AC, Korolev, IO, Davis, NC, Hoisington, LA, & Berger, KL (2012). Unterbrechung der Wege der limbischen weißen Substanz bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit: Eine DTI/FDG-PET-Studie. Kartierung des menschlichen Gehirns, 33 (8), 1792–1802. CrossRef  Google Scholar  PubMed 
  27. Bozzali, M., Dowling, C., Serra, L., Spano, B., Torso, M., Marra, C., & Cercignani, M. (2014). Der Einfluss der kognitiven Reserve auf die funktionale Konnektivität des Gehirns bei der Alzheimer-Krankheit. Journal of Alzheimers Disease, 44, 243–250. Google Scholar  PubMed 
  28. Bozzali, M., Falini, A., Franceschi, M., Cercignani, M., Zuffi, M., Scotti, G., & Filippi, M. (2002). Schädigung der weißen Substanz bei der Alzheimer-Krankheit, bewertet in vivo mittels Diffusions-Tensor-Magnetresonanztomographie. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 72(6), 742–746. CrossRef  Google Scholar 
  29. Bozzali, M., Franceschi, M., Falini, A., Pontesilli, S., Cercignani, M., Magnani, G., & Filippi, M. (2001). Quantifizierung von Gewebeschäden bei AD mittels Diffusionstensor- und Magnetisierungstransfer-MRT. Neurologie, 57(6), 1135–1137. CrossRef  Google Scholar  PubMed 
  30. Braak, H. & Del Tredici, K. (2011). Alzheimer-Pathogenese: Gibt es eine Neuron-zu-Neuron-Propagation? Acta Neuropathologica, 121(5), 589–595. CrossRef  Google Scholar  PubMed 
  31. Braskie, MN, Jahanshad, N., Stein, JL, Barysheva, M., Johnson, K., McMahon, KL, & Thompson, PM (2012). Beziehung einer Variante im NTRK1-Gen zur Mikrostruktur der weißen Substanz bei jungen Erwachsenen. The Journal of Neuroscience, 32(17), 5964–5972. CrossRef  Google Scholar  PubMed 
  32. Braskie, MN, Jahanshad, N., Stein, JL, Barysheva, M., McMahon, KL, de Zubicaray, GI, & Thompson, PM (2011). Die gemeinsame Risikovariante der Alzheimer-Krankheit innerhalb des CLU-Gens beeinflusst die Mikrostruktur der weißen Substanz bei jungen Erwachsenen. Das Journal of Neuroscience, 31(18), 6764–6770. CrossRef  Google Scholar  PubMed 
  33. Brier, MR, Thomas, JB, Snyder, AZ, Benzinger, TL, Zhang, D., Raichle, ME, & Ances, BM (2012). Verlust von Intranetzwerk- und Internetzwerk-Ruhezustandsfunktionsverbindungen mit dem Fortschreiten der Alzheimer-Krankheit. The Journal of Neuroscience, 32(26), 8890–8899. CrossRef  Google Scholar  PubMed 
  34. Brown, JA, Terashima, KH, Burggren, AC, Ercoli, LM, Miller, KJ, Small, GW, & Bookheimer, SY (2011). Verlust der lokalen Interkonnektivität des Gehirnnetzwerks bei alternden APOE-4-Allelträgern. Proceedings of the National Academy of Sciences of the United States of America, 108(51), 20760–20765. CrossRef  Google Scholar  PubMed 
  35. Buckner, RL, Andrews-Hanna, JR, & Schacter, DL (2008). Das Standardnetzwerk des Gehirns: Anatomie, Funktion und Relevanz für Krankheiten. Annalen der New York Academy of Sciences, 1124, 1–38. CrossRef  Google Scholar  PubMed 
  36. Buckner, RL, Sepulcre, J., Talukdar, T., Krienen, FM, Liu, H., Hedden, T., & Johnson, KA (2009). Kortikale Hubs, die durch intrinsische funktionelle Konnektivität aufgedeckt werden: Kartierung, Bewertung der Stabilität und Beziehung zur Alzheimer-Krankheit. Das Journal of Neuroscience, 29(6), 1860–1873. CrossRef  Google Scholar 
  37. Buckner, RL, Snyder, AZ, Shannon, BJ, LaRossa, G., Sachs, R., Fotenos, AF, & Mintun, MA (2005). Molekulare, strukturelle und funktionelle Charakterisierung der Alzheimer-Krankheit: Beweise für eine Beziehung zwischen Standardaktivität, Amyloid und Gedächtnis. Das Journal of Neuroscience, 25(34), 7709–7717. CrossRef  Google Scholar  PubMed 
  38. Bullmore, E. & Sporns, O. (2009). Komplexe Gehirnnetzwerke: Graphentheoretische Analyse struktureller und funktioneller Systeme. Natur Bewertungen. Neuroscience, 10(3), 186–198. CrossRef  Google Scholar  PubMed 
  39. Chao, LL, Decarli, C., Kriger, S., Truran, D., Zhang, Y., Laxamana, J., & Weiner, MW (2013). Assoziationen zwischen Hyperintensitäten der weißen Substanz und Beta-Amyloid zur Integrität von Projektion, Assoziation und limbischen Faserbahnen, gemessen mit Diffusions-Tensor-MRT. PLoS One, 8(6), e65175. CrossRef  Google Scholar 
  40. Chen, TF, Chen, YF, Cheng, TW, Hua, MS, Liu, HM, & Chiu, MJ (2009). Exekutive Dysfunktion und periventrikuläre Diffusionstensorveränderungen bei amnesischer leichter kognitiver Beeinträchtigung und früher Alzheimer-Krankheit. Human Brain Mapping, 30 (11), 3826–3836. CrossRef  Google Scholar  PubMed 
  41. Chen, Y., Chen, K., Zhang, J., Li, X., Shu, N., Wang, J., & Reiman, EM (2014). Unterbrochene funktionelle und strukturelle Netzwerke bei kognitiv normalen älteren Probanden mit dem APOE-Varepsilon4-Allel. Neuropsychopharmacology, 40, 1181–1191. CrossRef  Google Scholar  PubMed 
  42. Chetelat, G., Desgranges, B., De La Sayette, V., Viader, F., Eustache, F., & Baron, JC (2002). Kartierung des Verlusts der grauen Substanz mit voxelbasierter Morphometrie bei leichter kognitiver Beeinträchtigung. Neuroreport, 13(15), 1939–1943. CrossRef  Google Scholar  PubMed 
  43. Chetelat, G., Landeau, B., Salmon, E., Yakushev, I., Bahri, MA, Mezenge, F., & Fellgiebel, A. (2013). Die Beziehungen zwischen dem Hirnstoffwechsel nehmen im normalen Alterungsprozess und Veränderungen in der strukturellen und funktionellen Konnektivität ab. Neuroimage, 76, 167–177. CrossRef  Google Scholar  PubMed 
  44. Choo, IH, Lee, DY, Youn, JC, Jhoo, JH, Kim, KW, Lee, DS, & Woo, JI (2007). Topographische Muster des Fortschreitens der Funktionseinschränkung des Gehirns nach klinischem Schweregrad-Staging bei 116 Alzheimer-Patienten: FDG-PET-Studie. Alzheimer-Krankheit und damit verbundene Erkrankungen, 21(2), 77–84. CrossRef  Google Scholar  PubMed 
  45. Cirrito, JR, Kang, JE, Lee, J., Stewart, FR, Verges, DK, Silverio, LM, & Holtzman, DM (2008). Endozytose ist für die synaptische aktivitätsabhängige Freisetzung von Amyloid-beta in vivo erforderlich. Neuron, 58(1), 42–51. CrossRef  Google Scholar  PubMed 
  46. Cirrito, JR, Yamada, KA, Finn, MB, Sloviter, RS, Bales, KR, May, PC, & Holtzman, DM (2005). Die synaptische Aktivität reguliert die Amyloid-beta-Spiegel in der interstitiellen Flüssigkeit in vivo. Neuron, 48(6), 913–922. CrossRef  Google Scholar 
  47. Corbetta, M., & Shulman, GL (2002). Steuerung der zielgerichteten und reizgesteuerten Aufmerksamkeit im Gehirn. Natur Bewertungen. Neuroscience, 3(3), 201–215. CrossRef  Google Scholar 
  48. Cross, DJ, Anzai, Y., Petrie, EC, Martin, N., Richards, TL, Maravilla, KR, & Minoshima, S. (2013). Der Verlust der Integrität des Riechtrakts beeinflusst den kortikalen Metabolismus im Gehirn und die Riechregionen bei Alterung und leichter kognitiver Beeinträchtigung. Zeitschrift für Nuklearmedizin, 54(8), 1278–1284. CrossRef  Google Scholar 
  49. Crossley, NA, Mechelli, A., Scott, J., Carletti, F., Fox, PT, McGuire, P., & Bullmore, ET (2014). Die Knotenpunkte des menschlichen Konnektoms sind im Allgemeinen an der Anatomie von Hirnerkrankungen beteiligt. Gehirn, 137 (Teil 8), 2382–2395. CrossRef  Google Scholar  PubMed 
  50. Crossley, NA, Mechelli, A., Vertes, PE, Winton-Brown, TT, Patel, AX, Ginestet, CE, & Bullmore, ET (2013). Kognitive Relevanz der Gemeinschaftsstruktur des funktionellen Koaktivierungsnetzwerks des menschlichen Gehirns. Proceedings of the National Academy of Sciences of the United States of America, 110(28), 11583–11588. CrossRef  Google Scholar  PubMed 
  51. Daianu, M., Dennis, EL, Jahanshad, N., Nir, TM, Toga, AW, Jack, CR, & Thompson, PM (2013). Die Alzheimer-Krankheit stört die Organisation von reichen Clubs in Gehirnkonnektivitätsnetzwerken. IEEE International Symposium on Biomedical Imaging, 2013, 266–269. Google Scholar 
  52. Daianu, M., Jahanshad, N., Nir, TM, Jack, CR, Weiner, MW, Bernstein, MA, & Thompson, PM (2015). Die Rich-Club-Analyse im Connectom der Alzheimer-Krankheit zeigt ein relativ ungestörtes strukturelles Kernnetzwerk. Human Brain Mapping, 36 (8), 3087–3103. CrossRef  Google Scholar  PubMed 
  53. Damoiseaux, JS, & Greicius, MD (2009). Größer als die Summe seiner Teile: Ein Überblick über Studien, die strukturelle Konnektivität und funktionelle Konnektivität im Ruhezustand kombinieren. Gehirnstruktur und -funktion, 213 (6), 525–533. CrossRef  Google Scholar 
  54. Damoiseaux, JS, Rombouts, SA, Barkhof, F., Scheltens, P., Stam, CJ, Smith, SM, & Beckmann, CF (2006). Konsistente Resting-State-Netzwerke bei gesunden Probanden. Proceedings of the National Academy of Sciences of the United States of America, 103(37), 13848–13853. CrossRef  Google Scholar  PubMed 
  55. Damoiseaux, JS, Seeley, WW, Zhou, J., Shirer, WR, Coppola, G., Karydas, A., & Greicius, MD (2012). Das Geschlecht moduliert den APOE {Varepsilon}4-Effekt bei gesunden älteren Erwachsenen: Konvergente Beweise aus der funktionellen Gehirnkonnektivität und den Tau-Spiegeln in der Rückenmarksflüssigkeit. Das Journal of Neuroscience, 32(24), 8254–8262. CrossRef  Google Scholar 
  56. Daunizeau, J., David, O., & Stephan, KE (2011). Dynamische Kausalmodellierung: Eine kritische Überprüfung der biophysikalischen und statistischen Grundlagen. Neuroimage, 58(2), 312–322. CrossRef  Google Scholar 
  57. Dauwels, J., Vialatte, F., Musha, T., & Cichocki, A. (2010). Eine vergleichende Studie von Synchronitätsmessungen zur frühen Diagnose der Alzheimer-Krankheit basierend auf EEG. Neuroimage, 49(1), 668–693. CrossRef  Google Scholar  PubMed 
  58. Deco, G., & Corbetta, M. (2011). Das dynamische Gleichgewicht des Gehirns im Ruhezustand. The Neuroscientist, 17(1), 107–123. CrossRef  Google Scholar  PubMed 
  59. Dell'Acqua, F. & Catani, M. (2012). Strukturelle Netzwerke des menschlichen Gehirns: Heiße Themen in der Diffusionstraktographie. Current Opinion in Neurology, 25(4), 375–383. Google Scholar 
  60. Dennis, EL, & Thompson, PM (2014). Funktionelle Konnektivität des Gehirns mit fMRT bei Alterung und Alzheimer-Krankheit. Neuropsychology Review, 24(1), 49–62. CrossRef  Google Scholar  PubMed 
  61. Doria, V., Beckmann, CF, Arichi, T., Merchant, N., Groppo, M., Turkheimer, FE, & Edwards, AD (2010). Entstehung von Resting-State-Netzwerken im frühgeborenen menschlichen Gehirn. Proceedings of the National Academy of Sciences of the United States of America, 107(46), 20015–20020. CrossRef  Google Scholar  PubMed 
  62. Douaud, G., Jbabdi, S., Behrens, TE, Menke, RA, Gass, A., Monsch, AU, & Smith, S. (2011). DTI-Messungen in Faserkreuzungsbereichen: Eine erhöhte Diffusionsanisotropie zeigt eine frühe Veränderung der weißen Substanz bei MCI und leichter Alzheimer-Krankheit. Neuroimage, 55(3), 880–890. CrossRef  Google Scholar  PubMed 
  63. Douaud, G., Menke, RA, Gass, A., Monsch, AU, Rao, A., Whitcher, B., & Smith, S. (2013). Die Mikrostruktur des Gehirns zeigt frühe Anomalien mehr als zwei Jahre vor dem klinischen Fortschreiten von einer leichten kognitiven Beeinträchtigung zur Alzheimer-Krankheit. The Journal of Neuroscience, 33(5), 2147–2155. CrossRef  Google Scholar  PubMed 
  64. Drzezga, A., Becker, JA, Van Dijk, KR, Sreenivasan, A., Talukdar, T., Sullivan, C., & Sperling, RA (2011). Neuronale Dysfunktion und Trennung von kortikalen Hubs bei nicht dementen Patienten mit erhöhter Amyloidbelastung. Gehirn, 134 (Teil 6), 1635–1646. CrossRef  Google Scholar 
  65. Dubois, B., Feldman, HH, Jacova, C., Hampel, H., Molinuevo, JL, Blennow, K., & Cummings, JL (2014). Diagnostische Kriterien für die Alzheimer-Krankheit vorantreiben: Die IWG-2-Kriterien. Die Lanzette. Neurologie, 13(6), 614–629. CrossRef  Google Scholar  PubMed 
  66. Dyrba, M., Barkhof, F., Fellgiebel, A., Filippi, M., Hausner, L., Hauenstein, K., & Teipel, SJ (2015). Vorhersage der prodromalen Alzheimer-Krankheit bei Personen mit leichter kognitiver Beeinträchtigung unter Verwendung von maschineller Lernklassifizierung von multimodalen multizentrischen Diffusions-Tensor- und Magnetresonanztomographiedaten. J Neuroimaging, 25, 738–747. CrossRef  Google Scholar 
  67. Dyrba, M., Ewers, M., Wegrzyn, M., Kilimann, I., Plant, C., Oswald, A., & Teipel, SJ (2013). Robuste automatisierte Erkennung der mikrostrukturellen Degeneration der weißen Substanz bei der Alzheimer-Krankheit mithilfe der maschinellen Lernklassifizierung von multizentrischen DTI-Daten. PLoS One, 8(5), e64925. CrossRef  Google Scholar 
  68. Dyrba, M., Grothe, M., Kirste, T., & Teipel, SJ (2015). Multimodale Analyse der funktionellen und strukturellen Trennung bei der Alzheimer-Krankheit unter Verwendung von multipler Kernel-SVM. Kartierung des menschlichen Gehirns, 36 (6), 2118–2131. CrossRef  Google Scholar 
  69. Dziewczapolski, G., Glogowski, CM, Masliah, E., & Heinemann, SF (2009). Die Deletion des Alpha-7-Nicotin-Acetylcholin-Rezeptor-Gens verbessert kognitive Defizite und synaptische Pathologien in einem Mausmodell der Alzheimer-Krankheit. Das Journal of Neuroscience, 29(27), 8805–8815. CrossRef  Google Scholar 
  70. Fellgiebel, A., Dellani, PR, Greverus, D., Scheurich, A., Stoeter, P., & Muller, MJ (2006). Vorhersage der Konversion zu Demenz bei leichter kognitiver Beeinträchtigung durch volumetrische und Diffusionsmessungen des Hippocampus. Psychiatry Research, 146(3), 283–287. CrossRef  Google Scholar  PubMed 
  71. Fellgiebel, A., Muller, MJ, Wille, P., Dellani, PR, Scheurich, A., Schmidt, LG, & Stoeter, P. (2005). Farbcodierte Diffusions-Tensor-Bildgebung von posterioren cingulären Faserbahnen bei leichter kognitiver Beeinträchtigung. Neurobiology of Aging, 26(8), 1193–1198. CrossRef  Google Scholar  PubMed 
  72. Fellgiebel, A., Schermuly, I., Gerhard, A., Keller, I., Albrecht, J., Weibrich, C., & Stoeter, P. (2008). Funktionsrelevanter Verlust der Integrität der langen Assoziationsfaserbahnen bei früher Alzheimer-Krankheit. Neuropsychologia, 46(6), 1698–1706. CrossRef  Google Scholar  PubMed 
  73. Fischer, FU, Scheurich, A., Wegrzyn, M., Schermuly, I., Bokde, AL, Kloppel, S., & Fellgiebel, A. (2012). Automatisierte Traktographie des cingulären Bündels bei der Alzheimer-Krankheit: Eine multizentrische DTI-Studie. Journal of Magnetic Resonance Imaging, 36, 84–91. CrossRef  Google Scholar  PubMed 
  74. Fischer, FU, Wolf, D., Scheurich, A., & Fellgiebel, A. (2015). Veränderte Netzwerke der weißen Substanz des gesamten Gehirns bei der präklinischen Alzheimer-Krankheit. Neuroimage: Klinisch, 8, 660–666. CrossRef  Google Scholar  PubMed 
  75. Fletcher, E., Raman, M., Huebner, P., Liu, A., Mungas, D., Carmichael, O., & DeCarli, C. (2013). Verlust des Volumens der weißen Substanz des Fornix als Prädiktor für kognitive Beeinträchtigung bei kognitiv normalen älteren Personen. JAMA Neurology, 70(11), 1389–1395. CrossRef  Google Scholar  PubMed 
  76. Forde, NJ, Ronan, L., Suckling, J., Scanlon, C., Neary, S., Holleran, L., & Cannon, DM (2014). Strukturelle Neuroimaging-Korrelate der allelischen Variation des BDNF-Val66met-Polymorphismus. Neuroimage, 90, 280–289. CrossRef  Google Scholar  PubMed 
  77. Fox, MD, & Greicius, M. (2010). Klinische Anwendungen der funktionellen Konnektivität im Ruhezustand. Grenzen in den Systemneurowissenschaften, 4, 19. Google Scholar 
  78. Fox, MD, & Raichle, ME (2007). Spontane Schwankungen der Gehirnaktivität, beobachtet mit funktioneller Magnetresonanztomographie. Natur Bewertungen. Neurowissenschaften, 8(9), 700–711. CrossRef  Google Scholar  PubMed 
  79. Fox, MD, Snyder, AZ, Vincent, JL, Corbetta, M., Van Essen, DC, & Raichle, ME (2005). Das menschliche Gehirn ist intrinsisch in dynamische, antikorrelierte funktionelle Netzwerke organisiert. Proceedings of the National Academy of Sciences of the United States of America, 102(27), 9673–9678. CrossRef  Google Scholar  PubMed 
  80. Friese, U., Meindl, T., Herpertz, SC, Reiser, MF, Hampel, H., & Teipel, SJ (2010). Diagnostischer Nutzen neuartiger MRT-basierter Biomarker für die Alzheimer-Krankheit: Diffusions-Tensor-Bildgebung und deformierungsbasierte Morphometrie. Journal of Alzheimer's Disease, 20(2), 477–490. CrossRef  Google Scholar 
  81. Friston, KJ, Harrison, L., & Penny, W. (2003). Dynamische kausale Modellierung. Neuroimage, 19(4), 1273–1302. CrossRef  Google Scholar 
  82. Gili, T., Cercignani, M., Serra, L., Perri, R., Giove, F., Maraviglia, B., & Bozzali, M. (2011). Regionale Hirnatrophie und funktionelle Trennung während der Entwicklung der Alzheimer-Krankheit. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 82(1), 58–66. CrossRef  Google Scholar  PubMed 
  83. Glodzik, L., Kuceyeski, A., Rusinek, H., Tsui, W., Mosconi, L., Li, Y., & de Leon, MJ (2014). Reduzierte Glukoseaufnahme und Abeta in Gehirnregionen mit Hyperintensitäten in der verbundenen weißen Substanz. Neuroimage, 100, 684–691. CrossRef  Google Scholar  PubMed 
  84. Goebel, R., Roebroeck, A., Kim, D.-S., & Formisano, E. (2003). Untersuchung gerichteter kortikaler Interaktionen in zeitaufgelösten fMRT-Daten unter Verwendung von vektorautoregressiver Modellierung und Granger-Kausalitätskartierung. Magnetresonanztomographie, 21 (10), 1251–1261. CrossRef  Google Scholar  PubMed 
  85. Gold, BT, Zhu, Z., Brown, CA, Andersen, AH, LaDu, MJ, Tai, L., & Smith, CD (2014). Die Integrität der weißen Substanz ist bei normalen Erwachsenen mit Cerebrospinalflüssigkeitsmarkern der Alzheimer-Krankheit assoziiert. Neurobiology of Aging, 35(10), 2263–2271. CrossRef  Google Scholar  PubMed 
  86. Goncalves, SI, de Munck, JC, Pouwels, PJ, Schoonhoven, R., Kuijer, JP, Maurits, NM, & Lopes da Silva, FH (2006). Korrelieren des Alpha-Rhythmus mit BOLD unter Verwendung von simultanem EEG/fMRI: Interindividuelle Variabilität. Neuroimage, 30(1), 203–213. CrossRef  Google Scholar  PubMed 
  87. Gonzalez-Escamilla, G., Atienza, M., Garcia-Solis, D., & Cantero, JL (2014). Zerebrale und Blutkorrelate der reduzierten funktionellen Konnektivität bei leichter kognitiver Beeinträchtigung. Gehirnstruktur und -funktion. [Epub vor dem Druck]. Google Scholar  PubMed 
  88. Grambaite, R., Selnes, P., Reinvang, I., Aarsland, D., Hessen, E., Gjerstad, L., & Fladby, T. (2011). Eine exekutive Dysfunktion bei leichter kognitiver Beeinträchtigung ist mit Veränderungen der frontalen und cingulären Bahnen der weißen Substanz verbunden. Journal of Alzheimer's Disease, 27(2), 453–462. Google Scholar  PubMed 
  89. Grana, M., Termenon, M., Savio, A., Gonzalez-Pinto, A., Echeveste, J., Perez, JM, & Besga, A. (2011). Computergestütztes Diagnosesystem für die Alzheimer-Krankheit unter Verwendung von Hirndiffusions-Tensor-Bildgebungsmerkmalen, die durch Pearson-Korrelation ausgewählt wurden. Neurosci Letters, 502 (3), 225–229. CrossRef  Google Scholar  PubMed 
  90. Granger, CWJ (1969). Untersuchung kausaler Zusammenhänge durch ökonometrische Modelle und Cross-Spektral-Methoden. Econometrica, 37(3), 424. CrossRef  Google Scholar 
  91. Greicius, MD, Krasnow, B., Reiss, AL, & Menon, V. (2003). Funktionelle Konnektivität im ruhenden Gehirn: Eine Netzwerkanalyse der Default-Mode-Hypothese. Proceedings of the National Academy of Sciences of the United States of America, 100(1), 253–258. CrossRef  Google Scholar  PubMed 
  92. Greicius, MD, & Menon, V. (2004). Aktivität im Standardmodus während einer passiven sensorischen Aufgabe: Entkoppelt von der Deaktivierung, wirkt sich aber auf die Aktivierung aus. Journal of Cognitive Neuroscience, 16(9), 1484–1492. CrossRef  Google Scholar  PubMed 
  93. Greicius, MD, Srivastava, G., Reiss, AL, & Menon, V. (2004). Die Netzwerkaktivität im Standardmodus unterscheidet die Alzheimer-Krankheit vom gesunden Altern: Beweise aus der funktionellen MRT. Proceedings of the National Academy of Sciences of the United States of America, 101(13), 4637–4642. CrossRef  Google Scholar  PubMed 
  94. Greicius, MD, Supekar, K., Menon, V., & Dougherty, RF (2009). Die funktionale Konnektivität im Ruhezustand spiegelt die strukturelle Konnektivität im Netzwerk im Standardmodus wider. Großhirnrinde, 19(1), 72–78. CrossRef  Google Scholar  PubMed 
  95. Hahn, K., Myers, N., Prigarin, S., Rodenacker, K., Kurz, A., Forstl, H., & Sorg, C. (2013). Selektiv und progressiv gestörte strukturelle Konnektivität funktioneller Gehirnnetzwerke bei der Alzheimer-Krankheit – offenbart durch einen neuartigen Rahmen zur Analyse der Kantenverteilung von Netzwerken, die Störungen mit starken statistischen Beweisen erkennen. Neuroimage, 81, 96–109. CrossRef  Google Scholar  PubMed 
  96. Hedden, T., Van Dijk, KR, Becker, JA, Mehta, A., Sperling, RA, Johnson, KA, & Buckner, RL (2009). Störung der funktionellen Konnektivität bei klinisch normalen älteren Erwachsenen mit Amyloidbelastung. Das Journal of Neuroscience, 29(40), 12686–12694. CrossRef  Google Scholar  PubMed 
  97. Heise, V., Filippini, N., Trachtenberg, AJ, Suri, S., Ebmeier, KP, & Mackay, CE (2014). Apolipoprotein E Genotyp, Geschlecht und Alter modulieren die Konnektivität des Hippocampus bei gesunden Erwachsenen. Neuroimage, 98, 23–30. CrossRef  Google Scholar  PubMed 
  98. Horn, A., Ostwald, D., Reisert, M., & Blankenburg, F. (2014). Das strukturell-funktionale Konnektom und das Default-Mode-Netzwerk des menschlichen Gehirns. Neuroimage, 102 (Teil 1), 142–151. CrossRef  Google Scholar  PubMed 
  99. Hsieh, HJ, Kao, PF, Huang, HL, & Chou, YH (2010). Herzstichverletzung: Ein fester Perfusionsdefekt bei Tc-99m-Sestamibi-SPECT. Klinische Nuklearmedizin, 35(2), 121–122. CrossRef  Google Scholar  PubMed 
  100. Huang, H., Fan, X., Weiner, M., Martin-Cook, K., Xiao, G., Davis, J., & Diaz-Arrastia, R. (2012). Ausgeprägte Störungsmuster von Bahnen der weißen Substanz bei der Alzheimer-Krankheit mit vollständiger Charakterisierung des Diffusionstensors. Neurobiology of Aging, 33(9), 2029–2045. CrossRef  Google Scholar  PubMed 
  101. Huang, J., & Auchus, AP (2007). Diffusions-Tensor-Bildgebung von normal erscheinender weißer Substanz und ihre Korrelation mit kognitiven Funktionen bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Annalen der New York Academy of Sciences, 1097, 259–264. CrossRef  Google Scholar  PubMed 
  102. Huang, J., Friedland, RP, & Auchus, AP (2007). Diffusions-Tensor-Bildgebung von normal erscheinender weißer Substanz bei leichter kognitiver Beeinträchtigung und früher Alzheimer-Krankheit: Vorläufiger Beweis für eine axonale Degeneration im Temporallappen. AJNR American Journal of Neuroradiology, 28(10), 1943–1948. CrossRef  Google Scholar  PubMed 
  103. Iturria-Medina, Y., Sotero, RC, Toussaint, PJ, & Evans, AC (2014). Epidemisches Ausbreitungsmodell zur Charakterisierung der Ausbreitung fehlgefalteter Proteine ​​beim Altern und damit verbundenen neurodegenerativen Erkrankungen. PLoS Computational Biology, 10(11), e1003956. CrossRef  Google Scholar  PubMed 
  104. Jack, CR Jr., Knopman, DS, Jagust, WJ, Shaw, LM, Aisen, PS, Weiner, MW, & Trojanowski, JQ (2010). Hypothetisches Modell dynamischer Biomarker der pathologischen Alzheimer-Kaskade. Die Lanzette. Neurologie, 9(1), 119–128. CrossRef  Google Scholar  PubMed 
  105. Jacobs, HI, Gronenschild, EH, Evers, EA, Ramakers, IH, Hofman, PA, Backes, WH, & Van Boxtel, MP (2015). Visuell-räumliche Verarbeitung bei früher Alzheimer-Krankheit: Eine multimodale Neuroimaging-Studie. Kortex, 64, 394–406. CrossRef  Google Scholar  PubMed 
  106. Jeurissen, B., Leemans, A., Tournier, JD, Jones, DK, & Sijbers, J. (2013). Untersuchung der Prävalenz komplexer Faserkonfigurationen im Gewebe der weißen Substanz mit Diffusions-Magnetresonanztomographie. Kartierung des menschlichen Gehirns, 34 (11), 2747–2766. CrossRef  Google Scholar 
  107. Jones, DT, Vemuri, P., Murphy, MC, Gunter, JL, Senjem, ML, Machulda, MM, & Jack, CR Jr. (2012). Nicht-Stationarität in der modularen Architektur des „ruhenden Gehirns“. PLoS One, 7(6), e39731. CrossRef  Google Scholar 
  108. Kalus, P., Slotboom, J., Gallinat, J., Mahlberg, R., Cattapan-Ludewig, K., Wiest, R., & Kiefer, C. (2006). Untersuchung des Tors zum limbischen System mit Diffusions-Tensor-Bildgebung: Der perforante Weg bei Demenz. Neuroimage, 30(3), 713–720. CrossRef  Google Scholar  PubMed 
  109. Kantarci, K., Schwarz, CG, Reid, RI, Przybelski, SA, Lesnick, TG, Zuk, SM, & Jack, CR Jr. (2014). Integrität der weißen Substanz bestimmt mit Diffusions-Tensor-Bildgebung bei älteren Erwachsenen ohne Demenz: Einfluss der Amyloidbelastung und Neurodegeneration. JAMA Neurology, 71(12), 1547–1554. CrossRef  Google Scholar 
  110. Kehoe, EG, Farrell, D., Metzler-Baddeley, C., Lawlor, BA, Kenny, RA, Lyons, D., & Bokde, AL (2015). Die weiße Substanz von Fornix korreliert mit der funktionellen Konnektivität des Thalamus und des Hippocampus im Ruhezustand bei gesundem Altern, aber nicht bei leichter kognitiver Beeinträchtigung - Eine vorläufige Studie. Frontiers in Aging Neuroscience, 7, 10. CrossRef  Google Scholar 
  111. Kim, HJ, Im, K., Kwon, H., Lee, JM, Kim, C., Kim, YJ, & Seo, SW (2015). Klinische Wirkung einer Störung des Netzwerks der weißen Substanz im Zusammenhang mit Amyloid und Erkrankungen der kleinen Gefäße. Neurologie, 85(1), 63–70. CrossRef  Google Scholar  PubMed 
  112. Kljajevic, V., Meyer, P., Holzmann, C., Dyrba, M., Kasper, E., Bokde, AL, & Teipel, S. (2014). Der epsilon4-Genotyp von Apolipoprotein E und die Integrität der weißen Substanz bei der Alzheimer-Krankheit. Alzheimer & Demenz, 10(3), 401–404. CrossRef  Google Scholar  PubMed 
  113. Klupp, E., Grimmer, T., Tahmasian, M., Sorg, C., Yakushev, I., Yousefi, BH, & Forster, S. (2015). Der präfrontale Hypometabolismus bei der Alzheimer-Krankheit hängt mit einer longitudinalen Amyloid-Akkumulation in entfernten Hirnregionen zusammen. Zeitschrift für Nuklearmedizin, 56(3), 399–404. CrossRef  Google Scholar 
  114. Koch, K., Myers, NE, Gottler, J., Pasquini, L., Grimmer, T., Forster, S., & Sorg, C. (2014). Unterbrochene intrinsische Netzwerke verbinden Amyloid-Beta-Pathologie und beeinträchtigte Kognition bei der prodromalen Alzheimer-Krankheit. Zerebraler Kortex. [Epub vor dem Druck]. Google Scholar 
  115. Krajcovicova, L., Marecek, R., Mikl, M., & Rektorova, I. (2014). Störung der funktionellen Konnektivität im Ruhezustand bei Alzheimer-Patienten und Risikopersonen. Current Neurology and Neuroscience Reports, 14(10), 491. CrossRef  Google Scholar  PubMed 
  116. Kuczynski, B., Targan, E., Madison, C., Weiner, M., Zhang, Y., Reed, B., & Jagust, W. (2010). Integrität der weißen Substanz und kortikale metabolische Assoziationen bei Alterung und Demenz. Alzheimer & Demenz, 6(1), 54–62. CrossRef  Google Scholar  PubMed 
  117. La Joie, R., Landeau, B., Perrotin, A., Bejanin, A., Egret, S., Pelerin, A., & Chetelat, G. (2014). Intrinsische Konnektivität identifiziert den Hippocampus als Hauptkreuzung zwischen Alzheimer- und semantischen Demenz-gerichteten Netzwerken. Neuron, 81(6), 1417–1428. CrossRef  Google Scholar  PubMed 
  118. Laufs, H., Krakow, K., Sterzer, P., Eger, E., Beyerle, A., Salek-Haddadi, A., & Kleinschmidt, A. (2003). Elektroenzephalographische Signaturen von Aufmerksamkeits- und kognitiven Ausfallmodi bei spontanen Schwankungen der Gehirnaktivität im Ruhezustand. Proceedings of the National Academy of Sciences of the United States of America, 100(19), 11053–11058. CrossRef  Google Scholar  PubMed 
  119. Le Bihan, D., Mangin, JF, Poupon, C., Clark, CA, Pappata, S., Molko, N., & Chabriat, H. (2001). Diffusion Tensor Imaging: Konzepte und Anwendungen. Journal of Magnetic Resonance Imaging, 13(4), 534–546. CrossRef  Google Scholar 
  120. Le Bihan, D., Turner, R., Douek, P., & Patronas, N. (1992). Diffusions-MR-Bildgebung: Klinische Anwendungen. AJR American Journal of Roentgenology, 159(3), 591–599. CrossRef  Google Scholar 
  121. Lehmann, M., Madison, CM, Ghosh, PM, Seeley, WW, Mormino, E., Greicius, MD, & Rabinovici, GD (2013). Intrinsische Konnektivitätsnetzwerke bei gesunden Probanden erklären die klinische Variabilität bei der Alzheimer-Krankheit. Proceedings of the National Academy of Sciences of the United States of America, 110(28), 11606–11611. CrossRef  Google Scholar  PubMed 
  122. Liang, P., Wang, Z., Yang, Y., Jia, X., & Li, K. (2011). Funktionelle Trennung und Kompensation bei leichter kognitiver Beeinträchtigung: Nachweis der DLPFC-Konnektivität mittels fMRT im Ruhezustand. PLoS One, 6(7), e22153. CrossRef  Google Scholar 
  123. Liang, Y., Chen, Y., Li, H., Zhao, T., Sun, X., Shu, N., & Zhang, Z. (2015). Gestörte funktionelle Konnektivität im Zusammenhang mit einer differentiellen Degeneration des Cingulum-Bündels bei Patienten mit leichter kognitiver Beeinträchtigung. Aktuelle Alzheimerforschung, 12(3), 255–265. CrossRef  Google Scholar  PubMed 
  124. Liang, Y., Li, H., Lv, C., Shu, N., Chen, K., Li, X., & Zhang, Z. (2015). Sex moderiert die Auswirkungen des Polymorphismus des Sorl1-Gens rs2070045 auf die kognitive Beeinträchtigung und die Störung der Integrität des Cingulums bei gesunden älteren Menschen. Neuropsychopharmacology, 40(6), 1519–1527. CrossRef  Google Scholar  PubMed 
  125. Liu, Z., Zhang, Y., Yan, H., Bai, L., Dai, R., Wei, W., & Tian, ​​J. (2012). Veränderte topologische Muster von Gehirnnetzwerken bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit: Eine fMRI-Studie im Ruhezustand. Psychiatry Research: Neuroimaging, 202(2), 118–125. CrossRef  Google Scholar  PubMed 
  126. Lo, CY, Wang, PN, Chou, KH, Wang, J., He, Y., & Lin, CP (2010). Die Diffusions-Tensor-Traktographie zeigt eine abnormale topologische Organisation in strukturellen kortikalen Netzwerken bei der Alzheimer-Krankheit. The Journal of Neuroscience, 30(50), 16876–16885. CrossRef  Google Scholar  PubMed 
  127. Lu, J., Liu, H., Zhang, M., Wang, D., Cao, Y., Ma, Q., & Li, K. (2011). Fokale pontine Läsionen liefern Hinweise darauf, dass die intrinsische funktionelle Konnektivität polysynaptische anatomische Bahnen widerspiegelt. Das Journal of Neuroscience, 31(42), 15065–15071. CrossRef  Google Scholar 
  128. Lyall, DM, Harris, SE, Bastin, ME, Munoz Maniega, S., Murray, C., Lutz, MW, & Deary, IJ (2014). Anfälligkeitsgene für die Alzheimer-Krankheit APOE und TOMM40 und Integrität der weißen Gehirnsubstanz in der Lothian-Geburtskohorte 1936. Neurobiology of Aging, 35(6), 1513 e1525–e1533. CrossRef  Google Scholar 
  129. Machulda, MM, Jones, DT, Vemuri, P., McDade, E., Avula, R., Przybelski, S., & Jack, CR Jr. (2011). Wirkung des APOE epsilon4-Status auf die intrinsische Netzwerkkonnektivität bei kognitiv normalen älteren Probanden. Archiv für Neurologie, 68 (9), 1131–1136. CrossRef  Google Scholar  PubMed 
  130. Mander, BA, Marks, SM, Vogel, JW, Rao, V., Lu, B., Saletin, JM, & Walker, MP (2015). Beta-Amyloid stört die langsamen NREM-Wellen des Menschen und die damit verbundene Hippocampus-abhängige Gedächtniskonsolidierung. Nature Neuroscience, 18(7), 1051–1057. CrossRef  Google Scholar 
  131. Mantini, D., Perrucci, MG, Del Gratta, C., Romani, GL, & Corbetta, M. (2007). Elektrophysiologische Signaturen von Ruhezustandsnetzwerken im menschlichen Gehirn. Proceedings of the National Academy of Sciences of the United States of America, 104(32), 13170–13175. CrossRef  Google Scholar  PubMed 
  132. Mason, MF, Norton, MI, Van Horn, JD, Wegner, DM, Grafton, ST, & Macrae, CN (2007). Wandernde Gedanken: Das Standardnetzwerk und stimulusunabhängiges Denken. Wissenschaft, 315 (5810), 393–395. CrossRef  Google Scholar  PubMed 
  133. Matura, S., Prvulovic, D., Jurcoane, A., Hartmann, D., Miller, J., Scheibe, M., & Pantel, J. (2014). Unterschiedliche Wirkungen des ApoE4-Genotyps auf Gehirnstruktur und -funktion. Neuroimage, 89, 81–91. CrossRef  Google Scholar  PubMed 
  134. Medina, D., DeToledo-Morrell, L., Urresta, F., Gabrieli, JD, Moseley, M., Fleischman, D., & Stebbins, GT (2006). Veränderungen der weißen Substanz bei leichter kognitiver Beeinträchtigung und AD: Eine Diffusions-Tensor-Bildgebungsstudie. Neurobiology of Aging, 27(5), 663–672. CrossRef  Google Scholar 
  135. Mendez, MF, & Shapira, JS (2009). Veränderte emotionale Moral bei frontotemporaler Demenz. Kognitive Neuropsychiatrie, 14(3), 165–179. CrossRef  Google Scholar  PubMed 
  136. Menon, V., & Uddin, LQ (2010). Salienz, Schalten, Aufmerksamkeit und Kontrolle: Ein Netzwerkmodell der Inselfunktion. Gehirnstruktur und -funktion, 214 (5-6), 655–667. CrossRef  Google Scholar  PubMed 
  137. Metzler-Baddeley, C., Hunt, S., Jones, DK, Leemans, A., Aggleton, JP, & O'Sullivan, MJ (2012). Zeitliche Assoziationsbahnen und der Zusammenbruch des episodischen Gedächtnisses bei leichter kognitiver Beeinträchtigung. Neurologie, 79(23), 2233–2240. CrossRef  Google Scholar  PubMed 
  138. Miao, X., Wu, X., Li, R., Chen, K., & Yao, L. (2011). Verändertes Konnektivitätsmuster von Hubs im Standardmodus-Netzwerk mit Alzheimer-Krankheit: Ein Granger-Kausalitätsmodellierungsansatz. PLoS One, 6(10), e25546. CrossRef  Google Scholar  PubMed 
  139. Mielke, MM, Okonkwo, OC, Oishi, K., Mori, S., Tighe, S., Miller, MI, & Lyketsos, CG (2012). Fornix-Integrität und Hippocampus-Volumen sagen Gedächtnisverlust und Progression zur Alzheimer-Krankheit voraus. Alzheimer & Demenz, 8(2), 105–113. CrossRef  Google Scholar  PubMed 
  140. Molinuevo, JL, Ripolles, P., Simo, M., Llado, A., Olives, J., Balasa, M., & Rami, L. (2014). Veränderungen der weißen Substanz bei präklinischer Alzheimer-Krankheit: Eine Magnetresonanztomographie-Diffusions-Tensor-Imaging-Studie an kognitiv normalen älteren Menschen mit positiven Amyloid-Beta-Protein-42-Spiegeln. Neurobiology of Aging, 35(12), 2671–2680. CrossRef  Google Scholar 
  141. Moretti, DV, Paternico, D., Binetti, G., Zanetti, O., & Frisoni, GB (2012). EEG-Marker sind mit Veränderungen der grauen Substanz im Thalamus und in den Basalganglien bei Personen mit leichter kognitiver Beeinträchtigung verbunden. Neuroimage, 60(1), 489–496. CrossRef  Google Scholar 
  142. Mori, S., Crain, BJ, Chacko, VP, & Van Zijl, PCM (1999). Dreidimensionale Verfolgung axonaler Projektionen im Gehirn durch Magnetresonanztomographie. Annals of Neurology, 45(2), 265–269.3.0.CO;2-3>CrossRef Google Scholar 
  143. Mori, S., & Zhang, J. (2006). Prinzipien der Diffusions-Tensor-Bildgebung und ihre Anwendungen in der neurowissenschaftlichen Grundlagenforschung. Neuron, 51(5), 527–539. CrossRef  Google Scholar  PubMed 
  144. Mormino, EC, Smiljic, A., Hayenga, AO, Onami, SH, Greicius, MD, Rabinovici, GD, & Jagust, WJ (2011). Beziehungen zwischen Beta-Amyloid und funktioneller Konnektivität in verschiedenen Komponenten des Standardmodus-Netzwerks beim Altern. Großhirnrinde, 21(10), 2399–2407. CrossRef  Google Scholar 
  145. Morris, JC, Roe, CM, Xiong, C., Fagan, AM, Goate, AM, Holtzman, DM, & Mintun, MA (2010). APOE sagt eine Amyloid-Beta-, aber keine Tau-Alzheimer-Pathologie bei kognitiv normalem Altern voraus. Annals of Neurology, 67(1), 122–131. CrossRef  Google Scholar 
  146. Myers, N., Pasquini, L., Gottler, J., Grimmer, T., Koch, K., Ortner, M., & Sorg, C. (2014). Patienteninterne Übereinstimmung von Amyloid-beta und intrinsischer Netzwerkkonnektivität bei der Alzheimer-Krankheit. Gehirn, 137 (Teil 7), 2052–2064. CrossRef  Google Scholar  PubMed 
  147. Naggara, O., Oppenheim, C., Rieu, D., Raoux, N., Rodrigo, S., Dalla Barba, G., & Meder, JF (2006). Diffusions-Tensor-Bildgebung bei früher Alzheimer-Krankheit. Psychiatrieforschung, 146(3), 243–249. CrossRef  Google Scholar  PubMed 
  148. Nath, S., Agholme, L., Kurudenkandy, FR, Granseth, B., Marcusson, J., & Hallbeck, M. (2012). Ausbreitung der neurodegenerativen Pathologie durch Neuron-zu-Neuron-Übertragung von Beta-Amyloid. Das Journal of Neuroscience, 32(26), 8767–8777. CrossRef  Google Scholar 
  149. O'Dwyer, L., Lamberton, F., Bokde, AL, Ewers, M., Faluyi, YO, Tanner, C., & Hampel, H. (2012). Verwendung von Support-Vektor-Maschinen mit mehreren Diffusionsindizes zur automatisierten Klassifizierung leichter kognitiver Beeinträchtigungen. PLoS One, 7(2), e32441. CrossRef  Google Scholar 
  150. Oh, H. & Jagust, WJ (2013). Die frontotemporale Netzwerkkonnektivität während der Gedächtniscodierung wird mit zunehmendem Alter erhöht und durch Beta-Amyloid gestört. The Journal of Neuroscience, 33(47), 18425–18437. CrossRef  Google Scholar  PubMed 
  151. Parihar, MS, & Brewer, GJ (2010). Amyloid-beta als Modulator der synaptischen Plastizität. Journal of Alzheimer's Disease, 22(3), 741–763. CrossRef  Google Scholar  PubMed 
  152. Patel, KT, Stevens, MC, Pearlson, GD, Winkler, AM, Hawkins, KA, Skudlarski, P., & Bauer, LO (2013). Netzwerkaktivität im Standardmodus und Integrität der weißen Substanz bei gesunden ApoE4-Trägern mittleren Alters. Bildgebung und Verhalten des Gehirns, 7(1), 60–67. CrossRef  Google Scholar  PubMed 
  153. Patriat, R., Molloy, EK, Meier, TB, Kirk, GR, Nair, VA, Meyerand, ME, & Birn, RM (2013). Die Auswirkung des Ruhezustands auf die Zuverlässigkeit und Konsistenz des fMRI im Ruhezustand: Ein Vergleich zwischen dem Ruhen mit offenen, geschlossenen und fixierten Augen. Neuroimage, 78, 463–473. CrossRef  Google Scholar  PubMed 
  154. Perrotin, A., Desgranges, B., Landeau, B., Mezenge, F., La Joie, R., Egret, S., & Chetelat, G. (2015). Anosognosie bei Alzheimer-Krankheit: Trennung zwischen Gedächtnis und selbstbezogenen Gehirnnetzwerken. Annalen der Neurologie, 78, 477–486. CrossRef  Google Scholar 
  155. Persson, J., Lind, J., Larsson, A., Ingvar, M., Sleegers, K., Van Broeckhoven, C., & Nyberg, L. (2008). Veränderte Deaktivierung bei Personen mit genetischem Risiko für die Alzheimer-Krankheit. Neuropsychologia, 46(6), 1679–1687. CrossRef  Google Scholar  PubMed 
  156. Pievani, M., de Haan, W., Wu, T., Seeley, WW, & Frisoni, GB (2011). Funktionelle Netzwerkstörung bei degenerativen Demenzen. Die Lanzette. Neurologie, 10(9), 829–843. CrossRef  Google Scholar 
  157. Puzzo, D., Privitera, L., Leznik, E., Fa, M., Staniszewski, A., Palmeri, A., & Arancio, O. (2008). Picomolares Amyloid-beta moduliert positiv die synaptische Plastizität und das Gedächtnis im Hippocampus. The Journal of Neuroscience, 28(53), 14537–14545. CrossRef  Google Scholar 
  158. Racine, AM, Adluru, N., Alexander, AL, Christian, BT, Okonkwo, OC, Oh, J., & Johnson, SC (2014). Assoziationen zwischen der Mikrostruktur der weißen Substanz und der Amyloidbelastung bei der präklinischen Alzheimer-Krankheit: Eine multimodale Bildgebungsuntersuchung. Neurobild. Klinisch, 4, 604–614. CrossRef  Google Scholar  PubMed 
  159. Raichle, ME, MacLeod, AM, Snyder, AZ, Powers, WJ, Gusnard, DA, & Shulman, GL (2001). Ein Standardmodus der Gehirnfunktion. Proceedings of the National Academy of Sciences of the United States of America, 98(2), 676–682. CrossRef  Google Scholar 
  160. Raj, A., Kuceyeski, A., & Weiner, M. (2012). Ein Netzwerkdiffusionsmodell des Krankheitsverlaufs bei Demenz. Neuron, 73(6), 1204–1215. CrossRef  Google Scholar  PubMed 
  161. Raj, A., LoCastro, E., Kuceyeski, A., Tosun, D., Relkin, N., & Weiner, M. (2015). Das Netzwerkdiffusionsmodell der Progression sagt Längsmuster von Atrophie und Stoffwechsel bei der Alzheimer-Krankheit voraus. Zellberichte. [Epub vor dem Druck]. CrossRef  Google Scholar 
  162. Rankin, KP, Gorno-Tempini, ML, Allison, SC, Stanley, CM, Glenn, S., Weiner, MW, & Miller, BL (2006). Strukturelle Anatomie der Empathie bei neurodegenerativen Erkrankungen. Gehirn, 129, 2945–2956. CrossRef  Google Scholar  PubMed 
  163. Ray, NJ, Metzler-Baddeley, C., Khondoker, MR, Grothe, MJ, Teipel, S., Wright, P., & O'Sullivan, MJ (2015). Die cholinerge basale Vorderhirnstruktur beeinflusst die Rekonfiguration der Verbindungen der weißen Substanz, um das Restgedächtnis bei leichter kognitiver Beeinträchtigung zu unterstützen. Das Journal of Neuroscience, 35(2), 739–747. CrossRef  Google Scholar  PubMed 
  164. Reijmer, YD, Leemans, A., Caeyenberghs, K., Heringa, SM, Koek, HL, & Biessels, GJ (2013). Störung der zerebralen Netzwerke und kognitive Beeinträchtigung bei der Alzheimer-Krankheit. Neurologie, 80(15), 1370–1377. CrossRef  Google Scholar  PubMed 
  165. Reijmer, YD, Leemans, A., Heringa, SM, Wielaard, I., Jeurissen, B., Koek, HL, & Biessels, GJ (2012). Verbesserte Empfindlichkeit gegenüber Anomalien der zerebralen weißen Substanz bei der Alzheimer-Krankheit mit sphärischer Dekonvolutions-basierter Traktographie. PLoS One, 7(8), e44074. CrossRef  Google Scholar  PubMed 
  166. Ringman, JM, O'Neill, J., Geschwind, D., Medina, L., Apostolova, LG, Rodriguez, Y., & Bartzokis, G. (2007). Diffusions-Tensor-Bildgebung bei präklinischen und präsymptomatischen Trägern familiärer Alzheimer-Mutationen. Gehirn, 130 (Teil 7), 1767–1776. CrossRef  Google Scholar 
  167. Rubinov, M., & Sporns, O. (2010). Komplexe Netzwerkmaße der Gehirnkonnektivität: Verwendung und Interpretation. Neuroimage, 52(3), 1059–1069. CrossRef  Google Scholar 
  168. Ryan, NS, Keihaninejad, S., Shakespeare, TJ, Lehmann, M., Crutch, SJ, Malone, IB, & Fox, NC (2013). Magnetresonanztomographie-Beweise für präsymptomatische Veränderungen im Thalamus und Caudat bei familiärer Alzheimer-Krankheit. Gehirn, 136 (Teil 5), 1399–1414. CrossRef  Google Scholar  PubMed 
  169. Sadaghiani, S., Scheeringa, R., Lehongre, K., Morillon, B., Giraud, AL, & Kleinschmidt, A. (2010). Intrinsische Konnektivitätsnetzwerke, Alpha-Oszillationen und tonische Wachheit: Eine simultane Elektroenzephalographie / funktionelle Magnetresonanztomographie-Studie. Das Journal of Neuroscience, 30(30), 10243–10250. CrossRef  Google Scholar  PubMed 
  170. Salami, A., Pudas, S., & Nyberg, L. (2014). Eine erhöhte Hippocampus-Ruhezustandskonnektivität liegt einer mangelhaften neurokognitiven Funktion im Alter zugrunde. Proceedings of the National Academy of Sciences of the United States of America, 111(49), 17654–17659. CrossRef  Google Scholar 
  171. Sanz-Arigita, EJ, Schoonheim, MM, Damoiseaux, JS, Rombouts, SA, Maris, E., Barkhof, F., & Stam, CJ (2010). Verlust von „Kleinwelt“-Netzwerken bei der Alzheimer-Krankheit: Diagrammanalyse der funktionellen Konnektivität des FMRI-Ruhezustands. PLoS One, 5(11), e13788. CrossRef  Google Scholar  PubMed 
  172. Scola, E., Bozzali, M., Agosta, F., Magnani, G., Franceschi, M., Sormani, MP, & Falini, A. (2010). Eine Diffusions-Tensor-MRT-Studie von Patienten mit MCI und AD mit einer klinischen Nachbeobachtung von 2 Jahren. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 81(7), 798–805. CrossRef  Google Scholar 
  173. Seeley, WW, Allman, JM, Carlin, DA, Crawford, RK, Macedo, MN, Greicius, MD, & Miller, BL (2007). Divergentes soziales Funktionieren bei der Verhaltensvariante Frontotemporale Demenz und Alzheimer-Krankheit: Reziproke Netzwerke und neuronale Evolution. Alzheimer-Krankheit und damit verbundene Erkrankungen, 21(4), S50–S57. CrossRef  Google Scholar 
  174. Seeley, WW, Crawford, RK, Zhou, J., Miller, BL, & Greicius, MD (2009). Neurodegenerative Erkrankungen zielen auf groß angelegte Netzwerke des menschlichen Gehirns ab. Neuron, 62(1), 42–52. CrossRef  Google Scholar 
  175. Selnes, P., Aarsland, D., Bjornerud, A., Gjerstad, L., Wallin, A., Hessen, E., & Fladby, T. (2013). Die Diffusions-Tensor-Bildgebung übertrifft die Zerebrospinalflüssigkeit als Prädiktor für den kognitiven Rückgang und die Atrophie des medialen Temporallappens bei subjektiver kognitiver Beeinträchtigung und leichter kognitiver Beeinträchtigung. Journal of Alzheimer's Disease, 33(3), 723–736. Google Scholar  PubMed 
  176. Sepulcre, J., Sabuncu, MR, Becker, A., Sperling, R., & Johnson, KA (2013). In-vivo-Charakterisierung der frühen Stadien des Amyloid-beta-Netzwerks. Gehirn, 136 (Teil 7), 2239–2252. CrossRef  Google Scholar 
  177. Sepulcre, J., Sabuncu, MR, Yeo, TB, Liu, H., & Johnson, KA (2012). Die schrittweise Konnektivität des modalen Kortex zeigt die multimodale Organisation des menschlichen Gehirns. Das Journal of Neuroscience, 32(31), 10649–10661. CrossRef  Google Scholar 
  178. Sexton, CE, Mackay, CE, Lonie, JA, Bastin, ME, Terriere, E., O'Carroll, RE, & Ebmeier, KP (2010). MRT korreliert mit dem episodischen Gedächtnis bei der Alzheimer-Krankheit, leichter kognitiver Beeinträchtigung und gesundem Altern. Psychiatry Research, 184(1), 57–62. CrossRef  Google Scholar  PubMed 
  179. Shankar, GM, Bloodgood, BL, Townsend, M., Walsh, DM, Selkoe, DJ, & Sabatini, BL (2007). Natürliche Oligomere des Alzheimer-Amyloid-beta-Proteins induzieren einen reversiblen Synapsenverlust, indem sie einen Glutamatrezeptor-abhängigen Signalweg vom NMDA-Typ modulieren. Das Journal of Neuroscience, 27(11), 2866–2875. CrossRef  Google Scholar  PubMed 
  180. Shao, J., Myers, N., Yang, Q., Feng, J., Plant, C., Bohm, C., & Sorg, C. (2012). Vorhersage der Alzheimer-Krankheit unter Verwendung individueller struktureller Konnektivitätsnetzwerke. Neurobiology of Aging, 33(12), 2756–2765. CrossRef  Google Scholar  PubMed 
  181. Sheline, YI, Morris, JC, Snyder, AZ, Price, JL, Yan, Z., D'Angelo, G., & Mintun, MA (2010). Das APOE4-Allel unterbricht die fMRI-Konnektivität im Ruhezustand in Abwesenheit von Amyloid-Plaques oder verringertem CSF-Abeta42. Das Journal of Neuroscience, 30(50), 17035–17040. CrossRef  Google Scholar  PubMed 
  182. Sheline, YI, Raichle, ME, Snyder, AZ, Morris, JC, Head, D., Wang, S., & Mintun, MA (2010). Amyloid-Plaques stören die Netzwerkkonnektivität im Ruhezustand bei kognitiv normalen älteren Menschen. Biologische Psychiatrie, 67(6), 584–587. CrossRef  Google Scholar 
  183. Shulman, GL, Corbetta, M., Fiez, JA, Buckner, RL, Miezin, FM, Raichle, ME, & Petersen, SE (1997). Suche nach Aktivierungen, die über Aufgaben verallgemeinern. Kartierung des menschlichen Gehirns, 5 (4), 317–322.3.0.CO;2-A>CrossRef Google Scholar 
  184. Smith, SM, Beckmann, CF, Andersson, J., Auerbach, EJ, Bijsterbosch, J., Douaud, G., & Glasser, MF (2013). Ruhezustands-fMRT im Human Connectome Project. Neuroimage, 80, 144–168. CrossRef  Google Scholar  PubMed 
  185. Smith, SM, Fox, PT, Miller, KL, Glahn, DC, Fox, PM, Mackay, CE, & Beckmann, CF (2009). Korrespondenz der funktionellen Architektur des Gehirns während Aktivierung und Ruhe. Proceedings of the National Academy of Sciences of the United States of America, 106(31), 13040–13045. CrossRef  Google Scholar 
  186. Soldner, J., Meindl, T., Koch, W., Bokde, AL, Reiser, MF, Moller, HJ, & Teipel, SJ (2012). [Strukturelle und funktionelle neuronale Konnektivität bei der Alzheimer-Krankheit: Eine kombinierte DTI- und fMRI-Studie]. Der Nervenarzt, 83(7), 878–887. CrossRef  Google Scholar 
  187. Sollberger, M., Stanley, CM, Wilson, SM, Gyurak, A., Beckman, V., Growdon, M., & Rankin, KP (2009). Neuronale Grundlagen zwischenmenschlicher Merkmale bei neurodegenerativen Erkrankungen. Neuropsychologia, 47(13), 2812–2827. CrossRef  Google Scholar 
  188. Song, SK, Sun, SW, Ju, WK, Lin, SJ, Cross, AH, & Neufeld, AH (2003). Die Diffusions-Tensor-Bildgebung erkennt und differenziert die Axon- und Myelin-Degeneration im Sehnerv der Maus nach retinaler Ischämie. Neuroimage, 20(3), 1714–1722. CrossRef  Google Scholar  PubMed 
  189. Sorg, C., Riedl, V., Muhlau, M., Calhoun, VD, Eichele, T., Laer, L., & Wohlschlager, AM (2007). Selektive Veränderungen von Resting-State-Netzwerken bei Alzheimer-Risikogruppen. Proceedings of the National Academy of Sciences of the United States of America, 104(47), 18760–18765. CrossRef  Google Scholar 
  190. Sperling, RA, Laviolette, PS, O'Keefe, K., O'Brien, J., Rentz, DM, Pihlajamaki, M., & Johnson, KA (2009). Die Amyloidablagerung ist bei älteren Menschen ohne Demenz mit einer beeinträchtigten Standardnetzwerkfunktion verbunden. Neuron, 63(2), 178–188. CrossRef  Google Scholar  PubMed 
  191. Spires-Jones, TL, & Hyman, BT (2014). Der Schnittpunkt von Amyloid Beta und Tau an Synapsen bei der Alzheimer-Krankheit. Neuron, 82(4), 756–771. CrossRef  Google Scholar  PubMed 
  192. Sporns, O., Honey, CJ, & Kotter, R. (2007). Identifizierung und Klassifizierung von Hubs in Gehirnnetzwerken. PLoS One, 2(10), e1049. CrossRef  Google Scholar  PubMed 
  193. Stahl, R., Dietrich, O., Teipel, SJ, Hampel, H., Reiser, MF, & Schönberg, SO (2007). Schädigung der weißen Substanz bei Alzheimer-Krankheit und leichter kognitiver Beeinträchtigung: Bewertung mit Diffusions-Tensor-MR-Bildgebung und parallelen Bildgebungsverfahren. Radiologie, 243(2), 483–492. CrossRef  Google Scholar 
  194. Stenset, V., Bjornerud, A., Fjell, AM, Walhovd, KB, Hofoss, D., Due-Tonnessen, P., & Fladby, T. (2011). Cingulum-Faserdiffusivität und CSF-T-Tau bei Patienten mit subjektiver und leichter kognitiver Beeinträchtigung. Neurobiology of Aging, 32(4), 581–589. CrossRef  Google Scholar  PubMed 
  195. Sturm, VE, McCarthy, ME, Yun, I., Madan, A., Yuan, JW, Holley, SR, & Levenson, RW (2011). Gegenseitiger Blick bei Paaren mit Alzheimer, frontotemporaler und semantischer Demenz. Sozialkognitive und affektive Neurowissenschaften, 6(3), 359–367. CrossRef  Google Scholar  PubMed 
  196. Sturm, VE, Yokoyama, JS, Seeley, WW, Kramer, JH, Miller, BL, & Rankin, KP (2013). Eine erhöhte emotionale Ansteckung bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit ist mit einer Degeneration des Temporallappens verbunden. Proceedings of the National Academy of Sciences of the United States of America, 110(24), 9944–9949. CrossRef  Google Scholar  PubMed 
  197. Supekar, K., Menon, V., Rubin, D., Musen, M., & Greicius, MD (2008). Netzwerkanalyse der intrinsischen funktionellen Gehirnkonnektivität bei der Alzheimer-Krankheit. PLoS Computational Biology, 4(6), e1000100. CrossRef  Google Scholar 
  198. Tahmasian, M., Pasquini, L., Scherr, M., Meng, C., Forster, S., Mulej Bratec, S., & Drzezga, A. (2015). Je geringer die globale Konnektivität des Hippocampus ist, desto höher ist sein lokaler Metabolismus bei der Alzheimer-Krankheit. Neurologie, 84(19), 1956–1963. CrossRef  Google Scholar 
  199. Teipel, S., Ehlers, I., Erbe, A., Holzmann, C., Lau, E., Hauenstein, K., & Berger, C. (2015). Strukturelle Konnektivitätsänderungen, die veränderten Arbeitsgedächtnisnetzwerken bei leichter kognitiver Beeinträchtigung zugrunde liegen: Eine Drei-Wege-Bildfusionsanalyse. J Neuroimaging, 25(4), 634–642. CrossRef  Google Scholar  PubMed 
  200. Teipel, SJ, Bokde, AL, Meindl, T., Amaro, E. Jr., Soldner, J., Reiser, MF, & Hampel, H. (2010). Die Mikrostruktur der weißen Substanz, die der Netzwerkkonnektivität im Standardmodus im menschlichen Gehirn zugrunde liegt. Neuroimage, 49(3), 2021–2032. CrossRef  Google Scholar  PubMed 
  201. Teipel, SJ, Grothe, MJ, Filippi, M., Fellgiebel, A., Dyrba, M., Frisoni, GB, & Gruppe, ES (2014). Änderungen der fraktionierten Anisotropie bei der Alzheimer-Krankheit hängen von der zugrunde liegenden Fasertraktarchitektur ab: Eine multiparametrische DTI-Studie mit gemeinsamer unabhängiger Komponentenanalyse. Journal of Alzheimer's Disease, 41(1), 69–83. Google Scholar  PubMed 
  202. Teipel, SJ, Lerche, M., Kilimann, I., O'Brien, K., Grothe, M., Meyer, P., & Hauenstein, K. (2014). Rückgang der Integrität des Fasertrakts im Erwachsenenalter: Eine Diffusionsspektrum-Bildgebungsstudie. Journal of Magnetic Resonance Imaging, 40(2), 348–359. CrossRef  Google Scholar  PubMed 
  203. Teipel, SJ, Meindl, T., Grinberg, L., Grothe, M., Cantero, JL, Reiser, MF, & Hampel, H. (2011). Das cholinerge System bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit: Eine In-vivo-MRT- und DTI-Studie. Kartierung des menschlichen Gehirns, 32 (9), 1349–1362. CrossRef  Google Scholar 
  204. Teipel, SJ, Meindl, T., Wagner, M., Stieltjes, B., Reuter, S., Hauenstein, KH, & Hampel, H. (2010). Längsveränderungen der Faserbahnintegrität bei gesundem Altern und leichter kognitiver Beeinträchtigung: Eine DTI-Follow-up-Studie. Journal of Alzheimer's Disease, 22(2), 507–522. CrossRef  Google Scholar 
  205. Teipel, SJ, Pogarell, O., Meindl, T., Dietrich, O., Sydykova, D., Hunklinger, U., & Hampel, H. (2009). Regionale Netzwerke, die der interhemisphärischen Konnektivität zugrunde liegen: Eine EEG- und DTI-Studie bei gesundem Altern und amnestischer leichter kognitiver Beeinträchtigung. Human Brain Mapping, 30 (7), 2098–2119. CrossRef  Google Scholar  PubMed 
  206. Teipel, SJ, Reuter, S., Stieltjes, B., Acosta-Cabronero, J., Ernemann, U., Fellgiebel, A., & Hampel, H. (2011). Multizentrische Stabilität von Diffusions-Tensor-Bildgebungsmaßnahmen: Eine europäische klinische und physikalische Phantomstudie. Psychiatry Research, 194(3), 363–371. CrossRef  Google Scholar  PubMed 
  207. Teipel, SJ, Sabri, O., Grothe, M., Barthel, H., Prvulovic, D., Bürger, K., & Hampel, H. (2013). Perspektiven für multimodale neurochemische und bildgebende Biomarker bei der Alzheimer-Krankheit. Journal of Alzheimer's Disease, 33 (Suppl. 1), S329–S347. Google Scholar 
  208. Teipel, SJ, Wegrzyn, M., Meindl, T., Frisoni, G., Bokde, AL, Fellgiebel, A., & Ewers, M. (2012). Anatomische MRT und DTI bei der Diagnose der Alzheimer-Krankheit: Eine europäische multizentrische Studie. Journal of Alzheimer's Disease, 31 (Suppl. 3), S33–S47. Google Scholar 
  209. Thal, DR, Attems, J., & Ewers, M. (2014). Ausbreitung von Amyloid, Tau und mikrovaskulärer Pathologie bei der Alzheimer-Krankheit: Erkenntnisse aus neuropathologischen und neuroimaging-Studien. Journal of Alzheimer's Disease, 42 (Suppl. 4), S421–S429. Google Scholar 
  210. van den Heuvel, M., Mandl, R., Luigjes, J., & Hulshoff Pol, H. (2008). Mikrostrukturelle Organisation des Cingulumtrakts und das Niveau der funktionellen Konnektivität im Standardmodus. Das Journal of Neuroscience, 28(43), 10844–10851. CrossRef  Google Scholar  PubMed 
  211. van den Heuvel, MP, Mandl, RC, Kahn, RS, & Hulshoff Pol, HE (2009). Funktional verknüpfte Ruhezustandsnetzwerke spiegeln die zugrunde liegende strukturelle Konnektivitätsarchitektur des menschlichen Gehirns wider. Kartierung des menschlichen Gehirns, 30 (10), 3127–3141. CrossRef  Google Scholar 
  212. van den Heuvel, MP, & Sporns, O. (2011). Rich-Club-Organisation des menschlichen Konnektoms. Journal of Neuroscience, 31(44), 15775–15786. CrossRef  Google Scholar 
  213. Vecchio, F., Miraglia, F., Curcio, G., Altavilla, R., Scrascia, F., Giambattistelli, F., & Rossini, PM (2015). Kortikale Gehirnkonnektivität, bewertet durch Graphentheorie bei Demenz: Eine Korrelationsstudie zwischen funktionellen und strukturellen Daten. Journal of Alzheimer's Disease, 45, 745–756. Google Scholar 
  214. Vidal-Pineiro, D., Valls-Pedret, C., Fernandez-Cabello, S., Arenaza-Urquijo, EM, Sala-Llonch, R., Solana, E., & Bartres-Faz, D. (2014). Eine verringerte Netzwerkkonnektivität im Standardmodus korreliert mit altersbedingten strukturellen und kognitiven Veränderungen. Frontiers in Aging Neuroscience, 6, 256. Google Scholar  PubMed 
  215. Villain, N., Fouquet, M., Baron, JC, Mezenge, F., Landeau, B., de La Sayette, V., & Chetelat, G. (2010). Sequenzielle Beziehungen zwischen Atrophie der grauen und weißen Substanz und metabolischen Anomalien des Gehirns bei der frühen Alzheimer-Krankheit. Gehirn, 133 (11), 3301–3314. CrossRef  Google Scholar  PubMed 
  216. Villemagne, VL, Pike, KE, Chetelat, G., Ellis, KA, Mulligan, RS, Bourgeat, P., & Rowe, CC (2011). Längsschnittbewertung von Abeta und Kognition bei Alterung und Alzheimer-Krankheit. Annalen der Neurologie, 69 (1), 181–192. CrossRef  Google Scholar  PubMed 
  217. Vincent, JL, Patel, GH, Fox, MD, Snyder, AZ, Baker, JT, Van Essen, DC, & Raichle, ME (2007). Intrinsische funktionelle Architektur im anästhesierten Affengehirn. Natur, 447 (7140), 83–86. CrossRef  Google Scholar  PubMed 
  218. Voineskos, AN, Lerch, JP, Felsky, D., Shaikh, S., Rajji, TK, Miranda, D., & Kennedy, JL (2011). Der Polymorphismus des aus dem Gehirn stammenden neurotrophen Faktors Val66Met und die Vorhersage des neuralen Risikos für die Alzheimer-Krankheit. Archives of General Psychiatry, 68(2), 198–206. CrossRef  Google Scholar  PubMed 
  219. Wang, D., Liu, B., Qin, W., Wang, J., Zhang, Y., Jiang, T., & Yu, C. (2013). KIBRA-Genvarianten sind mit der Synchronisation innerhalb des Standardmodus- und Exekutivkontrollnetzwerks verbunden. Neuroimage, 69, 213–222. CrossRef  Google Scholar  PubMed 
  220. Wang, J., Wang, X., He, Y., Yu, X., Wang, H., & He, Y. (2015). Apolipoprotein E epsilon4 moduliert das funktionelle Gehirnkonnektom bei der Alzheimer-Krankheit. Kartierung des menschlichen Gehirns, 36, 1828–1846. CrossRef  Google Scholar  PubMed 
  221. Wang, K., Liang, M., Wang, L., Tian, ​​L., Zhang, X., Li, K., & Jiang, T. (2007). Veränderte funktionelle Konnektivität bei früher Alzheimer-Krankheit: Eine fMRI-Studie im Ruhezustand. Kartierung des menschlichen Gehirns, 28 (10), 967–978. CrossRef  Google Scholar  PubMed 
  222. Wedeen, VJ, Wang, RP, Schmahmann, JD, Benner, T., Tseng, WY, Dai, G., & de Crespigny, AJ (2008). Diffusionsspektrum-Magnetresonanztomographie (DSI)-Traktographie von sich kreuzenden Fasern. Neuroimage, 41(4), 1267–1277. CrossRef  Google Scholar  PubMed 
  223. Wee, CY, Yap, PT, Zhang, D., Denny, K., Browndyke, JN, Potter, GG, & Shen, D. (2012). Identifizierung von MCI-Personen mithilfe von strukturellen und funktionalen Konnektivitätsnetzwerken. Neuroimage, 59(3), 2045–2056. CrossRef  Google Scholar  PubMed 
  224. Weiler, M., de Campos, BM, Nogueira, MH, Pereira Damasceno, B., Cendes, F., & Balthazar, ML (2014). Strukturelle Konnektivität des Default-Mode-Netzwerks und der Kognition bei der Alzheimer-Krankheit. Psychiatry Research, 223(1), 15–22. CrossRef  Google Scholar  PubMed 
  225. Westlye, LT, Reinvang, I., Rootwelt, H., & Espeseth, T. (2012). Auswirkungen von APOE auf die Mikrostruktur der weißen Hirnsubstanz bei gesunden Erwachsenen. Neurologie, 79(19), 1961–1969. CrossRef  Google Scholar  PubMed 
  226. Whitwell, JL, Przybelski, SA, Weigand, SD, Knopman, DS, Boeve, BF, Petersen, RC, & Jack, CR Jr. (2007). 3D-Karten aus mehreren MRT-Bildern veranschaulichen sich verändernde Atrophiemuster, wenn die Probanden von einer leichten kognitiven Beeinträchtigung zur Alzheimer-Krankheit fortschreiten. Gehirn, 130 (Teil 7), 1777–1786. CrossRef  Google Scholar  PubMed 
  227. Xie, S., Xiao, JX, Gong, GL, Zang, YF, Wang, YH, Wu, HK, & Jiang, XX (2006). Voxel-basierte Erkennung von Anomalien der weißen Substanz bei leichter Alzheimer-Krankheit. Neurologie, 66(12), 1845–1849. CrossRef  Google Scholar 
  228. Xiong, C., Roe, CM, Buckles, V., Fagan, A., Holtzman, D., Balota, D., & Morris, JC (2011). Rolle der Familienanamnese für Alzheimer-Biomarker-Anomalien in der Studie mit erwachsenen Kindern. Archiv für Neurologie, 68 (10), 1313–1319. CrossRef  Google Scholar  PubMed 
  229. Yakushev, I., Schreckenberger, M., Muller, MJ, Schermuly, I., Cumming, P., Stoeter, P., & Fellgiebel, A. (2011). Funktionelle Auswirkungen der Hippocampus-Degeneration bei früher Alzheimer-Krankheit: Eine kombinierte DTI- und PET-Studie. European Journal of Nuclear Medicine and Molecular Imaging, 38(12), 2219–2227. CrossRef  Google Scholar  PubMed 
  230. Yeo, BT, Krienen, FM, Sepulcre, J., Sabuncu, MR, Lashkari, D., Hollinshead, M., & Buckner, RL (2011). Die Organisation der menschlichen Großhirnrinde, geschätzt durch intrinsische funktionelle Konnektivität. Journal of Neurophysiology, 106(3), 1125–1165. Google Scholar  PubMed 
  231. Zhang, HY, Wang, SJ, Liu, B., Ma, ZL, Yang, M., Zhang, ZJ, & Teng, GJ (2010). Konnektivität des Gehirns im Ruhezustand: Veränderungen während des Fortschreitens der Alzheimer-Krankheit. Radiologie, 256(2), 598–606. CrossRef  Google Scholar  PubMed 
  232. Zhang, Y., Schuff, N., Jahng, GH, Bayne, W., Mori, S., Schad, L., & Weiner, MW (2007). Diffusions-Tensor-Bildgebung von Cingulum-Fasern bei leichter kognitiver Beeinträchtigung und Alzheimer-Krankheit. Neurologie, 68(1), 13–19. CrossRef  Google Scholar  PubMed 
  233. Zhou, J., Gennatas, ED, Kramer, JH, Miller, BL, & Seeley, WW (2012). Vorhersage regionaler Neurodegeneration aus dem funktionellen Connectom des gesunden Gehirns. Neuron, 73(6), 1216–1227. CrossRef  Google Scholar 
  234. Zhou, J., Greicius, MD, Gennatas, ED, Growdon, ME, Jang, JY, Rabinovici, GD, & Seeley, WW (2010). Divergente Änderungen der Netzwerkkonnektivität bei Verhaltensvarianten der frontotemporalen Demenz und der Alzheimer-Krankheit. Gehirn, 133 (Teil 5), 1352–1367. CrossRef  Google Scholar 
  235. Zhuang, L., Sachdev, PS, Trollor, JN, Kochan, NA, Reppermund, S., Brodaty, H., & Wen, W. (2012). Mikrostrukturelle Veränderungen der weißen Substanz bei kognitiv normalen Personen mit dem Risiko einer amnestischen MCI. Neurologie, 79(8), 748–754. CrossRef  Google Scholar  PubMed 
  236. Zuo, XN, Ehmke, R., Mennes, M., Imperati, D., Castellanos, FX, Sporns, O., & Milham, MP (2012). Netzwerkzentralität im funktionellen Konnektom des Menschen. Großhirnrinde, 22(8), 1862–1875. CrossRef  Google Scholar  PubMed 
Bildgebung des "gefährdeten" Gehirns: Zukünftige Richtungen
Autor (en)
  • Maki S. Koyama | Child Mind Institute, New York, New York, Nathan S. Kline Institute for Psychiatric Research, Orangeburg, New York
  • Adriana di Martino | Das Child Study Center am NYU Langone Medical Center, New York, New York
  • Francisco X. Castellanos | Nathan S. Kline Institute for Psychiatric Research, Orangeburg, New York, The Child Study Center am NYU Langone Medical Center, New York, New York
  • Erica J. Ho | Child Mind Institute, New York, New York
  • Enitan Marcelle | Child Mind Institute, New York, New York
  • Bennett Leventhal | Abteilung für Psychiatrie der Universität von Kalifornien – San Francisco, San Francisco, Kalifornien
  • Michael P. Milham | Child Mind Institute, New York, New York, Nathan S. Kline Institute for Psychiatric Research, Orangeburg, New York

Korrespondenz

Angaben
Die Autoren erklären, dass keine Interessenkonflikte bestehen.

Abstrakt
Lernziele:

Die klinische Neurowissenschaft wendet sich zunehmend der Bildgebung des menschlichen Gehirns zu, um Antworten auf eine Reihe von Fragen und Herausforderungen zu finden. Bisher konzentrierte sich die Mehrzahl der Studien auf die neuralen Grundlagen aktueller psychiatrischer Symptome, was die Identifizierung neurobiologischer Marker für die Diagnose erleichtern kann. Die zunehmende Verfügbarkeit und Durchführbarkeit der Verwendung von bildgebenden Verfahren wie Diffusionsbildgebung und fMRT im Ruhezustand ermöglichen jedoch eine Längsschnittkartierung der Gehirnentwicklung. Diese Verschiebung auf dem Gebiet eröffnet die Möglichkeit, prädiktive Risiko- oder Prognosemarker zu identifizieren, und stellt auch ein entscheidendes fehlendes Element für Bemühungen dar, personalisierte oder individualisierte Medizin in der Psychiatrie (dh stratifizierte Psychiatrie) zu fördern.

Methoden:

Die vorliegende Arbeit bietet eine selektive Überprüfung potenziell ertragsstarker Populationen für eine Längsschnittuntersuchung mit MRT, basierend auf unserem Verständnis des Risikos aus epidemiologischen Studien und ersten MRT-Ergebnissen.

Ergebnisse:

Unsere Diskussion gliedert sich in drei Themenbereiche: (1) praktische Überlegungen zur Festlegung zeitlicher Priorität in der psychiatrischen Forschung; (2) Bereitschaft des Feldes zur Durchführung von Längs-MRT, insbesondere für neurologische Entwicklungsfragen; und (3) Abbildungen ertragreicher Populationen und Zeitfenster zur Untersuchung, die zur schnellen Generierung aussagekräftiger und nützlicher Daten verwendet werden können. Besonderer Wert wird auf die Implementierung zeitgerechter, entwicklungsbezogener Längsschnittdesigns gelegt, die in der Lage sind, die Identifizierung von Biomarkern zu erleichtern, die Risiko und Prognose vorhersagen.

Schlussfolgerungen:

Eine strategische Längsschnittuntersuchung des gefährdeten Gehirns hat das Potenzial, die Konzepte der Frühintervention und Prävention in die Psychiatrie einzubringen. (JINS, 2016,22, 164-179)

Literaturverzeichnis
  1. Aarnoudse-Moens, CS, Weisglas-Kuperus, N., van Goudoever, JB, & Oosterlaan, J. (2009). Meta-Analyse von neurologischen Verhaltensergebnissen bei sehr frühgeborenen und/oder sehr leichtgewichtigen Kindern. Pädiatrie, 124(2), 717–728. doi:10.1542/peds.2008-2816 CrossRef  Google Scholar  PubMed 
  2. Alexander, AL, Hurley, SA, Samsonov, AA, Adluru, N., Hosseinbor, AP, Mossahebi, P. & Field, AS (2011). Charakterisierung der Eigenschaften der zerebralen weißen Substanz mit quantitativen Magnetresonanztomographie-Färbungen. Gehirnkonnektivität, 1(6), 423–446. doi:10.1089/brain.2011.0071 CrossRef  Google Scholar  PubMed 
  3. Allin, M., Walshe, M., Fern, A., Nosarti, C., Cuddy, M., Rifkin, L., & Wyatt, J. (2008). Kognitive Reifung bei früh- und termingeborenen Jugendlichen. Journal of Neurology, Neurosurgery & Psychiatry, 79(4), 381–386. doi:10.1136/jnnp.2006.110858 CrossRef  Google Scholar 
  4. Almli, CR, Rivkin, MJ, & McKinstry, RC, & Brain Development Cooperative, Group. (2007). Die NIH-MRT-Studie zur normalen Gehirnentwicklung (Ziel 2): ​​Neugeborene, Säuglinge, Kleinkinder und Kinder im Vorschulalter. Neuroimage, 35(1), 308–325. doi:10.1016/j.neuroimage.2006.08.058 CrossRef  Google Scholar 
  5. Ameis, SH, & Catani, M. (2015). Veränderte Konnektivität der weißen Substanz als neuronales Substrat für soziale Beeinträchtigungen bei Autismus-Spektrum-Störungen. Kortex, 62, 158–181. doi:10.1016/j.cortex.2014.10.014 CrossRef  Google Scholar  PubMed 
  6. Anderson, AL, & Thomason, ME (2013). Funktionelle Plastizität vor der Wiege: Eine Überprüfung der neuronalen funktionellen Bildgebung beim menschlichen Fötus. Neuroscience & Biobehavioral Reviews, 37 (9 Pt B), 2220–2232. doi:10.1016/j.neubiorev.2013.03.013 CrossRef  Google Scholar 
  7. Anderson, DK, Lord, C., Risi, S., DiLavore, PS, Shulman, C., Thurm, A., & Pickles, A. (2007). Wachstumsmuster der verbalen Fähigkeiten bei Kindern mit Autismus-Spektrum-Störung. Journal of Consulting and Clinical Psychology, 75(4), 594–604. doi:10.1037/0022-006X.75.4.594 CrossRef  Google Scholar  PubMed 
  8. Aylward, EH, Richards, TL, Berninger, VW, Nagy, WE, Field, KM, Grimme, AC, & Cramer, SC (2003). Lehrbehandlung im Zusammenhang mit Veränderungen der Gehirnaktivierung bei Kindern mit Legasthenie. Neurologie, 61(2), 212–219. CrossRef  Google Scholar  PubMed 
  9. Baghdadli, A., Picot, MC, Michelon, C., Bodet, J., Pernon, E., Burstezjn, C., & Aussilloux, C. (2007). Was passiert mit Kindern mit PDD, wenn sie aufwachsen? Prospektives Follow-up von 219 Kindern vom Vorschulalter bis zur mittleren Kindheit. Acta Psychiatrica Scandinavica, 115(5), 403–412. doi:10.1111/j.1600-0447.2006.00898.x CrossRef  Google Scholar 
  10. Bal, VH, Kim, SH, Cheong, D., & Lord, C. (2015). Fähigkeiten des täglichen Lebens bei Personen mit Autismus-Spektrum-Störung im Alter von 2 bis 21 Jahren. Autismus, 19(7), 774–784. doi:10.1177/1362361315575840 CrossRef  Google Scholar  PubMed 
  11. Barquero, LA, Davis, N., & Cutting, LE (2014). Neuroimaging der Leseintervention: Eine systematische Überprüfung und Metaanalyse zur Schätzung der Aktivierungswahrscheinlichkeit. PLoS One, 9(1), e83668. doi:10.1371/journal.pone.0083668 CrossRef  Google Scholar  PubMed 
  12. Barre, N., Morgan, A., Doyle, LW, & Anderson, PJ (2011). Sprachfähigkeiten bei sehr Frühgeborenen und/oder sehr geringem Geburtsgewicht: Eine Meta-Analyse. Journal of Pediatrics, 158(5), 766–774 e761. doi:10.1016/j.jpeds.2010.10.032 CrossRef  Google Scholar  PubMed 
  13. Barttfeld, P., Uhrig, L., Sitt, JD, Sigman, M., Jarraya, B., & Dehaene, S. (2015). Signatur des Bewusstseins in der Dynamik der Gehirnaktivität im Ruhezustand. Proceedings of the National Academy of Sciences of the United States of America, 112(3), 887–892. doi:10.1073/pnas.1418031112 CrossRef  Google Scholar  PubMed 
  14. Bartzokis, G. (2004). Quadratische Trajektorien des Myelingehalts im Gehirn: Vereinheitlichendes Konstrukt für neuropsychiatrische Störungen. Neurobiology of Aging, 25(1), 49–62. doi:http://dx.doi.org/10.1016/j.neurobiolaging.2003.08.001 CrossRef  Google Scholar 
  15. Basser, PJ, & Pierpaoli, C. (1996). Mikrostrukturelle und physiologische Merkmale von Geweben, aufgeklärt durch quantitative Diffusions-Tensor-MRT. Journal of Magnetic Resonance, Reihe B, 111 (3), 209–219. CrossRef  Google Scholar 
  16. Beesdo, K., Pine, DS, Lieb, R., & Wittchen, HU (2010). Häufigkeits- und Risikomuster von Angst- und depressiven Störungen und Kategorisierung der generalisierten Angststörung. Archives of General Psychiatry, 67(1), 47–57. doi:10.1001/archgenpsychiatry.2009.177 CrossRef  Google Scholar  PubMed 
  17. Behrman, RE, & Butler, AS (2007). Frühgeburt: Ursachen, Folgen und Prävention. Washington, DC: National Academies Press. Google Scholar 
  18. Billstedt, E., Gillberg, IC, & Gillberg, C. (2005). Autismus nach der Pubertät: Populationsbasierte 13- bis 22-jährige Folgestudie mit 120 Personen mit Autismus, der in der Kindheit diagnostiziert wurde. Journal of Autism and Developmental Disorders, 35(3), 351–360. CrossRef  Google Scholar  PubMed 
  19. Blasi, A., Lloyd-Fox, S., Sethna, V., Brammer, MJ, Mercure, E., Murray, L., & Johnson, MH (2015). Atypische Verarbeitung von Stimmgeräuschen bei Säuglingen mit einem Risiko für Autismus-Spektrum-Störungen. Kortex, 71, 122–133. doi:10.1016/j.cortex.2015.06.015 CrossRef  Google Scholar  PubMed 
  20. Bora, E., Harrison, BJ, Davey, CG, Yucel, M., & Pantelis, C. (2012). Meta-Analyse volumetrischer Anomalien in kortiko-striatalen-pallidalen-thalamischen Kreisläufen bei schweren depressiven Störungen. Psychologische Medizin, 42 (4), 671–681. doi:10.1017/S0033291711001668 CrossRef  Google Scholar  PubMed 
  21. Botteron, KN, Raichle, ME, Drevets, WC, Heath, AC, & Todd, RD (2002). Volumetrische Reduktion im linken subgenualen präfrontalen Kortex bei früh einsetzender Depression. Biologische Psychiatrie, 51(4), 342–344. CrossRef  Google Scholar  PubMed 
  22. Bremner, JD (2004). Bildgebung des Gehirns bei Angststörungen. Expert Review of Neurotherapeutics, 4(2), 275–284. doi:10.1586/14737175.4.2.275 CrossRef  Google Scholar  PubMed 
  23. Brown, CJ, Miller, SP, Booth, BG, Andrews, S., Chau, V., Poskitt, KJ, & Hamarneh, G. (2014). Strukturelle Netzwerkanalyse der Gehirnentwicklung bei jungen Frühgeborenen. Neuroimage, 101, 667–680. doi:10.1016/j.neuroimage.2014.07.030 CrossRef  Google Scholar  PubMed 
  24. Brown, IS, & Felton, RH (1999). Auswirkungen des Unterrichts auf beginnende Lesefähigkeiten bei Kindern mit einem Risiko für Leseschwäche. Lesen und Schreiben: Eine interdisziplinäre Zeitschrift, 2, 223–241. CrossRef  Google Scholar 
  25. Brühl, AB, Delsignore, A., Komossa, K., & Weidt, S. (2014). Neuroimaging bei sozialer Angststörung – eine metaanalytische Überprüfung, die zu einem neuen neurofunktionellen Modell führt. Neuroscience and Biobehavioral Reviews, 47, 260–280. doi:10.1016/j.neubiorev.2014.08.003 CrossRef  Google Scholar 
  26. Buckholtz, JW, & Meyer-Lindenberg, A. (2012). Psychopathologie und das menschliche Konnektom: Auf dem Weg zu einem transdiagnostischen Risikomodell für psychische Erkrankungen. Neuron, 74(6), 990–1004. doi:10.1016/j.neuron.2012.06.002 CrossRef  Google Scholar 
  27. Burmeister, M., McInnis, MG, & Zollner, S. (2008). Psychiatrische Genetik: Fortschritt inmitten von Kontroversen. Natur Bewertungen. Genetik, 9(7), 527–540. doi:10.1038/nrg2381 CrossRef  Google Scholar  PubMed 
  28. Buss, C., Davis, EP, Shahbaba, B., Pruessner, JC, Head, K., & Sandman, CA (2012). Maternales Cortisol im Verlauf der Schwangerschaft und nachfolgende kindliche Amygdala- und Hippocampus-Volumen und affektive Probleme. Proceedings of the National Academy of Sciences of the United States of America, 109(20), E1312–E1319. doi:10.1073/pnas.1201295109 CrossRef  Google Scholar  PubMed 
  29. Buss, C., Entringer, S., Swanson, JM, & Wadhwa, PD (2012). Die Rolle von Stress bei der Gehirnentwicklung: Die langfristigen Auswirkungen der Schwangerschaftsumgebung auf das Gehirn. Großhirn, 2012, 4. Google Scholar 
  30. Carballedo, A., Scheuerecker, J., Meisenzahl, E., Schoepf, V., Bokde, A., Moller, HJ, & Frodl, T. (2011). Funktionelle Konnektivität emotionaler Verarbeitung bei Depressionen. Zeitschrift für affektive Störungen, 134 (1–3), 272–279. doi:10.1016/j.jad.2011.06.021 CrossRef  Google Scholar  PubMed 
  31. Carmody, DP, Bendersky, M., Dunn, SM, DeMarco, JK, Hegyi, T., Hiatt, M., & Lewis, M. (2006). Frühes Risiko, Aufmerksamkeit und Gehirnaktivierung bei frühgeborenen Jugendlichen. Entwicklung des Kindes, 77 (2), 384–394. doi:10.1111/j.1467-8624.2006.00877.x CrossRef  Google Scholar  PubMed 
  32. Caspi, A. & Moffitt, TE (2006). Gen-Umwelt-Interaktionen in der Psychiatrie: Zusammenarbeit mit der Neurowissenschaft. Nature Reviews Neuroscience, 7(7), 583–590. doi:10.1038/nrn1925 CrossRef  Google Scholar  PubMed 
  33. Castellanos, FX, Di Martino, A., Craddock, RC, Mehta, AD, & Milham, MP (2013). Klinische Anwendungen des funktionellen Konnektoms. Neuroimage, 80, 527–540. doi:10.1016/j.neuroimage.2013.04.083 CrossRef  Google Scholar  PubMed 
  34. Colvert, E., Tick, B., McEwen, F., Stewart, C., Curran, SR, Woodhouse, E., & Bolton, P. (2015). Erblichkeit der Autismus-Spektrum-Störung in einer britischen bevölkerungsbasierten Zwillingsstichprobe. The Journal of the American Medical Association, Psychiatry, 72(5), 415–423. doi:10.1001/jamapsychiatry.2014.3028 Google Scholar 
  35. Constable, RT, Ment, LR, Vohr, BR, Kesler, SR, Fulbright, RK, Lacadie, C., & Reiss, AR (2008). Frühgeborene Kinder zeigen im Alter von 12 Jahren mikrostrukturelle Unterschiede in der weißen Substanz im Vergleich zu termingerechten Kontrollpersonen: Eine Untersuchung von Gruppen- und Geschlechtseffekten. Pädiatrie, 121(2), 306–316. doi:10.1542/peds.2007-0414 CrossRef  Google Scholar  PubMed 
  36. Costa e Silva, JA (2013). Personalisierte Medizin in der Psychiatrie: Neue Technologien und Ansätze. Stoffwechsel, 62 (Suppl. 1), S40–S44. doi:10.1016/j.metabol.2012.08.017 CrossRef  Google Scholar 
  37. Counsell, SJ, Edwards, AD, Chew, AT, Anjari, M., Dyet, LE, Srinivasan, L., & Cowan, FM (2008). Spezifische Beziehungen zwischen neurologischen Entwicklungsfähigkeiten und der Mikrostruktur der weißen Substanz bei frühgeborenen Kindern. Gehirn, 131 (Teil 12), 3201–3208. doi:10.1093/brain/awn268 CrossRef  Google Scholar  PubMed 
  38. Cross-Disorder Group of the Psychiatric Genomics, C., Lee, SH, Ripke, S., Neale, BM, Faraone, SV, Purcell, SM, … Wray, NR (2013). Genetische Beziehung zwischen fünf psychiatrischen Erkrankungen, geschätzt aus genomweiten SNPs. Nature Genetics, 45(9), 984–994. doi:10.1038/ng.2711 CrossRef  Google Scholar  PubMed 
  39. Damaraju, E., Phillips, JR, Lowe, JR, Ohls, R., Calhoun, VD, & Caprihan, A. (2010). Unterschiede in der funktionellen Konnektivität im Ruhezustand bei Frühgeborenen. Frontiers in Systems Neuroscience, 4, pii:23. doi:10.3389/fnsys.2010.00023 Google Scholar  PubMed 
  40. Davis, EP, & Sandman, CA (2010). Der Zeitpunkt der pränatalen Exposition gegenüber mütterlichem Cortisol und psychosozialem Stress hängt mit der kognitiven Entwicklung des menschlichen Säuglings zusammen. Entwicklung des Kindes, 81 (1), 131–148. doi:10.1111/j.1467-8624.2009.01385.x CrossRef  Google Scholar  PubMed 
  41. Dawson, G., Ashman, SB, & Carver, LJ (2000). Die Rolle früher Erfahrung bei der Gestaltung der Verhaltens- und Gehirnentwicklung und ihre Auswirkungen auf die Sozialpolitik. Entwicklung und Psychopathologie, 12(4), 695–712. CrossRef  Google Scholar 
  42. Degnan, AJ, Wisnowski, JL, Choi, S., Ceschin, R., Bhushan, C., Leahy, RM, & Panigrahy, A. (2015). Veränderte strukturelle und funktionelle Konnektivität in der späten Frühgeburtlichkeit: Eine anatomische Seed-basierte Studie über Ruhezustandsnetzwerke im Zusammenhang mit dem posteromedialen und lateralen parietalen Kortex. PLoS One, 10(6), e0130686. doi:10.1371/journal.pone.0130686 CrossRef  Google Scholar 
  43. Deoni, SC, Dean, DC III, Remer, J., Dirks, H., & O'Muircheartaigh, J. (2015). Kortikale Reifung und Myelinisierung bei gesunden Kleinkindern und Kleinkindern. Neuroimage, 115, 147–161. doi:10.1016/j.neuroimage.2015.04.058 CrossRef  Google Scholar  PubMed 
  44. Di Martino, A., Fair, DA, Kelly, C., Satterthwaite, TD, Castellanos, FX, Thomason, ME, & Milham, MP (2014). Enträtseln des falsch verdrahteten Konnektoms: Eine Entwicklungsperspektive. Neuron, 83(6), 1335–1353. doi:10.1016/j.neuron.2014.08.050 CrossRef  Google Scholar  PubMed 
  45. Di Martino, A., Yan, CG, Li, Q., Denio, E., Castellanos, FX, Alaerts, K., & Milham, MP (2014). Der Datenaustausch über Autismus-Gehirnbildgebung: Auf dem Weg zu einer groß angelegten Bewertung der intrinsischen Gehirnarchitektur bei Autismus. Molecular Psychiatry, 19(6), 659–667. doi:10.1038/mp.2013.78 CrossRef  Google Scholar  PubMed 
  46. Drevets, WC, Savitz, J., & Trimble, M. (2008). Der subgenuale anteriore cinguläre Kortex bei Stimmungsstörungen. CNS Spectrums, 13(8), 663–681. CrossRef  Google Scholar  PubMed 
  47. Dubois, J., Dehaene-Lambertz, G., Kulikova, S., Poupon, C., Huppi, PS, & Hertz-Pannier, L. (2014). Die frühe Entwicklung der weißen Substanz des Gehirns: Ein Überblick über Bildgebungsstudien bei Föten, Neugeborenen und Säuglingen. Neurowissenschaften, 276, 48–71. doi:10.1016/j.neuroscience.2013.12.044 CrossRef  Google Scholar 
  48. Duerden, EG, Card, D., Lax, ID, Donner, EJ, & Taylor, MJ (2013). Veränderungen der frontostriatalen Bahnen bei sehr früh geborenen Kindern. Entwicklungsmedizin und Kinderneurologie, 55(10), 952–958. doi:10.1111/dmcn.12198 CrossRef  Google Scholar  PubMed 
  49. Eckert, MA, Leonard, CM, Richards, TL, Aylward, EH, Thomson, J., & Berninger, VW (2003). Anatomische Korrelate der Legasthenie: Frontal- und Kleinhirnbefunde. Gehirn, 126 (Teil 2), 482–494. CrossRef  Google Scholar  PubMed 
  50. Eden, GF, Jones, KM, Cappell, K., Gareau, L., Wood, FB, Zeffiro, TA, & Flowers, DL (2004). Neurale Veränderungen nach Sanierung bei erwachsener Entwicklungsdyslexie. Neuron, 44(3), 411–422. doi:10.1016/j.neuron.2004.10.019 CrossRef  Google Scholar  PubMed 
  51. Elison, JT, Paterson, SJ, Wolff, JJ, Reznick, JS, Sasson, NJ, Gu, H., & Network, I. (2013). Mikrostruktur der weißen Substanz und atypische visuelle Orientierung bei 7 Monate alten Kindern mit Autismus-Risiko. Das American Journal of Psychiatry, 170(8), 899–908. doi:10.1176/appi.ajp.2012.12091150 CrossRef  Google Scholar  PubMed 
  52. Eriksen, HL, Kesmodel, USA, Pedersen, LH, & Mortensen, EL (2015). Kein Zusammenhang zwischen pränataler Exposition gegenüber Psychopharmaka und Intelligenz im Alter von fünf Jahren. Acta Obstetricia et Gynecologica Scandinavica, 94(5), 501–507. doi:10.1111/aogs.12611 CrossRef  Google Scholar  PubMed 
  53. Etkin, A., & Wager, TD (2007). Funktionelle Neuroimaging von Angst: Eine Metaanalyse der emotionalen Verarbeitung bei PTBS, sozialer Angststörung und spezifischer Phobie. Das American Journal of Psychiatry, 164(10), 1476–1488. doi:10.1176/appi.ajp.2007.07030504 CrossRef  Google Scholar  PubMed 
  54. Fair, DA, Posner, J., Nagel, BJ, Bathula, D., Dias, TG, Mills, KL, & Nigg, JT (2010). Atypische Standardnetzwerkkonnektivität bei Jugendlichen mit Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung. Biological Psychiatry, 68(12), 1084–1091. doi:10.1016/j.biopsych.2010.07.003 CrossRef  Google Scholar  PubMed 
  55. Feldman, HM, Lee, ES, Yeatman, JD, & Yeom, KW (2012). Sprach- und Lesefähigkeiten bei frühgeborenen Kindern und Jugendlichen im schulpflichtigen Alter sind mit den Eigenschaften der weißen Substanz in der Diffusions-Tensor-Bildgebung assoziiert. Neuropsychologia, 50(14), 3348–3362. doi:10.1016/j.neuropsychologia.2012.10.014 CrossRef  Google Scholar  PubMed 
  56. Ferrazzi, G., Kuklisova Murgasova, M., Arichi, T., Malamateniou, C., Fox, MJ, Makropoulos, A., & Hajnal, JV (2014). Ruhezustands-fMRI im sich bewegenden Fötus: Ein robuster Rahmen für die Korrektur von Bewegung, Bias-Feld und Spin-Historie. Neuroimage, 101, 555–568. doi:10.1016/j.neuroimage.2014.06.074 CrossRef  Google Scholar  PubMed 
  57. Finke, K., Neitzel, J., Bauml, JG, Redel, P., Muller, HJ, Meng, C., & Sorg, C. (2015). Visuelle Aufmerksamkeit bei frühgeborenen Erwachsenen: Spezifisch beeinträchtigte Aufmerksamkeits-Submechanismen, die sich mit veränderten intrinsischen Gehirnnetzwerken in einem kompensationsähnlichen Modus verbinden. Neuroimage, 107, 95–106. doi:10.1016/j.neuroimage.2014.11.062 CrossRef  Google Scholar 
  58. Finn, ES, Shen, X., Scheinost, D., Rosenberg, MD, Huang, J., Chun, MM, & Constable, RT (2015). Functional Connectome Fingerprinting: Identifizieren von Personen anhand von Mustern der Gehirnkonnektivität. Nature Neuroscience, 18, 1664–1671. doi:10.1038/nn.4135 CrossRef  Google Scholar  PubMed 
  59. Foland-Ross, LC, Gilbert, BL, Joormann, J., & Gotlib, IH (2015). Neurale Marker des familiären Risikos für Depressionen: Eine Untersuchung von Anomalien der kortikalen Dicke bei gesunden jugendlichen Töchtern von Müttern mit wiederkehrenden Depressionen. Journal of Abnormal Psychology, 124 (3), 476–485. doi:10.1037/abn0000050 CrossRef  Google Scholar  PubMed 
  60. Foland-Ross, LC, Hardin, MG, & Gotlib, IH (2013). Neurobiologische Marker des familiären Risikos für Depressionen. Aktuelle Themen der Verhaltensneurowissenschaften, 14, 181–206. 10.1007/7854_2012_213 CrossRef  Google Scholar  PubMed 
  61. Foland-Ross, LC, Sacchet, MD, Prasad, G., Gilbert, B., Thompson, PM, & Gotlib, IH (2015). Die kortikale Dicke sagt das erste Auftreten einer schweren Depression im Jugendalter voraus. Internationale Zeitschrift für Entwicklungsneurowissenschaften, 46, 125–131. doi:10.1016/j.ijdevneu.2015.07.007 CrossRef  Google Scholar 
  62. Frye, RE, Malmberg, B., Desouza, L., Swank, P., Smith, K., & Landry, S. (2009). Erhöhte präfrontale Aktivierung bei Hochrisiko-Frühgeborenen während einer Leseaufgabe. Hirnforschung, 1303, 111–119. doi:10.1016/j.brainres.2009.09.091 CrossRef  Google Scholar  PubMed 
  63. Fukunaga, M., Horovitz, SG, van Gelderen, P., de Zwart, JA, Jansma, JM, Ikonomidou, VN, & Duyn, JH (2006). Räumlich korrelierte Schwankungen großer Amplitude in BOLD-fMRI-Signalen während längerer Ruhe- und Frühschlafphasen. Magnetic Resonance Imaging, 24(8), 979–992. doi:10.1016/j.mri.2006.04.018 CrossRef  Google Scholar  PubMed 
  64. Gao, W., Alcauter, S., Elton, A., Hernandez-Castillo, CR, Smith, JK, Ramirez, J., & Lin, W. (2015). Funktionale Netzwerkentwicklung im ersten Jahr: Relative Abfolge und sozioökonomische Zusammenhänge. Großhirnrinde, 25(9), 2919–2928. doi:10.1093/cercor/bhu088 CrossRef  Google Scholar  PubMed 
  65. Gaugler, T., Klei, L., Sanders, SJ, Bodea, CA, Goldberg, AP, Lee, AB, & Buxbaum, JD (2014). Das meiste genetische Risiko für Autismus liegt in der gemeinsamen Variation. Nature Genetics, 46(8), 881–885. doi:10.1038/ng.3039 CrossRef  Google Scholar  PubMed 
  66. Georgiades, S., Szatmari, P., Boyle, M., Hanna, S., Duku, E., & Zwaigenbaum, L., … Pathways in ASD Study Team. (2013). Untersuchung der phänotypischen Heterogenität bei Kindern mit Autismus-Spektrum-Störung: Ein Faktormischungsmodellierungsansatz. Zeitschrift für Kinderpsychologie und Psychiatrie, 54 (2), 206–215. doi:10.1111/j.1469-7610.2012.02588.x CrossRef  Google Scholar  PubMed 
  67. Germano, E., Gagliano, A., & Curatolo, P. (2010). Komorbidität von ADHS und Legasthenie. Entwicklungsneuropsychologie, 35(5), 475–493. doi:10.1080/87565641.2010.494748 CrossRef  Google Scholar 
  68. Geschwind, DH (2009). Fortschritte bei Autismus. Annual Review of Medicine, 60, 367–380. doi:10.1146/annurev.med.60.053107.121225 CrossRef  Google Scholar  PubMed 
  69. Geschwind, N. (1965a). Diskonnektionssyndrome bei Tieren und Menschen. I. Gehirn, 88(2), 237–294. CrossRef  Google Scholar  PubMed 
  70. Geschwind, N. (1965b). Diskonnektionssyndrome bei Tieren und Menschen. II. Gehirn, 88(3), 585–644. CrossRef  Google Scholar  PubMed 
  71. Glass, HC, Costarino, AT, Stayer, SA, Brett, CM, Cladis, F., & Davis, PJ (2015). Ergebnisse für extrem Frühgeborene. Anästhesie und Analgesie, 120 (6), 1337–1351. doi:10.1213/ANE.0000000000000705 CrossRef  Google Scholar  PubMed 
  72. Glover, V. (2014). Mütterliche Depressionen, Angst und Stress während der Schwangerschaft und der Geburt des Kindes; Was getan werden muss. Best Practice and Research: Clinical Obstetrics and Gynaecology, 28(1), 25–35. doi:10.1016/j.bpobgyn.2013.08.017 CrossRef  Google Scholar 
  73. Gooch, D., Hulme, C., Nash, HM, & Snowling, MJ (2014). Komorbiditäten bei Vorschulkindern mit familiärem Risiko für Legasthenie. Zeitschrift für Kinderpsychologie und Psychiatrie, 55 (3), 237–246. doi:10.1111/jcpp.12139 CrossRef  Google Scholar  PubMed 
  74. Hastings, RS, Parsey, RV, Oquendo, MA, Arango, V., & Mann, JJ (2004). Volumetrische Analyse des präfrontalen Kortex, der Amygdala und des Hippocampus bei Major Depression. Neuropsychopharmacology, 29(5), 952–959. doi:10.1038/sj.npp.1300371 CrossRef  Google Scholar  PubMed 
  75. Hay, DF, Pawlby, S., Waters, CS, Perra, O., & Sharp, D. (2010). Die pränatale Depression der Mütter und die asozialen Folgen ihrer Kinder. Entwicklung des Kindes, 81 (1), 149–165. doi:10.1111/j.1467-8624.2009.01386.x CrossRef  Google Scholar  PubMed 
  76. Hill, RM, Pettit, JW, Lewinsohn, PM, Seeley, JR, & Klein, DN (2014). Eskalation zu einer schweren depressiven Störung bei Jugendlichen mit unterschwelligen depressiven Symptomen: Hinweise auf bestimmte Untergruppen mit Risiko. Journal of Affective Disorders, 158, 133–138. doi:10.1016/j.jad.2014.02.011 CrossRef  Google Scholar  PubMed 
  77. Ho, TC, Yang, G., Wu, J., Cassey, P., Brown, SD, Hoang, N., & Yang, TT (2014). Funktionelle Konnektivität negativer emotionaler Verarbeitung bei jugendlicher Depression. Journal of Affective Disorders, 155, 65–74. doi:10.1016/j.jad.2013.10.025 CrossRef  Google Scholar  PubMed 
  78. Hoeft, F., McCandliss, BD, Black, JM, Gantman, A., Zakerani, N., Hulme, C., & Gabrieli, JD (2011). Neuronale Systeme zur Vorhersage des Langzeitergebnisses bei Legasthenie. Proceedings of the National Academy of Sciences of the United States of America, 108(1), 361–366. doi:10.1073/pnas.1008950108 CrossRef  Google Scholar  PubMed 
  79. Holmes, AJ, Hollinshead, MO, O'Keefe, TM, Petrov, VI, Fariello, GR, Wald, LL, & Buckner, RL (2015). Erste Datenfreigabe des Brain Genomics Superstruct Project mit strukturellen, funktionellen und verhaltensbezogenen Maßnahmen. Wissenschaftliche Daten, 2, 150031. doi: 10.1038/sdata.2015.31 CrossRef  Google Scholar 
  80. Howlin, P., Goode, S., Hutton, J., & Rutter, M. (2004). Erwachsenenergebnis für Kinder mit Autismus. Zeitschrift für Kinderpsychologie und Psychiatrie, 45 (2), 212–229. CrossRef  Google Scholar  PubMed 
  81. Huizink, AC, de Medina, PG, Mulder, EJ, Visser, GH, & Buitelaar, JK (2002). Psychologische Messungen von pränatalem Stress als Prädiktoren für das kindliche Temperament. Zeitschrift der American Academy of Child and Adolescent Psychiatry, 41(9), 1078–1085. CrossRef  Google Scholar  PubMed 
  82. Jakab, A., Kasprian, G., Schwartz, E., Gruber, GM, Mitter, C., Prayer, D., & Langs, G. (2015). Gestörte Entwicklungsorganisation des strukturellen Konnektoms bei Föten mit Corpus Callosum-Agenesie. Neuroimage, 111, 277–288. doi:10.1016/j.neuroimage.2015.02.038 CrossRef  Google Scholar  PubMed 
  83. Jakab, A., Schwartz, E., Kasprian, G., Gruber, GM, Prayer, D., Schopf, V., & Langs, G. (2014). Die fetale funktionelle Bildgebung zeigt die heterogene Entwicklung entstehender menschlicher Gehirnnetzwerke. Frontiers in Human Neuroscience, 8, 852. doi: 10.3389/fnhum.2014.00852 CrossRef  Google Scholar 
  84. Jernigan, TL, Brown, TT, Hagler, DJ Jr., Akshoomoff, N., Bartsch, H., & Newman, E., … Pediatric Imaging Neurocognition and Genetics Study. (2015). Das Datenrepository für pädiatrische Bildgebung, Neurokognition und Genetik (PING). Neuroimage, 124, 1149–1154. doi:10.1016/j.neuroimage.2015.04.057 CrossRef  Google Scholar  PubMed 
  85. Jeste, SS, & Geschwind, DH (2014). Entwirrung der Heterogenität der Autismus-Spektrum-Störung durch genetische Befunde. Natur Bewertungen. Neurologie, 10(2), 74–81. doi:10.1038/nrneurol.2013.278 CrossRef  Google Scholar  PubMed 
  86. Johnson, S., & Marlow, N. (2011). Frühgeburt und psychiatrische Störungen im Kindesalter. Pädiatrische Forschung, 69(5, Teil 2 von 2), 11R–18R. CrossRef  Google Scholar  PubMed 
  87. Jovicich, J., Marizzoni, M., Bosch, B., Bartres-Faz, D., Arnold, J., & Benninghoff, J., … PharmaCog, Konsortium. (2014). Multisite-Längszuverlässigkeit traktbasierter räumlicher Statistiken in der Diffusions-Tensor-Bildgebung gesunder älterer Probanden. Neuroimage, 101, 390–403. doi:10.1016/j.neuroimage.2014.06.075 CrossRef  Google Scholar  PubMed 
  88. Kaiser, M. (2013). Das Potenzial des menschlichen Konnektoms als Biomarker für Hirnerkrankungen. Frontier in Human Neuroscience, 7, 484. doi: 10.3389/fnhum.2013.00484 Google Scholar  PubMed 
  89. Kaiser, RH, Andrews-Hanna, JR, Wager, TD, & Pizzagalli, DA (2015). Großräumige Netzwerkdysfunktion bei schweren depressiven Störungen: Eine Metaanalyse der funktionellen Konnektivität im Ruhezustand. Zeitschrift der American Medical Association Psychiatry, 72(6), 603–611. doi:10.1001/jamapsychiatry.2015.0071 Google Scholar  PubMed 
  90. Kapur, S., Phillips, AG, & Insel, TR (2012). Warum hat die biologische Psychiatrie so lange gebraucht, um klinische Tests zu entwickeln, und was kann man dagegen tun? Molecular Psychiatry, 17(12), 1174–1179. doi:10.1038/mp.2012.105 CrossRef  Google Scholar 
  91. Kasprian, G., Langs, G., Brugger, PC, Bittner, M., Weber, M., Arantes, M., & Prayer, D. (2011). Der pränatale Ursprung der hemisphärischen Asymmetrie: Eine In-utero-Neuroimaging-Studie. Großhirnrinde, 21(5), 1076–1083. doi:10.1093/cercor/bhq179 CrossRef  Google Scholar 
  92. Kelly, C., Biswal, BB, Craddock, RC, Castellanos, FX, & Milham, MP (2012). Charakteristische Variation im funktionellen Konnektom: Versprechen und Fallstricke. Trends in der Kognitionswissenschaft, 16(3), 181–188. doi:10.1016/j.tics.2012.02.001 CrossRef  Google Scholar  PubMed 
  93. Kersbergen, KJ, Leemans, A., Groenendaal, F., van der Aa, NE, Viergever, MA, de Vries, LS, & Benders, MJ (2014). Mikrostrukturelle Entwicklung des Gehirns zwischen 30 und 40 Wochen korrigiertes Alter in einer Längsschnittkohorte von extrem Frühgeborenen. Neuroimage, 103, 214–224. doi:10.1016/j.neuroimage.2014.09.039 CrossRef  Google Scholar 
  94. Kessler, RC, Avenevoli, S., & Merikangas, KR (2001). Stimmungsstörungen bei Kindern und Jugendlichen: Eine epidemiologische Perspektive. Biological Psychiatry, 49(12), 1002–1014. CrossRef  Google Scholar 
  95. Kingston, D., Tough, S., & Whitfield, H. (2012). Pränatale und postpartale mütterliche psychische Belastung und kindliche Entwicklung: Eine systematische Überprüfung. Kinderpsychiatrie und menschliche Entwicklung, 43 (5), 683–714. doi:10.1007/s10578-012-0291-4 CrossRef  Google Scholar  PubMed 
  96. Koyama, MS, Di Martino, A., Kelly, C., Jutagir, DR, Sunshine, J., Schwartz, SJ, & Milham, MP (2013). Kortikale Signaturen von Legasthenie und Abhilfe: Ein intrinsischer funktioneller Konnektivitätsansatz. PLoS One, 8(2), e55454. 10.1371/journal.pone.0055454 CrossRef  Google Scholar  PubMed 
  97. Krogsrud, SK, Fjell, AM, Tamnes, CK, Grydeland, H., Mork, L., Due-Tonnessen, P., & Walhovd, KB (2015). Veränderungen in der Mikrostruktur der weißen Substanz im sich entwickelnden Gehirn – Eine longitudinale Diffusions-Tensor-Bildgebungsstudie von Kindern im Alter von 4 bis 11 Jahren. Neuroimage, 124 (Teil A), 473–486. doi:10.1016/j.neuroimage.2015.09.017 CrossRef  Google Scholar  PubMed 
  98. Kuhn, T., Gullett, JM, Nguyen, P., Boutzoukas, AE, Ford, A., Colon-Perez, LM, & Bauer, RM (2015). Test-Retest-Zuverlässigkeit der Diffusionsbildgebung mit hoher Winkelauflösung innerhalb medialer Temporallappenverbindungen, bewertet mittels traktbasierter räumlicher Statistik, probabilistischer Traktographie und einer neuartigen Metrik der Graphentheorie. Bildgebung und Verhalten des Gehirns. doi:10.1007/s11682-015-9425-1 Google Scholar 
  99. Kwon, SH, Vasung, L., Ment, LR, & Huppi, PS (2014). Die Rolle der Bildgebung bei der Vorhersage neurologischer Entwicklungsergebnisse von Frühgeborenen. Kliniken für Perinatologie, 41(1), 257–283. doi:10.1016/j.clp.2013.10.003 CrossRef  Google Scholar  PubMed 
  100. Limperopoulos, C. & Clouchoux, C. (2009). Weiterentwicklung der fetalen Gehirn-MRT: Ziele für die Zukunft. Seminare in Perinatologie, 33(4), 289–298. doi:10.1053/j.semperi.2009.04.002 CrossRef  Google Scholar  PubMed 
  101. Liston, C., Chen, AC, Zebley, BD, Drysdale, AT, Gordon, R., & Leuchter, B., Dubin, MJ (2014). Default-Mode-Netzwerkmechanismen der transkraniellen Magnetstimulation bei Depressionen. Biologische Psychiatrie, 76(7), 517–526. doi:10.1016/j.biopsych.2014.01.023 CrossRef  Google Scholar  PubMed 
  102. Liu, J., Glenn, OA, & Xu, D. (2014). Schnelle, freiatmende In-vivo-Bildgebung des Fötus mit zeitaufgelöster 3D-MRT-Technik: Vorläufige Ergebnisse. Quantitative Imaging Medicine and Surgery, 4(2), 123–128. doi:10.3978/j.issn.2223-4292.2014.04.08 Google Scholar 
  103. Loeffler, M., Engel, C., Ahnert, P., Alfermann, D., Arelin, K., Baber, R., & Thiery, J. (2015). Die LIFE-Erwachsenen-Studie: Ziele und Design einer bevölkerungsbezogenen Kohortenstudie mit 10,000 tief phänotypisierten Erwachsenen in Deutschland. BioMed Central Public Health, 15, 691. doi:10.1186/s12889-015-1983-z CrossRef  Google Scholar  PubMed 
  104. Lombardo, MV, Pierce, K., Eyler, LT, Barnes, CC, Ahrens-Barbeau, C., Solso, S., & Courchesne, E. (2015). Unterschiedliche funktionelle neuronale Substrate für gute und schlechte Sprachergebnisse bei Autismus. Neuron, 86(2), 567–577. CrossRef  Google Scholar  PubMed 
  105. Lubsen, J., Vohr, B., Myers, E., Hampson, M., Lacadie, C., Schneider, KC, & Ment, LR (2011). Mikrostrukturelle und funktionelle Konnektivität im sich entwickelnden frühgeborenen Gehirn. Seminare in Perinatologie, 35(1), 34–43. doi:10.1053/j.semperi.2010.10.006 CrossRef  Google Scholar 
  106. Martin, J., O'Donovan, MC, Thapar, A., Langley, K., & Williams, N. (2015). Der relative Beitrag häufiger und seltener genetischer Varianten zu ADHS. Translationale Psychiatrie, 5, e506. doi:10.1038/tp.2015.5 CrossRef  Google Scholar 
  107. Matson, JL, & Williams, LW (2013). Differentialdiagnose und Komorbidität: Autismus von anderen psychischen Problemen unterscheiden. Neuropsychiatrie, 3(2), 233–243. doi:10.2217/npy.13.1 CrossRef  Google Scholar 
  108. McArthur, G., Kohnen, S., Larsen, L., Jones, K., Anandakumar, T., Banales, E., & Castles, A. (2013). Die Heterogenität der entwicklungsbedingten Legasthenie in den Griff bekommen. Kognitive Neuropsychologie, 30(1), 1–24. doi:10.1080/02643294.2013.784192 CrossRef  Google Scholar  PubMed 
  109. McGrath, CL, Kelley, ME, Dunlop, BW, Holtzheimer, PE III, Craighead, WE, & Mayberg, HS (2014). Gehirnzustände vor der Behandlung identifizieren ein wahrscheinliches Nichtansprechen auf Standardbehandlungen für Depressionen. Biologische Psychiatrie, 76(7), 527–535. doi:10.1016/j.biopsych.2013.12.005 CrossRef  Google Scholar 
  110. Mennes, M., Biswal, BB, Castellanos, FX, & Milham, MP (2013). So funktioniert der Datenaustausch: Die FCP/INDI-Erfahrung. Neuroimage, 82, 683–691. doi:10.1016/j.neuroimage.2012.10.064 CrossRef  Google Scholar  PubMed 
  111. Ment, LR, Hirtz, D. & Huppi, PS (2009). Bildgebende Biomarker für das Ergebnis im sich entwickelnden frühgeborenen Gehirn. Lancet Neurology, 8(11), 1042–1055. doi:10.1016/S1474-4422(09)70257-1 CrossRef  Google Scholar 
  112. Ment, LR, Kesler, S., Vohr, B., Katz, KH, Baumgartner, H., Schneider, KC, & Reiss, AL (2009). Längsveränderungen des Gehirnvolumens bei frühgeborenen und termingerechten Kontrollpersonen während der späten Kindheit und Adoleszenz. Journal of Pediatrics, 123(2), 503–511. doi:10.1542/peds.2008-0025 CrossRef  Google Scholar  PubMed 
  113. Milham, MP, Nugent, AC, Drevets, WC, Dickstein, DP, Leibenluft, E., Ernst, M., & Pine, DS (2005). Selektive Reduktion des Amygdala-Volumens bei pädiatrischen Angststörungen: Eine voxelbasierte Morphometrie-Untersuchung. Biological Psychiatry, 57(9), 961–966. doi:10.1016/j.biopsych.2005.01.038 CrossRef  Google Scholar 
  114. Miller, CH, Hamilton, JP, Sacchet, MD, & Gotlib, IH (2015). Meta-Analyse der funktionellen Neuroimaging von schweren depressiven Störungen in der Jugend. Zeitschrift der American Medical Association Psychiatry, 72(10), 1045–1053. doi:10.1001/jamapsychiatry.2015.1376 Google Scholar  PubMed 
  115. Monk, C., Spicer, J., & Champagne, FA (2012). Verknüpfung pränataler mütterlicher Widrigkeiten mit Entwicklungsergebnissen bei Säuglingen: Die Rolle epigenetischer Signalwege. Entwicklung und Psychopathologie, 24 (4), 1361–1376. doi:10.1017/S0954579412000764 CrossRef  Google Scholar  PubMed 
  116. Mueller, S., Wang, D., Fox, MD, Pan, R., Lu, J., Li, K., & Liu, H. (2015). Zuverlässigkeitskorrektur für funktionale Konnektivität: Theorie und Implementierung. Human Brain Mapping, 36 (11), 4664–4680. doi:10.1002/hbm.22947 CrossRef  Google Scholar  PubMed 
  117. Muhle, R., Trentacoste, SV, & Rapin, I. (2004). Die Genetik des Autismus. Journal of Pediatrics, 113(5), e472–e486. CrossRef  Google Scholar  PubMed 
  118. Mullen, KM, Vohr, BR, Katz, KH, Schneider, KC, Lacadie, C., Hampson, M., & Ment, LR (2011). Frühgeburt führt zu Veränderungen in der neuralen Konnektivität im Alter von 16 Jahren. Neuroimage, 54(4), 2563–2570. doi:10.1016/j.neuroimage.2010.11.019 CrossRef  Google Scholar  PubMed 
  119. Myers, EH, Hampson, M., Vohr, B., Lacadie, C., Frost, SJ, Pugh, KR, & Ment, LR (2010). Funktionelle Konnektivität zu einem rechtshemisphärischen Sprachzentrum bei frühgeborenen Jugendlichen. Neuroimage, 51(4), 1445–1452. doi:10.1016/j.neuroimage.2010.03.049 CrossRef  Google Scholar  PubMed 
  120. NessAiver, A., NessAiver, M., Harms, M., & Xu, J. (2015). FBIRN-X: Ein aktualisiertes fBIRN-Qualitätssicherungsprotokoll für schichtbeschleunigte fMRT. Abgerufen von https://ww4.aievolution.com/hbm1501/files/content/abstracts/44138/1686_NessAiver.pdfGoogle Scholar 
  121. Nooner, KB, Colcombe, SJ, Tobe, RH, Mennes, M., Benedict, MM, Moreno, AL, & Milham, MP (2012). Die NKI-Rockland-Stichprobe: Ein Modell zur Beschleunigung der Entdeckungswissenschaft in der Psychiatrie. Frontiers in Neuroscience, 6, 152. doi:10.3389/fnins.2012.00152 CrossRef  Google Scholar 
  122. O'Connor, TG, Monk, C., & Fitelson, EM (2014). Praktiker-Review: Mütterliche Stimmung in der Schwangerschaft und kindliche Entwicklung – Implikationen für die Kinderpsychologie und Psychiatrie. Zeitschrift für Kinderpsychologie und Psychiatrie, 55 (2), 99–111. doi:10.1111/jcpp.12153 CrossRef  Google Scholar  PubMed 
  123. Odegard, TN, Ring, J., Smith, S., Biggan, J., & Black, J. (2008). Differenzierung der neuronalen Reaktion auf Interventionen bei Kindern mit Entwicklungsdyslexie. Annals of Dyslexia, 58(1), 1–14. doi:10.1007/s11881-008-0014-5 CrossRef  Google Scholar  PubMed 
  124. Odsbu, I., Skurtveit, S., Selmer, R., Roth, C., Hernandez-Diaz, S., & Handal, M. (2015). Pränatale Exposition gegenüber Anxiolytika und Hypnotika und Sprachkompetenz im Alter von 3 Jahren. Europäische Zeitschrift Klinische Pharmakologie, 71(3), 283–291. doi:10.1007/s00228-014-1797-4 CrossRef  Google Scholar  PubMed 
  125. Ornoy, A., & Koren, G. (2014). Selektive Serotonin-Wiederaufnahmehemmer in der menschlichen Schwangerschaft: Auf dem Weg zur Lösung der Kontroverse. Seminare in fetaler und neonataler Medizin, 19(3), 188–194. doi:10.1016/j.siny.2013.11.007 CrossRef  Google Scholar 
  126. Ozonoff, S., Young, GS, Carter, A., Messinger, D., Yirmiya, N., Zwaigenbaum, L., & Stone, WL (2011). Wiederholungsrisiko für Autismus-Spektrum-Störungen: Eine Studie des Baby Siblings Research Consortium. Journal of Pediatrics, 128(3), e488–e495. doi:10.1542/peds.2010-2825 Google Scholar  PubMed 
  127. Perez-Edgar, K. & Fox, NA (2005). Temperament und Angststörungen. Child and Adolescent Psychiatric Clinics of North America, 14(4), 681–706, viii. doi:10.1016/j.chc.2005.05.008 CrossRef  Google Scholar  PubMed 
  128. Petzoldt, J., Wittchen, HU, Wittich, J., Einsle, F., Höfler, M., & Martini, J. (2014). Mütterliche Angststörungen sagen übermäßiges Weinen des Säuglings voraus: Eine prospektive Längsschnittstudie. Archives of Disease in Childhood, 99(9), 800–806. doi:10.1136/archdischild-2013-305562 CrossRef  Google Scholar  PubMed 
  129. Pezawas, L., Meyer-Lindenberg, A., Drabant, EM, Verchinski, BA, Munoz, KE, Kolachana, BS, & Weinberger, DR (2005). 5-HTTLPR-Polymorphismus beeinflusst menschliche Cingulat-Amygdala-Wechselwirkungen: Ein genetischer Anfälligkeitsmechanismus für Depressionen. Nature Neuroscience, 8(6), 828–834. doi:10.1038/nn1463 CrossRef  Google Scholar 
  130. Pickles, A., Anderson, DK, & Lord, C. (2014). Heterogenität und Plastizität in der Sprachentwicklung: Eine 17-jährige Nachbeobachtung von Kindern, die wegen möglichem Autismus früh überwiesen wurden. Zeitschrift für Kinderpsychologie und Psychiatrie, 55 (12), 1354–1362. doi:10.1111/jcpp.12269 CrossRef  Google Scholar  PubMed 
  131. Pine, DS, Cohen, E., Cohen, P., & Brook, J. (1999). Depressive Symptome bei Jugendlichen als Prädiktoren für Depressionen im Erwachsenenalter: Launenhaftigkeit oder Stimmungsstörung? American Journal of Psychiatry, 156(1), 133–135. CrossRef  Google Scholar  PubMed 
  132. Pine, DS, Cohen, P., Gurley, D., Brook, J., & Ma, Y. (1998). Das Risiko für Angstzustände und depressive Störungen im frühen Erwachsenenalter bei Jugendlichen mit Angstzuständen und depressiven Störungen. Archives of General Psychiatry, 55(1), 56–64. CrossRef  Google Scholar  PubMed 
  133. Power, JD, Barnes, KA, Snyder, AZ, Schlaggar, BL, & Petersen, SE (2012). Unechte, aber systematische Korrelationen in funktionellen Konnektivitäts-MRT-Netzwerken entstehen durch Objektbewegung. Neuroimage, 59(3), 2142–2154. doi:10.1016/j.neuroimage.2011.10.018 CrossRef  Google Scholar  PubMed 
  134. Price, JL, & Drevets, WC (2012). Neuronale Schaltkreise, die der Pathophysiologie von Stimmungsstörungen zugrunde liegen. Trends in den Kognitionswissenschaften, 16 (1), 61–71. doi:10.1016/j.tics.2011.12.011 CrossRef  Google Scholar  PubMed 
  135. Qin, S., Young, CB, Duan, X., Chen, T., Supekar, K., & Menon, V. (2014). Die subregionale Struktur der Amygdala und die intrinsische funktionelle Konnektivität sagen individuelle Unterschiede in der Angst während der frühen Kindheit voraus. Biologische Psychiatrie, 75(11), 892–900. doi:10.1016/j.biopsych.2013.10.006 CrossRef  Google Scholar  PubMed 
  136. Qiu, A., Rifkin-Graboi, A., Chen, H., Chong, YS, Kwek, K., Gluckman, PD, & Meaney, MJ (2013). Mütterliche Angst und die Entwicklung des Hippocampus bei Säuglingen: Das Timing ist wichtig. Translationale Psychiatrie, 3, e306. doi:10.1038/tp.2013.79 CrossRef  Google Scholar  PubMed 
  137. Radua, J., Via, E., Catani, M., & Mataix-Cols, D. (2011). Voxel-basierte Metaanalyse regionaler Volumenunterschiede der weißen Substanz bei Autismus-Spektrum-Störungen im Vergleich zu gesunden Kontrollen. Psychologische Medizin, 41 (7), 1539–1550. doi:10.1017/S0033291710002187 CrossRef  Google Scholar  PubMed 
  138. Rafii, MS, Wishnek, H., Brewer, JB, Donohue, MC, Ness, S., Mobley, WC, & Rissman, RA (2015). Pilotprojekt der Down-Syndrom-Biomarker-Initiative (DSBI): Machbarkeitsnachweis für die tiefe Phänotypisierung von Alzheimer-Biomarkern beim Down-Syndrom. Frontiers in Behavioral Neuroscience, 9, 239. doi: 10.3389/fnbeh.2015.00239 CrossRef  Google Scholar  PubMed 
  139. Ramenghi, LA, Rutherford, M., Fumagalli, M., Bassi, L., Messner, H., Counsell, S., & Mosca, F. (2009). Neugeborenen-Neuroimaging: Über die Bilder hinausgehen. Early Human Development, 85 (10 Suppl.), S75–S77. doi:10.1016/j.earlhumdev.2009.08.022 CrossRef  Google Scholar 
  140. Ramus, F., Rosen, S., Dakin, SC, Day, BL, Castellote, JM, White, S., & Frith, U. (2003). Theorien der Entwicklungsdyslexie: Erkenntnisse aus einer multiplen Fallstudie von legasthenischen Erwachsenen. Gehirn, 126 (Teil 4), 841–865. CrossRef  Google Scholar  PubMed 
  141. Raschle, NM, Chang, M., & Gaab, N. (2011). Strukturelle Gehirnveränderungen im Zusammenhang mit Legasthenie gehen dem Beginn des Lesens voraus. Neuroimage, 57(3), 742–749. doi:10.1016/j.neuroimage.2010.09.055 CrossRef  Google Scholar  PubMed 
  142. Raschle, NM, Stering, PL, Meissner, SN, & Gaab, N. (2014). Veränderte neuronale Reaktion während der schnellen auditiven Verarbeitung und ihre Beziehung zur phonologischen Verarbeitung bei Vorlesekindern mit familiärem Risiko für Legasthenie. Großhirnrinde, 24(9), 2489–2501. doi:10.1093/cercor/bht104 CrossRef  Google Scholar  PubMed 
  143. Ray, RD, & Zald, DH (2012). Anatomische Einblicke in das Zusammenspiel von Emotion und Kognition im präfrontalen Cortex. Neuroscience and Biobehavioral Reviews, 36(1), 479–501. doi:10.1016/j.neubiorev.2011.08.005 CrossRef  Google Scholar 
  144. Reddy, UM, Abuhamad, AZ, Levine, D., Saade, GR, & Fetal Imaging Workshop Eingeladene Teilnehmer. (2014). Fötale Bildgebung: Zusammenfassung eines Joint Eunice Kennedy Shriver National Institute of Child Health and Human Development, Society for Maternal-Fetal Medicine, American Institute of Ultrasound in Medicine, American College of Obstetricians and Gynecologists, American College of Radiology, Society for Pediatric Radiology , und Society of Radiologists in Ultrasound Fetal Imaging Workshop. Amerikanisches Journal für Geburtshilfe und Gynäkologie, 210(5), 387–397. doi:10.1016/j.ajog.2014.02.028 CrossRef  Google Scholar 
  145. Richlan, F., Kronbichler, M., & Wimmer, H. (2011). Meta-Analyse von Hirnfunktionsstörungen bei legasthenischen Kindern und Erwachsenen. Neuroimage, 56(3), 1735–1742. doi:10.1016/j.neuroimage.2011.02.040 CrossRef  Google Scholar  PubMed 
  146. Richlan, F., Kronbichler, M., & Wimmer, H. (2013). Strukturelle Anomalien im legasthenischen Gehirn: Eine Metaanalyse von voxelbasierten Morphometriestudien. Human Brain Mapping, 34 (11), 3055–3065. doi:10.1002/hbm.22127 CrossRef  Google Scholar  PubMed 
  147. Rifkin-Graboi, A., Bai, J., Chen, H., Hameed, WB, Sim, LW, Tint, MT, & Qiu, A. (2013). Eine pränatale mütterliche Depression ist mit der Mikrostruktur der rechten Amygdala bei Neugeborenen bei der Geburt verbunden. Biologische Psychiatrie, 74(11), 837–844. doi:10.1016/j.biopsych.2013.06.019 CrossRef  Google Scholar  PubMed 
  148. Robinson, OJ, Krimsky, M., Lieberman, L., Allen, P., Vytal, K., & Grillon, C. (2014). Auf dem Weg zu einem mechanistischen Verständnis pathologischer Angst: Der dorsal-mediale präfrontale Amygdala-„aversive Verstärkungs“-Schaltkreis bei nicht medikamentös behandelten generalisierten und sozialen Angststörungen. Lancet Psychiatry, 1(4), 294–302. doi:10.1016/S2215-0366(14)70305-0 CrossRef  Google Scholar 
  149. Rose, J., Butler, EE, Lamont, LE, Barnes, PD, Atlas, SW, & Stevenson, DK (2009). Gehirnstruktur von Neugeborenen in MRT und Diffusions-Tensor-Bildgebung, Geschlecht und Neuroentwicklung bei Frühgeborenen mit sehr niedrigem Geburtsgewicht. Entwicklungsmedizin und Kinderneurologie, 51(7), 526–535. doi:10.1111/j.1469-8749.2008.03231.x CrossRef  Google Scholar 
  150. Roy, AK, Fudge, JL, Kelly, C., Perry, JS, Daniele, T., Carlisi, C., & Ernst, M. (2013). Intrinsische funktionelle Konnektivität von Amygdala-basierten Netzwerken bei jugendlicher generalisierter Angststörung. Journal of the American Academy of Child and Adolescent Psychiatry, 52(3), 290–299 e292. doi:10.1016/j.jaac.2012.12.010 CrossRef  Google Scholar  PubMed 
  151. Roy, AK, Shehzad, Z., Margulies, DS, Kelly, AM, Uddin, LQ, Gotimer, K., & Milham, MP (2009). Funktionelle Konnektivität der menschlichen Amygdala mittels fMRT im Ruhezustand. Neuroimage, 45(2), 614–626. doi:10.1016/j.neuroimage.2008.11.030 CrossRef  Google Scholar  PubMed 
  152. Sadeghi, N., Prastawa, M., Fletcher, PT, Wolff, J., Gilmore, JH, & Gerig, G. (2013). Regionale Charakterisierung der longitudinalen DT-MRT zur Untersuchung der Reifung der weißen Substanz des sich früh entwickelnden Gehirns. Neuroimage, 68, 236–247. doi:10.1016/j.neuroimage.2012.11.040 CrossRef  Google Scholar 
  153. Saleem, SN (2014). Fetale MRT: Ein Ansatz für die Praxis: Eine Überprüfung. Journal of Advanced Research, 5(5), 507–523. doi:10.1016/j.jare.2013.06.001 CrossRef  Google Scholar 
  154. Sandin, S., Lichtenstein, P., Kuja-Halkola, R., Larsson, H., Hultman, CM, & Reichenberg, A. (2014). Das familiäre Autismusrisiko. Zeitschrift der American Medical Association, 311(17), 1770–1777. doi:10.1001/jama.2014.4144 CrossRef  Google Scholar  PubMed 
  155. Sandman, CA, Buss, C., Head, K., & Davis, EP (2015). Die fetale Exposition gegenüber mütterlichen depressiven Symptomen ist mit der kortikalen Dicke in der späten Kindheit verbunden. Biologische Psychiatrie, 77(4), 324–334. doi:10.1016/j.biopsych.2014.06.025 CrossRef  Google Scholar  PubMed 
  156. Satterthwaite, TD, Elliott, MA, Gerraty, RT, Ruparel, K., Loughead, J., Calkins, ME, & Wolf, DH (2013). Ein verbessertes Framework für Confound-Regression und Filterung zur Kontrolle von Bewegungsartefakten bei der Vorverarbeitung von funktionellen Konnektivitätsdaten im Ruhezustand. Neuroimage, 64, 240–256. doi:10.1016/j.neuroimage.2012.08.052 CrossRef  Google Scholar  PubMed 
  157. Saygin, ZM, Norton, ES, Osher, DE, Beach, SD, Cyr, AB, Ozernov-Palchik, O., & Gabrieli, JD (2013). Den Wurzeln der Lesefähigkeit auf der Spur: Volumen und Integrität der weißen Substanz korrelieren mit phonologischer Bewusstheit bei Vorlese- und Frühlese-Kindergartenkindern. Journal of Neuroscience, 33(33), 13251–13258. doi:10.1523/JNEUROSCI.4383-12.2013 CrossRef  Google Scholar  PubMed 
  158. Schmaal, L., Veltman, DJ, van Erp, TG, Samann, PG, Frodl, T., Jahanshad, N., & Hibar, DP (2015). Subkortikale Hirnveränderungen bei schweren depressiven Störungen: Ergebnisse der ENIGMA-Arbeitsgruppe für schwere depressive Störungen. Molekulare Psychiatrie. doi:10.1038/mp.2015.69 Google Scholar  PubMed 
  159. Schopf, V., Kasprian, G., Brugger, PC, & Prayer, D. (2012). Beobachten des fötalen Gehirns in "Ruhe". Internationale Zeitschrift für Entwicklungsneurowissenschaften, 30(1), 11–17. doi:10.1016/j.ijdevneu.2011.10.006 CrossRef  Google Scholar 
  160. Schumann, G., Binder, EB, Holte, A., de Kloet, ER, Oedegaard, KJ, Robbins, TW, & Wittchen, HU (2014). Stratifizierte Medizin für psychische Störungen. Europäische Neuropsychopharmakologie, 24(1), 5–50. doi:10.1016/j.euroneuro.2013.09.010 CrossRef  Google Scholar  PubMed 
  161. Seshamani, S., Cheng, X., Fogtmann, M., Thomason, ME, & Studholme, C. (2014). Eine Methode zum Umgang mit Intensitätsinhomogenitäten in fMRI-Sequenzen der sich bewegenden Anatomie des sich früh entwickelnden Gehirns. Medizinische Bildanalyse, 18(2), 285–300. doi:10.1016/j.media.2013.10.011 CrossRef  Google Scholar  PubMed 
  162. Shaywitz, BA, Shaywitz, SE, Blachman, BA, Pugh, KR, Fulbright, RK, Skudlarski, P., & Gore, JC (2004). Entwicklung linker okzipitotemporaler Systeme zum qualifizierten Lesen bei Kindern nach einer phonologisch basierten Intervention. Biological Psychiatry, 55(9), 926–933. doi:10.1016/j.biopsych.2003.12.019 CrossRef  Google Scholar  PubMed 
  163. Shen, MD, Nordahl, CW, Young, GS, Wootton-Gorges, SL, Lee, A., Liston, SE, & Amaral, DG (2013). Frühe Gehirnvergrößerung und erhöhte extraaxiale Flüssigkeit bei Säuglingen, die eine Autismus-Spektrum-Störung entwickeln. Gehirn, 136 (Teil 9), 2825–2835. doi:10.1093/brain/awt166 CrossRef  Google Scholar  PubMed 
  164. Silberg, J., Rutter, M., Neale, M. & Eaves, L. (2001). Genetische Moderation des Umweltrisikos für Depressionen und Angstzustände bei heranwachsenden Mädchen. The British Journal of Psychiatry, 179(2), 116–121. CrossRef  Google Scholar  PubMed 
  165. Silk, JS, Davis, S., McMakin, DL, Dahl, RE, & Forbes, EE (2012). Warum werden aus ängstlichen Kindern depressive Teenager? Die Rolle sozialer bewertender Bedrohungs- und Belohnungsverarbeitung. Psychologische Medizin, 42 (10), 2095–2107. CrossRef  Google Scholar  PubMed 
  166. Simos, PG, Fletcher, JM, Sarkari, S., Billingsley-Marshall, R., Denton, CA, & Papanicolaou, AC (2007). Intensiver Unterricht beeinflusst die magnetische Aktivität des Gehirns, die mit dem mündlichen Lesen von Wörtern bei Kindern mit anhaltenden Lesebehinderungen verbunden ist. Zeitschrift für Lernbehinderungen, 40 (1), 37–48. CrossRef  Google Scholar  PubMed 
  167. Smith, LK, Draper, ES, & Field, D. (2014). Langzeitergebnis für die kleinsten oder unreifsten Babys: Überlebensraten. Seminare in fetaler und neonataler Medizin, 19(2), 72–77. doi:10.1016/j.siny.2013.11.002 CrossRef  Google Scholar  PubMed 
  168. Smyser, CD, Inder, TE, Shimony, JS, Hill, JE, Degnan, AJ, Snyder, AZ, & Neil, JJ (2010). Längsschnittanalyse der Entwicklung neuronaler Netzwerke bei Frühgeborenen. Großhirnrinde, 20(12), 2852–2862. doi:10.1093/cercor/bhq035 CrossRef  Google Scholar  PubMed 
  169. Smyser, CD, Snyder, AZ, & Neil, JJ (2011). Funktionelle Konnektivitäts-MRT bei Säuglingen: Erforschung der funktionellen Organisation des sich entwickelnden Gehirns. Neuroimage, 56(3), 1437–1452. doi:10.1016/j.neuroimage.2011.02.073 CrossRef  Google Scholar  PubMed 
  170. Stepniak, B., Papiol, S., Hammer, C., Ramin, A., Everts, S., Hennig, L., & Ehrenreich, H. (2014). Kumuliertes Umweltrisiko, das das Alter bei Beginn der Schizophrenie bestimmt: Eine tiefgreifende, auf Phänotypisierung basierende Studie. Lancet Psychiatry, 1(6), 444–453. doi:10.1016/S2215-0366(14)70379-7 CrossRef  Google Scholar  PubMed 
  171. Szatmari, P., Merette, C., Bryson, SE, Thivierge, J., Roy, MA, Cayer, M., & Maziade, M. (2002). Quantifizierung von Dimensionen bei Autismus: Eine faktoranalytische Studie. Zeitschrift der American Academy of Child and Adolescent Psychiatry, 41(4), 467–474. doi:10.1097/00004583-200204000-00020 CrossRef  Google Scholar  PubMed 
  172. Tau, GZ, & Peterson, BS (2010). Normale Entwicklung der Gehirnschaltkreise. Neuropsychopharmacology, 35(1), 147–168. doi:10.1038/npp.2009.115 CrossRef  Google Scholar 
  173. Temple, E., Deutsch, GK, Poldrack, RA, Miller, SL, Tallal, P., Merzenich, MM, & Gabrieli, JD (2003). Neurale Defizite bei Kindern mit Legasthenie, die durch Verhaltenskorrekturen gebessert wurden: Beweise aus der funktionellen MRT. Proceedings of the National Academy of Sciences of the United States of America, 100(5), 2860–2865. doi:10.1073/pnas.0030098100 CrossRef  Google Scholar 
  174. Thomason, ME, Brown, JA, Dassanayake, MT, Shastri, R., Marusak, HA, Hernandez-Andrade, E., & Romero, R. (2014). Intrinsische funktionale Gehirnarchitektur, abgeleitet aus graphentheoretischer Analyse im menschlichen Fötus. PLoS One, 9(5), e94423. doi:10.1371/journal.pone.0094423 CrossRef  Google Scholar 
  175. Thomason, ME, Dassanayake, MT, Shen, S., Katkuri, Y., Alexis, M., Anderson, AL, & Romero, R. (2013). Interhemisphärische funktionelle Konnektivität im menschlichen fötalen Gehirn. Science Translational Medicine, 5(173), 173ra124. doi:10.1126/scitranslmed.3004978 CrossRef  Google Scholar 
  176. Thomason, ME, Grove, LE, Lozon, TA Jr., Vila, AM, Ye, Y., Nye, MJ, & Romero, R. (2015). Altersbedingter Anstieg der Fernkonnektivität in fötalen funktionellen neuronalen Konnektivitätsnetzwerken in utero. Kognitive Entwicklungsneurowissenschaften, 11, 96–104. doi:10.1016/j.dcn.2014.09.001 CrossRef  Google Scholar 
  177. Thompson, PA, Hulme, C., Nash, HM, Gooch, D., Hayiou-Thomas, E., & Snowling, MJ (2015). Entwicklungsdyslexie: Vorhersage des individuellen Risikos. Zeitschrift für Kinderpsychologie und Psychiatrie, 56 (9), 976–987. doi:10.1111/jcpp.12412 CrossRef  Google Scholar 
  178. Torgesen, JK (2000). Individuelle Unterschiede in der Reaktion auf frühe Interventionen beim Lesen: Das anhaltende Problem der Behandlungswiderstände. Forschung und Praxis zu Lernbehinderungen, 15 (1), 55–64. CrossRef  Google Scholar 
  179. Torgesen, JK, Wagner, RK, Rashotte, CA, Rose, E., Lindamood, P., Conway, T., & Garvan, C. (1999). Vorbeugung von Leseversagen bei kleinen Kindern mit phonologischen Verarbeitungsstörungen: Gruppen- und Einzelreaktionen auf den Unterricht. Zeitschrift für Pädagogische Psychologie, 91, 1–15. CrossRef  Google Scholar 
  180. Treyvaud, K., Ure, A., Doyle, LW, Lee, KJ, Rogers, CE, Kidokoro, H., & Anderson, PJ (2013). Psychiatrische Ergebnisse im Alter von sieben Jahren für sehr frühgeborene Kinder: Raten und Prädiktoren. Zeitschrift für Kinderpsychologie und Psychiatrie, 54 (7), 772–779. doi:10.1111/jcpp.12040 CrossRef  Google Scholar  PubMed 
  181. Uehara, T., Yamasaki, T., Okamoto, T., Koike, T., Kan, S., Miyauchi, S., & Tobimatsu, S. (2014). Die Effizienz eines „Kleinwelt“-Gehirnnetzwerks hängt von der Bewusstseinsebene ab: Eine FMRI-Studie im Ruhezustand. Großhirnrinde, 24(6), 1529–1539. doi:10.1093/cercor/bht004 CrossRef  Google Scholar  PubMed 
  182. Van den Bergh, BR, & Marcoen, A. (2004). Eine hohe vorgeburtliche mütterliche Angst steht im Zusammenhang mit ADHS-Symptomen, externalisierenden Problemen und Angstzuständen bei 8- und 9-Jährigen. Entwicklung des Kindes, 75 (4), 1085–1097. doi:10.1111/j.1467-8624.2004.00727.x CrossRef  Google Scholar 
  183. Van Essen, DC, Smith, SM, Barch, DM, Behrens, TE, Yacoub, E., Ugurbil, K., & WU-Minn HPC Consortium (2013). Das WU-Minn HPC-Konsortium. Neuroimage, 80, 62–79. doi:10.1016/j.neuroimage.2013.05.041 CrossRef  Google Scholar 
  184. Vellutino, FR, Scanlon, DM, Sipay, ER, Small, SG, Pratt, A., Chen, R., & Dencla, MB (1996). Kognitive Profile von schwer zu behebenden und leicht zu behebenden Leseschwächen: Frühe Interventionen als Mittel zur Unterscheidung zwischen kognitiven und erfahrungsbezogenen Defiziten als grundlegende Ursachen für spezifische Lesebehinderungen. Zeitschrift für Pädagogische Psychologie, 88, 601–638. CrossRef  Google Scholar 
  185. Walker, L., Chang, LC, Nayak, A., Irfanoglu, MO, Botteron, KN, McCracken, J., … Brain Development Cooperative Group. (2016). Die Komponente der Diffusions-Tensor-Bildgebung (DTI) der NIH-MRT-Studie zur normalen Gehirnentwicklung (PedsDTI). Neuroimage, 124, 1125–1130. doi:10.1016/j.neuroimage.2015.05.083 CrossRef  Google Scholar 
  186. Wang, XH, Li, L., Xu, T., & Ding, Z. (2015). Untersuchung der zeitlichen Muster innerhalb und zwischen intrinsischen Konnektivitätsnetzwerken unter Ruhezuständen mit offenen und geschlossenen Augen: Eine dynamische funktionelle Konnektivitätsstudie basierend auf Phasensynchronisation. PLoS One, 10(10), e0140300. doi:10.1371/journal.pone.0140300 CrossRef  Google Scholar  PubMed 
  187. Wang, Z., Fernandez-Seara, M., Alsop, DC, Liu, WC, Flax, JF, Benasich, AA, & Detre, JA (2008). Bewertung der funktionellen Entwicklung im normalen Säuglingshirn unter Verwendung von arterieller Spin-markierter Perfusions-MRT. Neuroimage, 39(3), 973–978. doi:10.1016/j.neuroimage.2007.09.045 CrossRef  Google Scholar  PubMed 
  188. Watanabe, T., Kessler, D., Scott, C., Angstadt, M., & Sripada, C. (2014). Krankheitsvorhersage basierend auf funktionellen Konnektomen unter Verwendung einer skalierbaren und räumlich informierten Support-Vektor-Maschine. Neuroimage, 96, 183–202. doi:10.1016/j.neuroimage.2014.03.067 CrossRef  Google Scholar  PubMed 
  189. Weissman, MM, Fendrich, M., Warner, V., & Wickramaratne, P. (1992). Häufigkeit psychiatrischer Störungen bei Nachkommen mit hohem und niedrigem Risiko für Depressionen. Zeitschrift der American Academy of Child & Adolescent Psychiatry, 31(4), 640–648. CrossRef  Google Scholar  PubMed 
  190. Weissman, MM, Wickramaratne, P., Nomura, Y., Warner, V., Verdeli, H., Pilowsky, DJ, & Bruder, G. (2005). Familien mit hohem und niedrigem Risiko für Depressionen: Eine 3-Generationen-Studie. Archives of General Psychiatry, 62(1), 29–36. CrossRef  Google Scholar  PubMed 
  191. Weissman, MM, Wolk, S., Wickramaratne, P., Goldstein, RB, Adams, P., Greenwald, S., & Steinberg, D. (1999). Kinder mit präpubertärer depressiver Störung und Angst erwachsen. Archives of General Psychiatry, 56(9), 794–801. CrossRef  Google Scholar  PubMed 
  192. Welsh, RC, Nemec, U., & Thomason, ME (2011). Fetale Magnetresonanztomographie bei 3.0 T. Topics in Magnetic Resonance Imaging, 22(3), 119–131. doi:10.1097/RMR.0b013e318267f932 CrossRef  Google Scholar  PubMed 
  193. Werner, EA, Myers, MM, Fifer, WP, Cheng, B., Fang, Y., Allen, R., & Monk, C. (2007). Pränatale Prädiktoren des kindlichen Temperaments. Entwicklungspsychobiologie, 49(5), 474–484. doi:10.1002/dev.20232 CrossRef  Google Scholar  PubMed 
  194. White, T., Nelson, M., & Lim, KO (2008). Diffusion Tensor Imaging bei psychiatrischen Erkrankungen. Themen in der Magnetresonanztomographie, 19 (2), 97–109. doi:10.1097/RMR.0b013e3181809f1e CrossRef  Google Scholar 
  195. Whitfield-Gabrieli, S., Thermenos, HW, Milanovic, S., Tsuang, MT, Faraone, SV, McCarley, RW, & Seidman, LJ (2009). Hyperaktivität und Hyperkonnektivität des Default-Netzwerks bei Schizophrenie und bei Verwandten ersten Grades von Personen mit Schizophrenie. Proceedings of the National Academy of Sciences of the United States of America, 106(4), 1279–1284. doi:10.1073/pnas.0809141106 CrossRef  Google Scholar  PubMed 
  196. Wiggins, LD, Robins, DL, Adamson, LB, Bakeman, R., & Henrich, CC (2012). Unterstützung für eine dimensionale Betrachtung von Autismus-Spektrum-Störungen bei Kleinkindern. Journal of Autism and Developmental Disorders, 42(2), 191–200. doi:10.1007/s10803-011-1230-0 CrossRef  Google Scholar 
  197. Willcutt, EG, Betjemann, RS, McGrath, LM, Chhabildas, NA, Olson, RK, DeFries, JC, & Pennington, BF (2010). Ätiologie und Neuropsychologie der Komorbidität zwischen RD und ADHS: Der Fall für multiple Defizitmodelle. Cortex, 46(10), 1345–1361. doi:10.1016/j.cortex.2010.06.009 CrossRef  Google Scholar  PubMed 
  198. Willcutt, EG, Petrill, SA, Wu, S., Boada, R., Defries, JC, Olson, RK, & Pennington, BF (2013). Komorbidität zwischen Leseschwäche und Rechenschwäche: Gleichzeitige Psychopathologie, funktionelle Beeinträchtigung und neuropsychologische Funktion. Zeitschrift für Lernbehinderungen, 46 (6), 500–516. doi:10.1177/0022219413477476 CrossRef  Google Scholar 
  199. Wolff, JJ, Botteron, KN, Dager, SR, Elison, JT, Estes, AM, Gu, H., & Network, I. (2014). Längsmuster des sich wiederholenden Verhaltens bei Kleinkindern mit Autismus. Zeitschrift für Kinderpsychologie und Psychiatrie, 55 (8), 945–953. doi:10.1111/jcpp.12207 CrossRef  Google Scholar  PubMed 
  200. Wolff, JJ, Gerig, G., Lewis, JD, Soda, T., Styner, MA, Vachet, C., IBIS Network. (2015). Veränderte Morphologie des Corpus callosum im Zusammenhang mit Autismus in den ersten 2 Lebensjahren. Gehirn, 138 (Teil 7), 2046–2058. doi:10.1093/brain/awv118 CrossRef  Google Scholar  PubMed 
  201. Wolff, JJ, Gu, H., Gerig, G., Elison, JT, Styner, M., Gouttard, S., … IBIS-Netzwerk. (2012). Unterschiede in der Entwicklung des Fasertrakts der weißen Substanz treten bei Säuglingen mit Autismus im Alter von 6 bis 24 Monaten auf. American Journal of Psychiatry, 169(6), 589–600. doi:10.1176/appi.ajp.2011.11091447 CrossRef  Google Scholar  PubMed 
  202. Woodward, LJ, & Fergusson, DM (2001). Lebensverlaufsergebnisse junger Menschen mit Angststörungen im Jugendalter. Zeitschrift der American Academy of Child and Adolescent Psychiatry, 40(9), 1086–1093. doi:10.1097/00004583-200109000-00018 CrossRef  Google Scholar 
  203. Yan, CG, Cheung, B., Kelly, C., Colcombe, S., Craddock, RC, Di Martino, A., & Milham, MP (2013). Eine umfassende Bewertung regionaler Unterschiede in der Auswirkung von Mikrobewegungen des Kopfes auf die funktionelle Konnektomik. Neuroimage, 76(0), 183–201. doi:http://dx.doi.org/10.1016/j.neuroimage.2013.03.004 CrossRef  Google Scholar 
  204. Yan, CG, Craddock, RC, He, Y., & Milham, MP (2013). Behandlung von Abhängigkeiten von Kopfbewegungen für Small-World-Topologien in der funktionalen Konnektomik. Frontiers in Human Neuroscience, 7, 910. doi: 10.3389/fnhum.2013.00910 CrossRef  Google Scholar  PubMed 
  205. Yan, CG, Craddock, RC, Zuo, X.-N., Zang, Y.-F., & Milham, MP (2013). Standardisierung des intrinsischen Gehirns: Auf dem Weg zu einer robusten Messung der interindividuellen Variation in 1000 funktionellen Konnektomen. Neuroimage, 80(0), 246–262. doi:http://dx.doi.org/10.1016/j.neuroimage.2013.04.081 CrossRef  Google Scholar  PubMed 
  206. Young, JM, Powell, TL, Morgan, BR, Card, D., Lee, W., Smith, ML, & Taylor, MJ (2015). Tiefes Wachstum der grauen Substanz sagt neurologische Entwicklungsergebnisse bei sehr frühgeborenen Kindern voraus. Neuroimage, 111, 360–368. doi:10.1016/j.neuroimage.2015.02.030 CrossRef  Google Scholar  PubMed 
  207. Zuo, XN, Anderson, JS, Bellec, P., Birn, RM, Biswal, BB, Blautzik, J., & Milham, MP (2014). Eine Open-Science-Ressource zum Nachweis von Zuverlässigkeit und Reproduzierbarkeit in der funktionalen Konnektomik. Wissenschaftliche Daten, 1, 140049. doi: 10.1038/sdata.2014.49 CrossRef  Google Scholar  PubMed 
Schwankungen in der Konnektivität der weißen Substanz sagen die Fähigkeit voraus, sich an Gesichter zu erinnern und ihre Emotionen zu unterscheiden
Autor (en)
  • Ashley Unger | Temple University, Institut für Psychologie, Philadelphia, Pennsylvania
  • Kylie H. Alm | Temple University, Institut für Psychologie, Philadelphia, Pennsylvania
  • Jessica A. Collins | Massachusetts General Hospital, Abteilung für Neurologie, Boston, Massachusetts
  • Jacquelyn M. O'Leary | Temple University, Institut für Psychologie, Philadelphia, Pennsylvania
  • Ingrid R. Olson | Temple University, Institut für Psychologie, Philadelphia, Pennsylvania

Korrespondenz
E-Mail-Adresse | iolson@temple.edu

Angaben
Die Autoren erklären keine konkurrierenden oder widersprüchlichen finanziellen Interessen.

Abstrakt
Lernziele:

Das erweiterte Gesichtsnetzwerk enthält Cluster von Neuronen, die bei Gesichtsreizen unterschiedliche Funktionen ausführen. Regionen im hinteren ventralen visuellen Strom scheinen grundlegende Wahrnehmungsfunktionen auf Gesichtern auszuführen, während weiter vordere Regionen, wie der ventrale vordere Schläfenlappen und die Amygdala, dazu dienen, mnemotechnische und affektive Informationen mit Gesichtern zu verknüpfen. Vordere und hintere Regionen sind durch langreichweitige Bahnen der weißen Substanz miteinander verbunden; Es ist jedoch nicht bekannt, ob die Variation in der Konnektivität dieser Wege die kognitive Leistungsfähigkeit erklärt.

Methoden:

Hier haben wir Diffusionsbildgebung und deterministische Traktographie in einer Kohorte von 28 neurologisch normalen Erwachsenen im Alter von 18 bis 28 Jahren verwendet, um die mikrostrukturellen Eigenschaften der Sehfaserbahnen und ihre Beziehung zu bestimmten mnemonischen und affektiven Funktionen zu untersuchen, die an der Gesichtsverarbeitung beteiligt sind. Wir untersuchten, wie die interindividuelle Variabilität in zwei Trakten, dem unteren Längsfaszikulus (ILF) und dem unteren fronto-okzipitalen Faszikulus (IFOF), mit der Leistung bei Tests zur Erkennung von Gesichtsemotionen und Gesichtsgedächtnis zusammenhängt.

Ergebnisse:

Die Ergebnisse zeigten, dass die Mikrostruktur beider Bahnen die Variabilität der Verhaltensleistung vorhersagte, die durch beide Aufgaben indiziert wurde, was darauf hindeutet, dass ILF und IFOF eine Rolle dabei spielen, unsere Fähigkeit zu erleichtern, emotionale Ausdrücke in Gesichtern zu unterscheiden und uns an einzigartige Gesichter zu erinnern. Variation in einem Kontrolltrakt, derFasciculus uncinatus, hat die Leistung bei diesen Aufgaben nicht vorhergesagt.

Schlussfolgerungen:

Diese Ergebnisse bestätigen und erweitern die Ergebnisse früherer neuropsychologischer Studien, in denen die Auswirkungen von Schäden an ILF und IFOF untersucht wurden, und zeigen, dass Unterschiede in der Gesichtsverarbeitungsfähigkeit mit der Mikrostruktur der weißen Substanz zusammenhängen, sogar bei gesunden Personen. (JINS, 2016,22, 180-190)

Literaturverzeichnis
  1. Alexander, AL, Hurley, SA, Samsonov, AA, Adluru, N., Hosseinbor, AP, Mossahebi, P., & Field, AS (2011). Charakterisierung der Eigenschaften der zerebralen weißen Substanz mit quantitativen Magnetresonanztomographie-Färbungen. Gehirnkonnektivität, 1(6), 423–446. http://doi.org/10.1089/brain.2011.0071 CrossRef  Google Scholar  PubMed 
  2. Alexander, AL, Lee, JE, Lazar, M., & Field, AS (2007b). Diffusion Tensor Imaging des Gehirns. Neurotherapeutics, 4(3), 316–329. http://doi.org/10.1016/j.nurt.2007.05.011 CrossRef  Google Scholar 
  3. Alm, KH, Rolheiser, T., Mohamed, FB, & Olson, IR (2015). Fronto-temporale Konnektivität der weißen Substanz sagt Umkehrlernfehler voraus. Frontiers in Neuroscience, 9(343), 1–11. doi:10.3389/fnhum.2015.00343 Google Scholar 
  4. Almairac, F., Herbet, G., Moritz-Gasser, S., de Champfleur, NM, & Duffau, H. (2014). Der linke untere vordere Hinterhauptfaszikulus dient der Sprachsemantik: Eine mehrstufige Läsionsstudie. Gehirnstruktur und -funktion. http://doi.org/10.1007/s00429-014-0773-1 Google Scholar 
  5. Baggio, HC, Segura, B., Ibarretxe-Bilbao, N., Valldeoriola, F., Marti, MJ, Compta, Y., & Junqué, C. (2012). Strukturelle Korrelate von Gesichtsemotionserkennungsdefiziten bei Parkinson-Patienten. Neuropsychologia, 50(8), 2121–2128. http://doi.org/10.1016/j.neuropsychologia.2012.05.020 CrossRef  Google Scholar  PubMed 
  6. Bauer, RM (1982). Visuelle Hypoemotionalität als Symptom einer visuell-limbischen Trennung beim Menschen. Archiv für Neurologie, 39 (11), 702–708. Abgerufen von http://www.ncbi.nlm.nih.gov/pubmed/7126000 CrossRef  Google Scholar  PubMed 
  7. Braem, B., Honoré, J., Rousseaux, M., Saj, A., & Coello, Y. (2014). Integration visueller und haptischer Informationen in die Wahrnehmung der Vertikalen bei jungen und alten gesunden Erwachsenen und rechtshirngeschädigten Patienten. Neurophysiologie Clinique, 44(1), 41–48. http://doi.org/10.1016/j.neucli.2013.10.137 CrossRef  Google Scholar 
  8. Catani, M. (2007). Von der Hodologie zur Funktion. Gehirn, 130 (Teil 3), 602–605. http://doi.org/10.1093/brain/awm008 CrossRef  Google Scholar 
  9. Catani, M., Jones, DK, Donato, R., & Ffytche, DH (2003). Okzipito-temporale Verbindungen im menschlichen Gehirn. Gehirn, 126 (Teil 9), 2093–2107. http://doi.org/10.1093/brain/awg203 CrossRef  Google Scholar 
  10. Catani, M., & Thiebaut de Schotten, M. (2008). Ein Diffusions-Tensor-Imaging-Traktographie-Atlas für virtuelle In-vivo-Dissektionen. Cortex, 44(8), 1105–1132. http://doi.org/10.1016/j.cortex.2008.05.004 CrossRef  Google Scholar  PubMed 
  11. Coello, AF, Duvaux, S., De Benedictis, A., Matsuda, R., & Duffau, H. (2013). Beteiligung des rechten unteren Längsfaszikels an der visuellen Hemiagnosie: Eine Gehirnstimulations-Mapping-Studie. Zeitschrift für Neurochirurgie, 118 (1), 202–205. http://doi.org/10.3171/2012.10.JNS12527 CrossRef  Google Scholar 
  12. Coello, Y., Bartolo, A., Amiri, B., Devanne, H., Houdayer, E., & Derambure, P. (2008). Die Wahrnehmung dessen, was erreichbar ist, hängt von motorischen Repräsentationen ab: Beweise aus einer transkraniellen Magnetstimulationsstudie. PLoS One, 3(8), e2862. http://doi.org/10.1371/journal.pone.0002862 CrossRef  Google Scholar  PubMed 
  13. De Zubicaray, GI, Rose, SE, & McMahon, KL (2011). Die Struktur und Konnektivität des semantischen Gedächtnisses im gesunden älteren erwachsenen Gehirn. Neuroimage, 54(2), 1488–1494. http://doi.org/10.1016/j.neuroimage.2010.08.058 CrossRef  Google Scholar 
  14. Diehl, B., Busch, RM, Duncan, JS, Piao, Z., Tkach, J., & Lüders, HO (2008). Anomalien in der Diffusions-Tensor-Bildgebung des Fasciculus uncinatus beziehen sich auf ein reduziertes Gedächtnis bei Temporallappenepilepsie. Epilepsie, 49(8), 1409–1418. http://doi.org/10.1111/j.1528-1167.2008.01596.x CrossRef  Google Scholar 
  15. Duchaine, B., & Nakayama, K. (2006). Der Cambridge Face Memory Test: Ergebnisse für neurologisch intakte Personen und eine Untersuchung seiner Gültigkeit unter Verwendung von invertierten Gesichtsreizen und prosopagnosischen Teilnehmern. Neuropsychologia, 44(4), 576–585. http://doi.org/10.1016/j.neuropsychologia.2005.07.001 CrossRef  Google Scholar  PubMed 
  16. Duffau, H., Gatignol, P., Mandonnet, E., Peruzzi, P., Tzourio-Mazoyer, N., & Capelle, L. (2005). Neue Einblicke in die anatomisch-funktionelle Konnektivität des semantischen Systems: Eine Studie mit kortiko-subkortikaler Elektrostimulation. Gehirn, 128 (Teil 4), 797–810. http://doi.org/10.1093/brain/awh423 CrossRef  Google Scholar  PubMed 
  17. Duffau, H., Peggy Gatignol, ST, Mandonnet, E., Capelle, L., & Taillandier, L. (2008). Intraoperative subkortikale Stimulationskartierung von Sprachbahnen in einer konsekutiven Serie von 115 Patienten mit Gliom Grad II in der linken dominanten Hemisphäre. Journal of Neurosurgery, 109(3), 461–471. http://doi.org/10.3171/JNS/2008/109/9/0461 CrossRef  Google Scholar 
  18. Ekman, P. & Friesen, WV (1976). Messung der Gesichtsbewegung. Umweltpsychologie und nonverbales Verhalten, 1 (1), 56–75. http://doi.org/10.1007/BF01115465 CrossRef  Google Scholar 
  19. Epelbaum, S., Pinel, P., Gaillard, R., Delmaire, C., Perrin, M., Dupont, S., & Cohen, L. (2008). Reine Alexie als Trennungssyndrom: Neue Beweise für die Diffusionsbildgebung für ein altes Konzept. Cortex, 44(8), 962–974. http://doi.org/10.1016/j.cortex.2008.05.003 CrossRef  Google Scholar 
  20. Genova, HM, Rajagopalan, V., Chiaravalloti, N., Binder, A., Deluca, J., & Lengenfelder, J. (2015). Erkennung von Gesichtsaffekten im Zusammenhang mit Schäden in bestimmten Bahnen der weißen Substanz bei traumatischen Hirnverletzungen. Soziale Neurowissenschaften, 10(1), 27–34. doi:10.1080/17470919.2014.959618. CrossRef  Google Scholar  PubMed 
  21. Gil-Robles, S., Carvallo, A., Jimenez, MDM, Gomez Caicoya, A., Martinez, R., Ruiz-Ocaña, C., & Duffau, H. (2013). Doppelte Dissoziation zwischen visueller Erkennung und Bildbenennung: Eine Untersuchung der visuellen Sprachkonnektivität unter Verwendung von Traktographie und Gehirnstimulation. Neurochirurgie, 72(4), 678–686. http://doi.org/10.1227/NEU.0b013e318282a361 CrossRef  Google Scholar 
  22. Gong, G., He, Y., & Evans, AC (2011). Gehirnkonnektivität: Das Geschlecht macht einen Unterschied. The Neuroscientist, 17(5), 575–591. http://doi.org/10.1177/1073858410386492 CrossRef  Google Scholar 
  23. Grossi, D., Soricelli, A., Ponari, M., Salvatore, E., Quarantelli, M., Prinster, A., & Trojano, L. (2014). Strukturelle Konnektivität in einem einzigen Fall von progressiver Prosopagnosie: Die Rolle des rechten unteren Längsfaszikulus. Kortex, 56, 111–120. http://doi.org/10.1016/j.cortex.2012.09.010 CrossRef  Google Scholar 
  24. Habib, M. (1986). Visuelle Hypoemotionalität und Prosopagnosie im Zusammenhang mit der Isolierung des rechten Temporallappens. Neuropsychologia, 24(4), 577–582. Abgerufen von http://www.ncbi.nlm.nih.gov/pubmed/3774141 CrossRef  Google Scholar 
  25. Hoeft, F., Meyler, A., Hernandez, A., Juel, C., Taylor-Hill, H., Martindale, JL, McMillon, G., Kolchugina, G., … Gabrieli, JD (2007). Funktionelle und morphometrische Gehirndissoziation zwischen Legasthenie und Lesefähigkeit. Verhaltensneurowissenschaften, 121(3), 602–613. CrossRef  Google Scholar 
  26. Horel, JA, & Misantone, LJ (1974). Das Klüver-Bucy-Syndrom entsteht durch partielle Isolation des Temporallappens. Experimentelle Neurologie, 42(1), 101–112. http://doi.org/10.1016/0014-4886(74)90010-7 CrossRef  Google Scholar  PubMed 
  27. Ingalhalikar, M., Smith, A., Parker, D., Satterthwaite, TD, Elliott, MA, Ruparel, K., & Verma, R. (2014). Geschlechtsunterschiede im strukturellen Konnektom des menschlichen Gehirns. Proceedings of the National Academy of Sciences of the United States of America, 111(2), 823–828. http://doi.org/10.1073/pnas.1316909110 CrossRef  Google Scholar  PubMed 
  28. Johansen-Berg, H., & Behrens, TEJ (2009). Diffusions-MRT. Amsterdam: Elsevier. http://doi.org/10.1016/B978-0-12-374709-9.00022-5 Google Scholar 
  29. Jones, DK (2008). Untersuchung von Zusammenhängen im lebenden menschlichen Gehirn mit Diffusions-MRT. Cortex, 44(8), 936–952. http://doi.org/10.1016/j.cortex.2008.05.002 CrossRef  Google Scholar  PubMed 
  30. Lebel, C., Gee, M., Camicioli, R., Wieler, M., Martin, W., & Beaulieu, C. (2012). Diffusions-Tensor-Bildgebung der Entwicklung des Trakts der weißen Substanz über die Lebensdauer. Neuroimage, 60(1), 340–352. http://doi.org/10.1016/j.neuroimage.2011.11.094 CrossRef  Google Scholar 
  31. Mandonnet, E., Nouet, A., Gatignol, P., Capelle, L., & Duffau, H. (2007). Spielt der linke untere Längsfaszikulus eine Rolle bei der Sprache? Eine Hirnstimulationsstudie. Gehirn, 130 (Teil 3), 623–629. http://doi.org/10.1093/brain/awl361 CrossRef  Google Scholar 
  32. McDonald, CR, Hagler, DJ, Girard, HM, Pung, C., Ahmadi, ME, Holland, D., & Dale, AM (2010). Veränderungen der Faserbahnintegrität und der Gesichtsfelder nach anteriorer temporaler Lobektomie. Neurologie, 75(18), 1631–1638. http://doi.org/10.1212/WNL.0b013e3181fb44db CrossRef  Google Scholar 
  33. Metzler-Baddeley, C., Jones, DK, Belaroussi, B., Aggleton, JP, & O'Sullivan, MJ (2011). Frontotemporale Verbindungen im episodischen Gedächtnis und Altern: Eine Diffusions-MRT-Traktographie-Studie. The Journal of Neuroscience, 31(37), 13236–13245. http://doi.org/10.1523/JNEUROSCI.2317-11.2011 CrossRef  Google Scholar  PubMed 
  34. Mori, S., Crain, BJ, Chacko, VP, & Van Zijl, PCM (1999). Dreidimensionale Verfolgung axonaler Projektionen im Gehirn durch Magnetresonanztomographie. Annals of Neurology, 45(2), 265–269. http://doi.org/10.1002/1531-8249(199902)45:2<265::AID-ANA21>3.0.CO;2-33.0.CO;2-3>CrossRef Google Scholar  PubMed 
  35. Mori, S., Kaufmann, WE, Davatzikos, C., Stieltjes, B., Amodei, L., Fredericksen, K., & van Zijl, PCM (2002). Bildgebung kortikaler Assoziationsbahnen im menschlichen Gehirn mithilfe von diffusionstensorbasiertem axonalem Tracking. Magnetresonanz in der Medizin, 47 (2), 215–223. http://doi.org/10.1002/mrm.10074 CrossRef  Google Scholar 
  36. Mundfrom, DJ, Piccone, A., Perrett, JJ, Schaffer, J., & Roozeboom, M. (2006). Bonferroni-Anpassungen in Tests für Regressionskoeffizienten. Standpunkte der multiplen linearen Regression, 32, 1–6. Google Scholar 
  37. Niogi, SN, Mukherjee, P., Ghajar, J., Johnson, CE, Kolster, R., Lee, H., & McCandliss, BD (2008). Strukturelle Dissoziation der Aufmerksamkeitskontrolle und des Gedächtnisses bei Erwachsenen mit und ohne leichtes Schädel-Hirn-Trauma. Gehirn, 131 (Teil 12), 3209–3221. http://doi.org/10.1093/brain/awn247 CrossRef  Google Scholar  PubMed 
  38. Olson, IR, Heide, RJ, Alm, KH, & Vyas, G. (2015). Entwicklung des Fasciculus uncinatus: Implikationen für Theorie und Entwicklungsstörungen. Kognitive Entwicklungsneurowissenschaften, 14, 50–61. CrossRef  Google Scholar 
  39. Philippi, CL, Mehta, S., Grabowski, T., Adolphs, R., & Rudrauf, D. (2009). Eine Schädigung der Assoziationsfaserbahnen beeinträchtigt die Erkennung des Gesichtsausdrucks von Emotionen. The Journal of Neuroscience, 29(48), 15089–15099. http://doi.org/10.1523/JNEUROSCI.0796-09.2009 CrossRef  Google Scholar  PubMed 
  40. Sarubbo, S., De Benedictis, A., Maldonado, IL, Basso, G., & Duffau, H. (2013). Frontale Abschlüsse für den unteren Fronto-Occipital-Faszikel: Anatomische Dissektion, DTI-Studie und funktionelle Überlegungen zu einem Mehrkomponentenbündel. Gehirnstruktur und -funktion, 218 (1), 21–37. http://doi.org/10.1007/s00429-011-0372-3 CrossRef  Google Scholar  PubMed 
  41. Schmahmann, JD, & Pandya, DN (2007). Die komplexe Geschichte des Fasciculus fronto-occipitalis. Journal of the History of the Neurosciences, 16, 362–377. CrossRef  Google Scholar 
  42. Smith, SM, Jenkinson, M., Woolrich, MW, Beckmann, CF, Behrens, TEJ, Johansen-Berg, H., & Matthews, PM (2004). Fortschritte in der funktionellen und strukturellen MR-Bildanalyse und Implementierung als FSL. Neuroimage, 23 (Suppl. 1), S208–S219. http://doi.org/10.1016/j.neuroimage.2004.07.051 CrossRef  Google Scholar 
  43. Sprague, JM (1966). Interaktion von Cortex und Colliculus superior bei der Vermittlung von visuell geführtem Verhalten bei der Katze. Wissenschaft (New York, NY), 153 (3743), 1544–1547. Abgerufen von http://www.ncbi.nlm.nih.gov/pubmed/5917786 CrossRef  Google Scholar 
  44. Tavor, I., Yablonski, M., Mezer, A., Rom, S., Assaf, Y., & Yovel, G. (2014). Separate Teile der okzipito-temporalen Fasern der weißen Substanz sind mit der Erkennung von Gesichtern und Orten verbunden. Neuroimage, 86 (2014), 123–130. http://doi.org/10.1016/j.neuroimage.2013.07.085 CrossRef  Google Scholar 
  45. Thomas, AL, Lawler, K., Olson, IR, & Aguirre, GK (2008). Die Philadelphia Face Perception Battery. Archives of Clinical Neuropsychology, 23(2), 175–187. http://doi.org/10.1016/j.acn.2007.10.003 CrossRef  Google Scholar  PubMed 
  46. Thomas, C., Avidan, G., Humphreys, K., Jung, K., Gao, F., & Behrmann, M. (2009). Reduzierte strukturelle Konnektivität im ventralen visuellen Kortex bei angeborener Prosopagnosie. Nature Neuroscience, 12(1), 29–31. http://doi.org/10.1038/nn.2224 CrossRef  Google Scholar  PubMed 
  47. Thomas, C., Humphreys, K., Jung, K.-J., Minshew, N., & Behrmann, M. (2010). Die Anatomie der kallosalen und visuellen Assoziationswege bei hochfunktionalem Autismus: Eine DTI-Traktographiestudie. Kortex, 47(7), 863–873. http://doi.org/10.1016/j.cortex.2010.07.006 CrossRef  Google Scholar  PubMed 
  48. Thomas, C., Moya, L., Avidan, G., Humphreys, K., Jung, KJ, Peterson, MA, & Behrmann, M. (2008). Eine Verringerung der Konnektivität der weißen Substanz, die durch Diffusions-Tensor-Bildgebung aufgedeckt wird, kann für altersbedingte Veränderungen in der Gesichtswahrnehmung verantwortlich sein. Journal of Cognitive Neuroscience, 20(2), 268–284. CrossRef  Google Scholar  PubMed 
  49. Tournier, J.-D., Mori, S., & Leemans, A. (2011). Diffusion Tensor Imaging und darüber hinaus. Magnetresonanz in der Medizin, 65 (6), 1532–1556. http://doi.org/10.1002/mrm.22924 CrossRef  Google Scholar 
  50. Valdés-Sosa, M., Bobes, MA, Quiñones, I., Garcia, L., Valdes-Hernandez, PA, Iturria, Y., & Asencio, J. (2011). Verdeckte Gesichtserkennung ohne die fusiform-temporalen Bahnen. Neuroimage, 57(3), 1162–1176. http://doi.org/10.1016/j.neuroimage.2011.04.057 CrossRef  Google Scholar  PubMed 
  51. Von Der Heide, RJ, Skipper, LM, Klobusicky, E., & Olson, IR (2013). Präparation des Fasciculus uncinatus: Störungen, Kontroversen und eine Hypothese. Gehirn, 136 (Teil 6), 1692–1707. http://doi.org/10.1093/brain/awt094 CrossRef  Google Scholar 
  52. Wakana, S., Caprihan, A., Panzenboeck, MM, Fallon, JH, Perry, M., Gollub, RL, & Mori, S. (2007). Reproduzierbarkeit quantitativer Traktographiemethoden, die auf die weiße Hirnsubstanz angewendet werden. Neuroimage, 36(3), 630–644. http://doi.org/10.1016/j.neuroimage.2007.02.049 CrossRef  Google Scholar 
  53. Wang, R., Benner, T., Sorensen, AG, & Wedeen, VJ (2007). Diffusion Toolkit: Ein Softwarepaket für die Diffusionsbilddatenverarbeitung und Traktographie. Proceedings of the 15th Scientific Meeting of the International Society for Magnetic Resonance in Medicine, Seattle, Washington. Zusammenfassung 3720. Google Scholar 
  54. Yamasaki, T., Taniwaki, T., Tobimatsu, S., Arakawa, K., Kuba, H., Maeda, Y., & Kira, J. (2004). Elektrophysiologische Korrelate der assoziativen visuellen Agnosie mit Läsionen im ventralen Weg. Journal of the Neurological Sciences, 221(1-2), 53–60. http://doi.org/10.1016/j.jns.2004.03.024 CrossRef  Google Scholar  PubMed 
  55. Yeatman, JD, Rauschecker, AM, & Wandell, BA (2013). Anatomie des visuellen Wortformbereichs: Angrenzende kortikale Schaltkreise und weitreichende Verbindungen der weißen Substanz. Gehirn und Sprache, 125 (2), 146–155. http://doi.org/10.1016/j.bandl.2012.04.010 CrossRef  Google Scholar  PubMed 
  56. Zemmoura, I., Herbet, G., Moritz-Gasser, S., & Duffau, H. (2015). Neue Einblicke in das neuronale Netzwerk, das Leseprozesse vermittelt, durch kortiko-subkortikale elektrische Kartierung. Human Brain Mapping, 36, 2215–2230. http://doi.org/10.1002/hbm.22766 CrossRef  Google Scholar  PubMed 
Die Mikrostruktur und Gedächtnisleistung von Fornix ist mit einer veränderten neuronalen Konnektivität während der episodischen Erkennung verbunden
Autor (en)
  • Martina Ly | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin, Ausbildungsprogramm für Neurowissenschaften, University of Wisconsin, Madison, Wisconsin, Waisman Laboratory for Brain Imaging and Behavior, University of Wisconsin, Madison, Wisconsin
  • Nagesh Adluru | Waisman Laboratory for Brain Imaging and Behaviour, University of Wisconsin, Madison, Wisconsin
  • Daniel J. Desstiche | Waisman Laboratory for Brain Imaging and Behaviour, University of Wisconsin, Madison, Wisconsin
  • Sharon Y. Lu | Waisman Laboratory for Brain Imaging and Behaviour, University of Wisconsin, Madison, Wisconsin
  • Jennifer M. Oh | Geriatrische Forschungsausbildung und klinisches Zentrum, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Siobhan M. Hoscheidt | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin
  • Andreas L. Alexander | Waisman Laboratory for Brain Imaging and Behavior, University of Wisconsin, Madison, Wisconsin, Department of Psychiatry, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison , Wisconsin
  • Ozioma C. Okonkwo | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin
  • Howard A. Rowley | Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin
  • Mark A. Sager | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin
  • Sterling C.Johnson | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin
  • Barbara B. Bendlin | Geriatric Research Education and Clinical Center, William S. Middleton Memorial Veteran's Hospital, Madison, Wisconsin, Alzheimer's Disease Research Center, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, Wisconsin Alzheimer's Institute, University of Wisconsin School of Medicine and Public Gesundheit, Madison, Wisconsin

Korrespondenz
E-Mail-Adresse | bbb@medicine.wisc.edu

Angaben
Ly, Adluru, Destiche, Lu, Oh, Hoscheidt, Okonkwo, Sager, Johnson und Bendlin melden keine Interessenkonflikte. Rowley hat GE Healthcare, Bracco, Lundbeck, HL Gore und Eli Lilly beraten und/oder Honorare erhalten. Alexander ist Teilhaber und Chief Operating Officer von inSERT, Inc.

Abstrakt
Lernziele:

Der Zweck dieser Studie war es zu beurteilen, ob altersbedingte Unterschiede in der Mikrostruktur der weißen Substanz mit einer veränderten aufgabenbezogenen Konnektivität während der episodischen Erkennung verbunden sind.

Methoden:

Unter Verwendung von funktioneller Magnetresonanztomographie und Diffusions-Tensor-Bildgebung von 282 kognitiv gesunden Erwachsenen mittleren bis späten Alters, die in das Wisconsin-Register für Alzheimer-Prävention aufgenommen wurden, untersuchten wir, ob die fraktionierte Anisotropie (FA) in Regionen der weißen Substanz, von denen bekannt ist, dass sie mit dem Alter abnehmen, mit der Aufgabe verbunden war -bezogene Konnektivität innerhalb des Erkennungsnetzwerks.

Ergebnisse:

Es gab eine positive Beziehung zwischen Fornix FA und Gedächtnisleistung, die beide negativ mit dem Alter korrelierten. Psychophysiologische Interaktionsanalysen ergaben, dass ein höherer Fornix-FA mit einer erhöhten aufgabenbezogenen Konnektivität zwischen Hippocampus, Caudat, Precuneus, mittlerem Okzipitalgyrus und mittlerem Frontalgyrus verbunden war. Darüber hinaus war eine bessere Aufgabenleistung mit einer erhöhten aufgabenbezogenen Konnektivität zwischen dem hinteren Gyrus cinguli, dem mittleren Frontalgyrus, dem Cuneus und dem Hippocampus verbunden.

Schlussfolgerungen:

Die Ergebnisse deuten darauf hin, dass sich das Alter negativ auf die Mikrostruktur der weißen Substanz auswirkt, was sich wiederum negativ auf die Gedächtnisleistung auswirkt. Die Fornix-Mikrostruktur vermittelte jedoch nicht signifikant die Wirkung des Alters auf die Leistung. Interessanterweise war die dynamische funktionale Konnektivität mit einer besseren Gedächtnisleistung verbunden. Die Ergebnisse der psychophysiologischen Interaktionsanalyse zeigten ferner, dass Veränderungen in der Fornix-Mikrostruktur – zumindest teilweise – die Konnektivität zwischen kortikalen Regionen im Erkennungsgedächtnisnetzwerk erklären. Unsere Ergebnisse können die Beziehung zwischen struktureller Konnektivität, neuronaler Funktion und Kognition weiter aufklären. (JINS, 2016,22, 191-204)

Literaturverzeichnis
  1. Adluru, N., Destiche, DJ, Lu, SY-F., Doran, ST, Birdsill, AC, Melah, KE, & Bendlin, BB (2014). Mikrostruktur der weißen Substanz im späten mittleren Alter: Auswirkungen von Apolipoprotein E4 und elterliche Familiengeschichte der Alzheimer-Krankheit. Neurobild. Klinisch, 4, 730–742. http://doi.org/10.1016/j.nicl.2014.04.008 CrossRef  Google Scholar  PubMed 
  2. Aggleton, JP, & Brown, MW (1999). Episodisches Gedächtnis, Amnesie und Hippocampus-anteriore Thalamusachse. The Behavioral and Brain Sciences, 22(3), 425–444; Diskussion 444–489. http://doi.org/10.1017/S0140525X99002034 CrossRef  Google Scholar 
  3. Aggleton, JP, & Brown, MW (2006). Interleaving von Gehirnsystemen für episodisches und Wiedererkennungsgedächtnis. Trends in den Kognitionswissenschaften. http://doi.org/10.1016/j.tics.2006.08.003 CrossRef  Google Scholar 
  4. Anderson, ND, Iidaka, T., Cabeza, R., Kapur, S., McIntosh, AR, & Craik, FI (2000). Die Auswirkungen der geteilten Aufmerksamkeit auf die kodierungs- und abrufbezogene Gehirnaktivität: Eine PET-Studie an jüngeren und älteren Erwachsenen. Journal of Cognitive Neuroscience, 12(5), 775–792. http://doi.org/10.1162/089892900562598 CrossRef  Google Scholar  PubMed 
  5. Antonenko, D., Meinzer, M., Lindenberg, R., Witte, AV, & Flöel, A. (2012). Grammatiklernen bei älteren Erwachsenen ist mit der Mikrostruktur der weißen Substanz und der funktionellen Konnektivität verbunden. Neuroimage, 62(3), 1667–1674. http://doi.org/10.1016/j.neuroimage.2012.05.074 CrossRef  Google Scholar  PubMed 
  6. Ashburner, J. & Friston, KJ (1999). Nichtlineare räumliche Normalisierung mit Basisfunktionen. Kartierung des menschlichen Gehirns, 7 (4), 254–266. http://doi.org/10.1002/(SICI)1097-0193(1999)7:4<254::AID-HBM4>3.0.CO;2-G3.0.CO;2-G>CrossRef Google Scholar  PubMed 
  7. Baddeley, A. (1996). Erkundung der zentralen Exekutive. Das vierteljährliche Journal of Experimental Psychology, 49A (1), 5–28. CrossRef  Google Scholar 
  8. Beaulieu, C. (2002). Die Grundlage der anisotropen Wasserdiffusion im Nervensystem - Eine technische Übersicht. NMR in Biomedicine, 15(7–8), 435–455. http://doi.org/10.1002/nbm.782 CrossRef  Google Scholar 
  9. Benedikt, R. (1997). Kurzer Visuospatial Memory Test-Revised. Odessa, FL: Psychological Assessment Resources, Inc. Google Scholar 
  10. Braak, H. & Braak, E. (1995). Inszenierung von neurofibrillären Veränderungen im Zusammenhang mit der Alzheimer-Krankheit. In Neurobiology of aging (Bd. 16, S. 271–278). http://doi.org/10.1016/0197-4580(95)00021-6 Google Scholar 
  11. Cabeza, R. (2004). Aufgabenunabhängige und aufgabenspezifische Alterseffekte auf die Gehirnaktivität während des Arbeitsgedächtnisses, der visuellen Aufmerksamkeit und des episodischen Abrufs. Großhirnrinde, 14(4), 364–375. http://doi.org/10.1093/cercor/bhg133 CrossRef  Google Scholar  PubMed 
  12. Cabeza, R., Anderson, ND, Houle, S., Mangels, JA, & Nyberg, L. (2000). Altersbedingte Unterschiede in der neuronalen Aktivität beim Abrufen von Gegenständen und Erinnerungen in zeitlicher Reihenfolge: Eine Positronen-Emissions-Tomographie-Studie. Journal of Cognitive Neuroscience, 12(1), 197–206. CrossRef  Google Scholar  PubMed 
  13. Cabeza, R., & Dennis, N. (2012). Frontallappen und Alterung: Verschlechterung und Kompensation. In Prinzipien der Frontallappenfunktion (S. 628–652). http://doi.org/10.1093/acprof:oso/9780195134971.001.0001 Google Scholar 
  14. Cabeza, R., Grady, CL, Nyberg, L., McIntosh, AR, Tulving, E., Kapur, S., & Craik, FI (1997). Altersbedingte Unterschiede in der neuronalen Aktivität während der Codierung und des Abrufs von Erinnerungen: Eine Positronen-Emissions-Tomographie-Studie. Das Journal of Neuroscience, 17(1), 391–400. http://doi.org/0270-6474/96/170391-10$05.00/0 Google Scholar  PubMed 
  15. Cassel, JC, Duconseille, E., Jeltsch, H., & Will, B. (1997). Die Fimbria-Fornix / Cingular-Bündel-Wege: Eine Überprüfung neurochemischer und verhaltensbezogener Ansätze unter Verwendung von Läsionen und Transplantationstechniken. Fortschritt in der Neurobiologie, 51(6), 663–716. http://doi.org/10.1016/S0301-0082(97)00009-9 CrossRef  Google Scholar  PubMed 
  16. Catani, M., Howard, RJ, Pajevic, S., & Jones, DK (2002). Virtuelle interaktive In-vivo-Dissektion von Faszikeln der weißen Substanz im menschlichen Gehirn. Neuroimage, 17(1), 77–94. CrossRef  Google Scholar 
  17. Charlton, RA, Schiavone, F., Barrick, TR, Morris, RG, & Markus, HS (2010). Die Diffusions-Tensor-Bildgebung erkennt eine altersbedingte Veränderung der weißen Substanz über einen 2-Jahres-Follow-up, die mit einem Rückgang des Arbeitsgedächtnisses verbunden ist. Zeitschrift für Neurologie, Neurochirurgie und Psychiatrie, 81(1), 13–19. http://doi.org/10.1136/jnnp.2008.167288 CrossRef  Google Scholar 
  18. Crosby, EC (1962). Korrelative Anatomie des Nervensystems. Macmillan. Abgerufen von http://books.google.com/books/about/Correlative_anatomy_of_the_nervous_syste.html?id=zrRqAAAAMAAJ&pgis=1 Google Scholar 
  19. Daselaar, SM, Fleck, MS, Dobbins, IG, Madden, DJ, & Cabeza, R. (2006). Auswirkungen eines gesunden Alterns auf Hippocampus- und Rhinalgedächtnisfunktionen: Eine ereignisbezogene fMRI-Studie. Großhirnrinde, 16(12), 1771–1782. http://doi.org/10.1093/cercor/bhj112 CrossRef  Google Scholar 
  20. Davis, SW, Dennis, NA, Daselaar, SM, Fleck, MS, & Cabeza, R. (2008). Que PASA? die Posterior-Anterior-Verschiebung im Alter. Großhirnrinde, 18(5), 1201–1209. http://doi.org/10.1093/cercor/bhm155 CrossRef  Google Scholar 
  21. Davis, SW, Kragel, JE, Madden, DJ, & Cabeza, R. (2012). Die Architektur der hemisphärischen Kommunikation im alternden Gehirn: Verknüpfung von Verhalten mit funktioneller und struktureller Konnektivität. Großhirnrinde, 22(1), 232–242. http://doi.org/10.1093/cercor/bhr123 CrossRef  Google Scholar 
  22. Du, AT, Schuff, N., Zhu, XP, Jagust, WJ, Miller, BL, Reed, BR, & Weiner, MW (2003). Atrophieraten des entorhinalen Cortex bei AD und normalem Altern. Neurologie, 60(3), 481–486. CrossRef  Google Scholar 
  23. Duverne, S., Motamedinia, S., & Rugg, MD (2009). Die Beziehung zwischen Alterung, Leistung und den neuronalen Korrelaten erfolgreicher Gedächtniskodierung. Großhirnrinde, 19(3), 733–744. http://doi.org/10.1093/cercor/bhn122 CrossRef  Google Scholar 
  24. Faure, A., Haberland, U., Condé, F., & El Massioui, N. (2005). Eine Läsion des nigrostriatalen Dopaminsystems unterbricht die Bildung von Stimulus-Response-Gewohnheiten. Das Journal of Neuroscience, 25(11), 2771–2780. http://doi.org/10.1523/JNEUROSCI.3894-04.2005 CrossRef  Google Scholar  PubMed 
  25. Finsterer, J., & Fuglsang-Frederiksen, A. (2000). Konzentrisches Nadel-EMG versus Makro-EMG I. Beziehung bei gesunden Probanden. Klinische Neurophysiologie, 111(7), 1211–1215. http://doi.org/10.1016/S1388-2457(00)00310-2 CrossRef  Google Scholar  PubMed 
  26. Folstein, MF, Folstein, SE, & McHugh, PR (1975). „Minimentaler Zustand.“ Eine praktische Methode zur Einstufung des kognitiven Zustands von Patienten für den Kliniker. Journal of Psychiatric Research, 12(3), 189–198. http://doi.org/10.1016/0022-3956(75)90026-6 CrossRef  Google Scholar 
  27. Gläscher, J., Rudrauf, D., Colom, R., Paul, LK, Tranel, D., Damasio, H., & Adolphs, R. (2010). Verteiltes neuronales System für allgemeine Intelligenz, das durch Läsionskartierung aufgedeckt wird. Proceedings of the National Academy of Sciences of the United States of America, 107(10), 4705–4709. http://doi.org/10.1073/pnas.0910397107 CrossRef  Google Scholar 
  28. Grady, CL (2008). Kognitive Neurowissenschaften des Alterns. Annalen der New York Academy of Sciences, 1124, 127–144. http://doi.org/10.1196/annals.1440.009 CrossRef  Google Scholar 
  29. Grady, CL, Grady, CL, McIntosh, AR, McIntosh, AR, Craik, FIM, & Craik, FIM (2005). Aufgabenbezogene Aktivität im präfrontalen Kortex und ihre Beziehung zur Erkennungsgedächtnisleistung bei jungen und alten Erwachsenen. Neuropsychologia, 43(10), 1466–1481. http://doi.org/10.1016/j.neuropsychologia.2004.12.016 CrossRef  Google Scholar 
  30. Grady, CL, McIntosh, AR, & Craik, FIM (2003). Altersbedingte Unterschiede in der funktionellen Konnektivität des Hippocampus während der Gedächtniscodierung. Hippocampus, 13(5), 572–586. http://doi.org/10.1002/hipo.10114 CrossRef  Google Scholar  PubMed 
  31. Greenwood, PM (2007). Funktionelle Plastizität beim kognitiven Altern: Überprüfung und Hypothese. Neuropsychology, 21(6), 657–673. http://doi.org/10.1037/0894-4105.21.6.657 CrossRef  Google Scholar 
  32. Gunning-Dixon, FM, & Raz, N. (2000). Die kognitiven Korrelate von Anomalien der weißen Substanz beim normalen Altern: Eine quantitative Überprüfung. Neuropsychology, 14(2), 224–232. http://doi.org/10.1037//0894-4105.14.2.224 CrossRef  Google Scholar  PubMed 
  33. Harvey, LO (1992). Die kritische Betriebseigenschaft und die Bewertung des Expertenurteils. Organisationales Verhalten und menschliche Entscheidungsprozesse. Verfügbar ab http://doi.org/10.1016/0749-5978(92)90063-D CrossRef  Google Scholar 
  34. Head, D., Kennedy, KM, Rodrigue, KM, & Raz, N. (2009). Altersunterschiede in der Ausdauer: Kognitive und neuroanatomische Leistungsvermittler beim Wisconsin Card Sorting Test. Neuropsychologia, 47(4), 1200–1203. http://doi.org/10.1016/j.neuropsychologia.2009.01.003 CrossRef  Google Scholar  PubMed 
  35. Hellyer, PJ, Shanahan, M., Scott, G., Wise, RJS, Sharp, DJ, & Leech, R. (2014). Die Kontrolle der globalen Gehirndynamik: Gegensätzliche Aktionen der frontoparietalen Kontrolle und der Default-Mode-Netzwerke auf Aufmerksamkeit. Das Journal of Neuroscience, 34(2), 451–461. http://doi.org/10.1523/JNEUROSCI.1853-13.2014 CrossRef  Google Scholar 
  36. Jastak, S. & Wilkinson, GS (1984). Der Wide Range Achievement Test - Überarbeitet (Vol. III). Wilmington, DE: Jastak Associates. Google Scholar 
  37. Kaplan, E., Goodglass, H., & Weintraub, S. (1983). Bostoner Namenstest. Philadelphia: Lea & Febiger. Google Scholar 
  38. Kawas, C., Segal, J., Stewart, WF, Corrada, M., & Thal, LJ (1994). Eine Validierungsstudie des Demenz-Fragebogens. Archiv für Neurologie, 51 (9), 901–906. http://doi.org/10.1001/archneur.1994.00540210073015 CrossRef  Google Scholar  PubMed 
  39. Kehoe, EG, Farrell, D., Metzler-Baddeley, C., Lawlor, BA, Kenny, RA, Lyons, D., & Bokde, AL (2015). Die weiße Substanz von Fornix korreliert mit der funktionellen Konnektivität des Thalamus und des Hippocampus im Ruhezustand bei gesundem Altern, aber nicht bei leichter kognitiver Beeinträchtigung - Eine vorläufige Studie. Frontiers in Aging Neuroscience, 7, 10. http://doi.org/10.3389/fnagi.2015.00010 CrossRef  Google Scholar 
  40. King, DR, de Chastelaine, M., Elward, RL, Wang, TH, & Rugg, MD (2015). Erinnerungsbedingte Steigerungen der funktionellen Konnektivität sagen individuelle Unterschiede in der Gedächtnisgenauigkeit voraus. Journal of Neuroscience, 35(4), 1763–1772. http://doi.org/10.1523/JNEUROSCI.3219-14.2015 CrossRef  Google Scholar  PubMed 
  41. Lamont, AC, Stewart-Williams, S., & Podd, J. (2005). Gesichtserkennung und Alterung: Auswirkungen des Zielalters und der Gedächtnisbelastung. Memory & Cognition, 33 (6), 1017–1024. http://doi.org/10.3758/BF03193209 CrossRef  Google Scholar  PubMed 
  42. Lockhart, SN, Mayda, ABV, Roach, AE, Fletcher, E., Carmichael, O., Maillard, P., & DeCarli, C. (2012). Die episodische Gedächtnisfunktion ist mit mehreren Messungen der Integrität der weißen Substanz beim kognitiven Altern verbunden. Grenzen in der menschlichen Neurowissenschaft, 6, 56. http://doi.org/10.3389/fnhum.2012.00056 CrossRef  Google Scholar  PubMed 
  43. Luk, G., Bialystok, E., Craik, FIM, & Grady, CL (2011). Lebenslange Zweisprachigkeit bewahrt die Integrität der weißen Substanz bei älteren Erwachsenen. Journal of Neuroscience, 31(46), 16808–16813. http://doi.org/10.1523/JNEUROSCI.4563-11.2011 CrossRef  Google Scholar 
  44. McKhann, GM, Drachman, D., Folstein, MF, Katzman, R., Price, D., & Stadlan, EM (1984). Klinische Diagnose der Alzheimer-Krankheit: Bericht der NINCDS-ADRDA-Arbeitsgruppe unter der Schirmherrschaft der Arbeitsgruppe für Alzheimer-Krankheit des Ministeriums für Gesundheit und menschliche Dienste. Neurologie, 34(7), 939–944. http://www.ncbi.nlm.nih.gov/pubmed/6610841 CrossRef  Google Scholar  PubMed 
  45. McKhann, GM, Knopman, DS, Chertkow, H., Hyman, BT, Jack, CR, Kawas, CH, & Phelps, CH (2011). Die Diagnose von Demenz aufgrund der Alzheimer-Krankheit: Empfehlungen der Arbeitsgruppen der National Institute on Aging-Alzheimer's Association zu diagnostischen Richtlinien für die Alzheimer-Krankheit. Alzheimer & Demenz, 7(3), 263–269. http://doi.org/10.1016/j.jalz.2011.03.005 CrossRef  Google Scholar 
  46. McLaren, DG, Ries, ML, Xu, G., & Johnson, SC (2012). Eine verallgemeinerte Form kontextabhängiger psychophysiologischer Interaktionen (gPPI): Ein Vergleich mit Standardansätzen. Neuroimage, 61(4), 1277–1286. http://doi.org/10.1016/j.neuroimage.2012.03.068 CrossRef  Google Scholar  PubMed 
  47. McLaren, DG, Sperling, RA, & Atri, A. (2014). Flexible Modulation der Netzwerkkonnektivität im Zusammenhang mit Kognition bei der Alzheimer-Krankheit. Neuroimage, 100, 544–557. http://doi.org/10.1016/j.neuroimage.2014.05.032 CrossRef  Google Scholar 
  48. McNab, F. & Klingberg, T. (2008). Präfrontaler Kortex und Basalganglien kontrollieren den Zugriff auf das Arbeitsgedächtnis. Nature Neuroscience, 11(1), 103–107. http://doi.org/10.1038/nn2024 CrossRef  Google Scholar  PubMed 
  49. Metzler-Baddeley, C., Jones, DK, Belaroussi, B., Aggleton, JP, & O'Sullivan, MJ (2011). Frontotemporale Verbindungen im episodischen Gedächtnis und Altern: Eine Diffusions-MRT-Traktographie-Studie. The Journal of Neuroscience, 31(37), 13236–13245. http://doi.org/10.1523/JNEUROSCI.2317-11.2011 CrossRef  Google Scholar 
  50. Morcom, AM, Good, CD, Frackowiak, RSJ, & Rugg, MD (2003). Alterseffekte auf die neuronalen Korrelate erfolgreicher Gedächtniscodierung. Gehirn, 126(1), 213–229. http://doi.org/10.1093/brain/awg020 CrossRef  Google Scholar  PubMed 
  51. Nandedkar, S., & Stalberg, E. (1983). Simulation von Makro-EMG-Motoreinheitspotentialen. Elektroenzephalographie und klinische Neurophysiologie, 56(1), 52–62. http://doi.org/10.1016/0013-4694(83)90006-8 CrossRef  Google Scholar 
  52. Nicholas, CR, Okonkwo, OC, Bendlin, BB, Oh, JM, Asthana, S., Rowley, HA, & Johnson, SC (2014). Posteromediale Hyperaktivierung während der episodischen Erkennung bei Menschen mit Gedächtnisschwund: Ergebnisse der WRAP-Studie. Bildgebung und Verhalten des Gehirns. [Epub vor dem Druck]. http://doi.org/10.1007/s11682-014-9322-z Google Scholar 
  53. O'Sullivan, M., Jones, DK, Summers, PE, Morris, RG, Williams, SC, & Markus, HS (2001). Beweise für kortikale „Trennung“ als Mechanismus des altersbedingten kognitiven Verfalls. Neurologie, 57(4), 632–638. http://doi.org/10.1212/WNL.57.4.632 CrossRef  Google Scholar  PubMed 
  54. Persson, J., Nyberg, L., Lind, J., Larsson, A., Nilsson, LG, Ingvar, M., & Buckner, RL (2006). Struktur-Funktions-Korrelate des kognitiven Rückgangs im Alter. Großhirnrinde, 16(7), 907–915. http://doi.org/10.1093/cercor/bhj036 CrossRef  Google Scholar 
  55. Pfefferbaum, A., Adalsteinsson, E., & Sullivan, EV (2005). Die Verschlechterung der frontalen Schaltkreise markiert ein gesundes Altern von Erwachsenen: Beweise aus der Diffusions-Tensor-Bildgebung. Neuroimage, 26(3), 891–899. http://doi.org/10.1016/j.neuroimage.2005.02.034 CrossRef  Google Scholar  PubMed 
  56. Poletti, CE, & Creswell, G. (1977). Efferente Projektionen des Fornix-Systems beim Totenkopfäffchen: Eine experimentelle Degenerationsstudie. Das Journal of Comparative Neurology, 175(1), 101–128. http://doi.org/10.1002/cne.901750107 CrossRef  Google Scholar 
  57. Rajah, MN, Languay, R. & Grady, CL (2011). Altersbedingte Veränderungen des Volumens des rechten mittleren Frontalgyrus korrelieren mit einer veränderten episodischen Abrufaktivität. Journal of Neuroscience, 31(49), 17941–17954. http://doi.org/10.1523/JNEUROSCI.1690-11.2011 CrossRef  Google Scholar  PubMed 
  58. Raz, N., Rodrigue, KM, Kennedy, KM, Dahle, C., Head, D., & Acker, JD (2003). Differentielle altersbedingte Veränderungen der regionalen Metenzephaliumvolumina beim Menschen: Eine 5-Jahres-Follow-up. Neuroscience Letters, 349(3), 163–166. http://doi.org/10.1016/S0304-3940(03)00820-6 CrossRef  Google Scholar  PubMed 
  59. Reitan, R. & Wolfson, D. (1993). Die neuropsychologische Testbatterie von Halstead-Reitan: Theorie und klinische Interpretation. Tucson, AZ: Neuropsychology Press. Google Scholar 
  60. Rodrigue, KM, & Raz, N. (2004). Die Schrumpfung des entorhinalen Kortex über fünf Jahre sagt die Gedächtnisleistung bei gesunden Erwachsenen voraus. Das Journal of Neuroscience, 24(4), 956–963. http://doi.org/10.1523/JNEUROSCI.4166-03.2004 CrossRef  Google Scholar  PubMed 
  61. Rudebeck, SR, Scholz, J., Millington, R., Rohenkohl, G., Johansen-Berg, H., & Lee, ACH (2009). Die Mikrostruktur von Fornix korreliert mit der Erinnerung, aber nicht mit dem vertrauten Gedächtnis. The Journal of Neuroscience, 29(47), 14987–14992. http://doi.org/10.1523/JNEUROSCI.4707-09.2009 CrossRef  Google Scholar 
  62. Rugg, MD, & Vilberg, KL (2013). Gehirnnetzwerke, die dem episodischen Gedächtnisabruf zugrunde liegen. Current Opinion in Neurobiology, 23(2), 255–260. http://doi.org/10.1016/j.conb.2012.11.005 CrossRef  Google Scholar 
  63. Sadeh, T., Shohamy, D., Levy, DR, Reggev, N., & Maril, A. (2011). Kooperation zwischen Hippocampus und Striatum während der episodischen Kodierung. Journal of Cognitive Neuroscience, 23(7), 1597–1608. http://doi.org/10.1162/jocn.2010.21549 CrossRef  Google Scholar 
  64. Sager, MA, Hermann, B., & La Rue, A. (2005). Kinder mittleren Alters von Personen mit Alzheimer-Krankheit: APOE-Genotypen und kognitive Funktion im Wisconsin-Register für Alzheimer-Prävention. Journal of Geriatric Psychiatry and Neurology, 18(4), 245–249. http://doi.org/10.1177/0891988705281882 CrossRef  Google Scholar  PubMed 
  65. Salami, A., Pudas, S., & Nyberg, L. (2014). Eine erhöhte Hippocampus-Ruhezustandskonnektivität liegt einer mangelhaften neurokognitiven Funktion im Alter zugrunde. Proceedings of the National Academy of Sciences of the United States of America, 111(49), 17654–17659. http://doi.org/10.1073/pnas.1410233111 CrossRef  Google Scholar 
  66. Schacter, DL, Savage, CR, Alpert, NM, Rauch, SL, & Albert, MS (1996). Die Rolle des Hippocampus und des frontalen Kortex bei altersbedingten Gedächtnisveränderungen: Eine PET-Studie. Neuroreport, 7(6), 1165–1169. CrossRef  Google Scholar  PubMed 
  67. Schedlbauer, AM, Copara, MS, Watrous, AJ, & Ekstrom, AD (2014). Mehrere interagierende Hirnareale liegen dem erfolgreichen raumzeitlichen Gedächtnisabruf beim Menschen zugrunde. Wissenschaftliche Berichte, 4, 6431. http://doi.org/10.1038/srep06431 CrossRef  Google Scholar  PubMed 
  68. Schiavetto, A., Köhler, S., Grady, CL, Winocur, G., & Moscovitch, M. (2002). Neuronale Korrelate des Gedächtnisses für Objektidentität und Objektortung: Auswirkungen des Alterns. Neuropsychologia, 40(8), 1428–1442. http://doi.org/10.1016/S0028-3932(01)00206-8 CrossRef  Google Scholar 
  69. Schmahmann, JD, & Pandya, DN (2007). Die komplexe Geschichte des Fasciculus fronto-occipitalis. Journal of the History of the Neurosciences, 16(4), 362–377. http://doi.org/10.1080/09647040600620468 CrossRef  Google Scholar  PubMed 
  70. Schmidt, M. (1996). Rey auditiver verbaler Lerntest: RAVLT: Ein Handbuch. Westliche psychologische Dienste. Abgerufen von http://books.google.com/books/about/Rey_Auditory_Verbal_Learning_Test.html?id=UOcPRAAACAAJ&pgis=1 Google Scholar 
  71. Staresina, BP, Cooper, E., & Henson, RN (2013). Reversibler Informationsfluss über den medialen Temporallappen: Der Hippocampus verbindet kortikale Module während des Gedächtnisabrufs. The Journal of Neuroscience, 33(35), 14184–14192. http://doi.org/10.1523/JNEUROSCI.1987-13.2013 CrossRef  Google Scholar 
  72. Steffener, J., Habeck, CG, & Stern, Y. (2012). Altersbedingte Veränderungen in der aufgabenbezogenen funktionalen Netzwerkkonnektivität. PLoS One, 7(9), e44421. http://doi.org/10.1371/journal.pone.0044421 CrossRef  Google Scholar  PubMed 
  73. Takahashi, S., Yonezawa, H., Takahashi, J., Kudo, M., Inoue, T., & Tohgi, H. (2002). Selektive Reduktion der Diffusionsanisotropie in der weißen Substanz von Alzheimer-Gehirnen, gemessen durch 3.0-Tesla-Magnetresonanztomographie. Neuroscience Letters, 332(1), 45–48. http://doi.org/S030439400200914X [pii]. CrossRef  Google Scholar  PubMed 
  74. Tang, Y., Nyengaard, JR, Pakkenberg, B., & Gundersen, HJ (1997). Altersbedingte Veränderungen der weißen Substanz im menschlichen Gehirn: eine stereologische Untersuchung. Neurobiology of Aging, 18(6), 600–615. CrossRef  Google Scholar  PubMed 
  75. Trenerry, M., Crosson, B., Deboe, J., & Leber, L. (1989). Stroop Neuropsychologischer Screening-Test. Odessa, FL: Psychological Assessment Resources, Inc. Google Scholar 
  76. Tulving, E. (1984). Präzisierung der episodischen Elemente. The Behavioral and Brain Sciences, 7(2), 223–268. http://doi.org/http://dx.doi.org/10.1017/S0140525X0004440X CrossRef  Google Scholar 
  77. Vakil, E., Blachstein, H., & Soroker, N. (2004). Unterschiedliche Wirkung von rechten und linken Basalganglieninfarkten auf prozedurales Lernen. Kognitive und Verhaltensneurologie, 17(2), 62–73. http://doi.org/10.1097/01.wnn.0000094553.44085.25 CrossRef  Google Scholar 
  78. Wakana, S., Jiang, H., Nagae-Poetscher, LM, van Zijl, PCM, & Mori, S. (2004). Fasertrakt-basierter Atlas der menschlichen Anatomie der weißen Substanz. Radiologie, 230(1), 77–87. http://doi.org/10.1148/radiol.2301021640 CrossRef  Google Scholar 
  79. Wang, Y., Gupta, A., Liu, Z., Zhang, H., Escolar, ML, Gilmore, JH, & Styner, M. (2011). DTI-Registrierung in Atlas-basierter Faseranalyse der infantilen Krabbe-Krankheit. Neuroimage, 55(4), 1577–1586. http://doi.org/10.1016/j.neuroimage.2011.01.038 CrossRef  Google Scholar  PubMed 
  80. Watrous, AJ, Tandon, N., Conner, CR, Pieters, T., & Ekstrom, AD (2013). Frequenzspezifische Erhöhungen der Netzwerkkonnektivität liegen dem genauen raumzeitlichen Gedächtnisabruf zugrunde. Nature Neuroscience, 16(3), 349–356. http://doi.org/10.1038/nn.3315 CrossRef  Google Scholar  PubMed 
  81. Williams, ZM, & Eskandar, EN (2006). Selektive Verstärkung des assoziativen Lernens durch Mikrostimulation des anterioren Caudat. Nature Neuroscience, 9(4), 562–568. http://doi.org/10.1038/nn1662 CrossRef  Google Scholar  PubMed 
  82. Xu, G., McLaren, DG, Ries, ML, Fitzgerald, ME, Bendlin, BB, Rowley, HA, & Johnson, SC (2009). Der Einfluss der elterlichen Geschichte der Alzheimer-Krankheit und Apolipoprotein E epsilon4 auf das BOLD-Signal während des Erkennungsgedächtnisses. Gehirn, 132 (Teil 2), 383–391. http://doi.org/10.1093/brain/awn254 CrossRef  Google Scholar  PubMed 
  83. Yin, HH, Ostlund, SB, Knowlton, BJ, & Balleine, BW (2005). Die Rolle des dorsomedialen Striatums bei der instrumentellen Konditionierung. Europäische Zeitschrift für Neurowissenschaften, 22(2), 513–523. http://doi.org/10.1111/j.1460-9568.2005.04218.x CrossRef  Google Scholar 
  84. Yonelinas, AP, Widaman, K., Mungas, D., Reed, B., Weiner, MW, & Chui, HC (2007). Gedächtnis im alternden Gehirn: Doppelte Dissoziation des Beitrags des Hippocampus und des entorhinalen Kortex. Hippocampus, 17(11), 1134–1140. http://doi.org/10.1002/hipo.20341 CrossRef  Google Scholar 
  85. Zahr, NM, Rohlfing, T., Pfefferbaum, A., & Sullivan, EV (2009). Problemlösung, Arbeitsgedächtnis und motorische Korrelate von Assoziations- und Kommissuralfaserbündeln beim normalen Altern: Eine quantitative Faserverfolgungsstudie. Neuroimage, 44(3), 1050–1062. http://doi.org/10.1016/j.neuroimage.2008.09.046 CrossRef  Google Scholar 
  86. Zhang, H., Avants, BB, Yushkevich, PA, Woo, JH, Wang, S., McCluskey, LF, & Gee, JC (2007). Die hochdimensionale räumliche Normalisierung von Diffusionstensorbildern verbessert die Erkennung von Unterschieden in der weißen Substanz: Eine Beispielstudie mit amyotropher Lateralsklerose. IEEE Transactions on Medical Imaging, 26(11), 1585–1597. http://doi.org/10.1109/TMI.2007.906784 CrossRef  Google Scholar 
  87. Zhang, H., Yushkevich, PA, Alexander, DC, & Gee, JC (2006). Verformbare Registrierung von Diffusionstensor-MR-Bildern mit expliziter Orientierungsoptimierung. Medizinische Bildanalyse, 10(5), 764–785. http://doi.org/10.1016/j.media.2006.06.004 CrossRef  Google Scholar 
  88. Zhang, H., Yushkevich, PA, Rückert, D., & Gee, JC (2007). Unvoreingenommene Atlaskonstruktion der weißen Substanz unter Verwendung von Diffusionstensorbildern. Medizinische Bildverarbeitung und computergestützte Intervention, 10 (Teil 2), 211–218. Google Scholar  PubMed 
  89. Zhuang, L., Sachdev, PS, Trollor, JN, Kochan, NA, Reppermund, S., Brodaty, H., & Wen, W. (2012). Mikrostrukturelle Veränderungen der weißen Substanz bei kognitiv normalen Personen mit dem Risiko einer amnestischen MCI. Neurologie, 79(8), 748–754. http://doi.org/10.1212/WNL.0b013e3182661f4d CrossRef  Google Scholar  PubMed 
Salienz- und Standardmodus-Netzwerkkopplung sagt Kognition bei Alterung und Parkinson-Krankheit voraus
Autor (en)
  • Deepti Putcha | Institut für Psychologie und Hirnwissenschaften, Boston University, Boston, Massachusetts, Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, Massachusetts
  • Robert S.Ross | Institut für Psychologie und Hirnwissenschaften, Boston University, Boston, Massachusetts, Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, Massachusetts, Institut für Psychologie, University of New Hampshire, Durham, New Hampshire
  • Alice Cronin-Golomb | Abteilung für Psychologie und Neurowissenschaften, Boston University, Boston, Massachusetts
  • Amy C. Janes | Brain Imaging Center, McLean Hospital, Abteilung für Psychiatrie, Harvard Medical School, Belmont, Massachusetts
  • Chantal E. Stern | Institut für Psychologie und Hirnwissenschaften, Boston University, Boston, Massachusetts, Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, Massachusetts

Korrespondenz
E-Mail-Adresse | dputcha@bu.edu

Angaben
Die Autoren erklären keine konkurrierenden finanziellen Interessen.

Abstrakt
Lernziele:

Kognitive Beeinträchtigungen sind bei der Parkinson-Krankheit (PD) häufig. Drei neurokognitive Netzwerke unterstützen eine effiziente Kognition: das Salienznetzwerk, das Standardmodusnetzwerk und das zentrale Exekutivnetzwerk. Es wird angenommen, dass das Salienznetzwerk zwischen dem Aktivieren und Deaktivieren des Standardmodus und zentralen Exekutivnetzwerken umschaltet. Insbesondere antikorrelierte Wechselwirkungen zwischen den Salienz- und Standardmodusnetzwerken sind für eine effiziente Kognition notwendig. Unsere frühere Arbeit zeigte eine veränderte funktionelle Kopplung zwischen den neurokognitiven Netzwerken bei nicht dementen Personen mit PD im Vergleich zu gleichaltrigen Kontrollteilnehmern. Hier zielen wir darauf ab, Assoziationen zwischen Kognition und funktioneller Kopplung zwischen diesen neurokognitiven Netzwerken in derselben Gruppe von Teilnehmern zu identifizieren.

Methoden:

Wir haben untersucht, inwieweit die intrinsische funktionelle Kopplung zwischen diesen neurokognitiven Netzwerken mit der kognitiven Leistung in drei neuropsychologischen Bereichen zusammenhängt: Exekutivfunktion, psychomotorische Geschwindigkeit und verbales Gedächtnis. Vierundzwanzig nicht demente Personen mit leichter bis mittelschwerer Parkinson-Erkrankung und 20 Kontrollteilnehmer wurden in Ruhe gescannt und in drei neuropsychologischen Bereichen bewertet.

Ergebnisse:

PD-Teilnehmer waren bei Tests aus allen drei Bereichen im Vergleich zu Kontrollteilnehmern beeinträchtigt. Unsere Bildgebungsergebnisse zeigten, dass eine erfolgreiche Kognition bei Teilnehmern mit gesundem Alter und Parkinson-Krankheit mit einer antikorrelierten Kopplung zwischen den Salienz- und Standardmodus-Netzwerken zusammenhängt. Personen mit schlechteren Leistungswerten in allen Gruppen zeigten eine positivere Salienznetzwerk-/Standardmodus-Netzwerkkopplung.

Schlussfolgerungen:

Erfolgreiche Kognition beruht auf einer gesunden Kopplung zwischen den Salienz- und Standardmodusnetzwerken, die bei PD dysfunktional werden können. Diese Ergebnisse können dazu beitragen, nicht-pharmakologische Interventionen (wiederholte transkranielle Magnetstimulation) zu informieren, die auf diese spezifischen Netzwerke abzielen, bevor sie in frühen Stadien der Parkinson-Krankheit anfällig werden. (JINS, 2016,22, 205-215)

Literaturverzeichnis
  1. Aarsland, D., Andersen, K., Larsen, JP, Lolk, A., & Kragh-Sorensen, P. (2003). Prävalenz und Merkmale der Demenz bei der Parkinson-Krankheit: Eine 8-jährige prospektive Studie. Archives of Neurology, 60(3), 387–392. CrossRef  Google Scholar 
  2. Barone, P., Aarsland, D., Burn, D., Emre, M., Kulisevsky, J., & Weintraub, D. (2011). Kognitive Beeinträchtigung bei nicht dementer Parkinson-Krankheit. Bewegungsstörungen, 26(14), 2483–2495. doi:10.1002/mds.23919 CrossRef  Google Scholar  PubMed 
  3. Beckmann, CF, Mackay, CE, Filippini, N., & Smith, SM (2009). Gruppenvergleich von FMRI-Daten im Ruhezustand unter Verwendung von Multi-Subjekt-ICA und dualer Regression. Vortrag auf der OHBM. Google Scholar 
  4. Bonnelle, V., Ham, TE, Leech, R., Kinnunen, KM, Mehta, MA, Greenwood, RJ, && Sharp, DJ (2012). Die Integrität des Salience-Netzwerks sagt die Netzwerkfunktion im Standardmodus nach einer traumatischen Hirnverletzung voraus. Proceedings of the National Academy of Sciences of the United States of America, 109(12), 4690–4695. doi:10.1073/pnas.1113455109 CrossRef  Google Scholar  PubMed 
  5. Bosboom, JL, Stoffers, D., & Wolters, E. (2004). Kognitive Dysfunktion und Demenz bei der Parkinson-Krankheit. Journal of Neural Transmission, 111 (10-11), 1303–1315. doi:10.1007/s00702-004-0168-1 CrossRef  Google Scholar  PubMed 
  6. Bressler, SL, & Menon, V. (2010). Groß angelegte Gehirnnetzwerke in der Kognition: Neue Methoden und Prinzipien. Trends in den Kognitionswissenschaften, 14(6), 277–290. doi:10.1016/j.tics.2010.04.004 CrossRef  Google Scholar  PubMed 
  7. Bronnick, K., Alves, G., Aarsland, D., Tysnes, OB, & Larsen, JP (2011). Verbales Gedächtnis bei arzneimittelnaiver, neu diagnostizierter Parkinson-Krankheit. Die Retrieval-Defizit-Hypothese überarbeitet. Neuropsychology, 25(1), 114–124. doi:10.1037/a0020857 CrossRef  Google Scholar 
  8. Buckner, RL, Andrews-Hanna, JR, & Schacter, DL (2008). Das Standardnetzwerk des Gehirns: Anatomie, Funktion und Relevanz für Krankheiten. Annalen der New York Academy of Sciences, 1124, 1–38. CrossRef  Google Scholar 
  9. Buddenberg, LA, & Davis, C. (2000). Test-Retest-Zuverlässigkeit des Purdue Pegboard-Tests. Das American Journal of Occupational Therapy, 54(5), 555–558. CrossRef  Google Scholar  PubMed 
  10. Chikama, M., McFarland, NR, Amaral, DG, & Haber, SN (1997). Insulare kortikale Projektionen zu funktionellen Regionen des Striatum korrelieren mit der kortikalen zytoarchitektonischen Organisation im Primaten. Das Journal of Neuroscience, 17(24), 9686–9705. Google Scholar  PubMed 
  11. Chiong, W., Wilson, SM, D'Esposito, M., Kayser, AS, Grossman, SN, Poorzand, P., & Rankin, KP (2013). Das Salienznetzwerk beeinflusst kausal die Aktivität des Netzwerks im Standardmodus während des moralischen Denkens. Gehirn, 136 (Teil 6), 1929–1941. doi:10.1093/brain/awt066 CrossRef  Google Scholar  PubMed 
  12. Christopher, L., Duff-Canning, S., Koshimori, Y., Segura, B., Boileau, I., Chen, R., & Strafella, AP (2015). Salienznetzwerk und parahippocampale Dopamin-Dysfunktion bei gedächtnisbeeinträchtigter Parkinson-Krankheit. Annals of Neurology, 77(2), 269–280. doi:10.1002/ana.24323 CrossRef  Google Scholar  PubMed 
  13. Christopher, L., Koshimori, Y., Lang, AE, Criaud, M., & Strafella, AP (2014). Aufdeckung der Rolle der Insula bei nicht-motorischen Symptomen der Parkinson-Krankheit. Gehirn, 137, 2143–2154. doi:awu084 [pii] CrossRef  Google Scholar  PubMed 
  14. Christopher, L., Marras, C., Duff-Canning, S., Koshimori, Y., Chen, R., Boileau, I., & Strafella, AP (2014). Kombinierte insuläre und striatale Dopamin-Dysfunktion sind mit exekutiven Defiziten bei der Parkinson-Krankheit mit leichter kognitiver Beeinträchtigung verbunden. Gehirn, 137 (Teil 2), 565–575. doi:awt337 [pii] CrossRef  Google Scholar  PubMed 
  15. Cole, DM, Beckmann, CF, Long, CJ, Matthews, PM, Durcan, MJ, & Beaver, JD (2010). Nikotinersatz bei abstinenten Rauchern verbessert die kognitiven Entzugssymptome durch Modulation der Dynamik des Gehirnnetzwerks im Ruhezustand. Neuroimage, 52(2), 590–599. doi:10.1016/j.neuroimage.2010.04.251 CrossRef  Google Scholar  PubMed 
  16. Dikmen, SS, Heaton, RK, Grant, I., & Temkin, NR (1999). Test-Retest-Zuverlässigkeit und Praxiseffekte der erweiterten neuropsychologischen Testbatterie von Halstead-Reitan. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 5(4), 346–356. CrossRef  Google Scholar  PubMed 
  17. Dirnberger, G., & Jahanshahi, M. (2013). Exekutive Dysfunktion bei der Parkinson-Krankheit: Eine Überprüfung. Zeitschrift für Neuropsychologie, 7(2), 193–224. doi:10.1111/jnp.12028 CrossRef  Google Scholar  PubMed 
  18. Disbrow, EA, Carmichael, O., He, J., Lanni, KE, Dressler, EM, Zhang, L., & Sigvardt, KA (2014). Die funktionelle Konnektivität im Ruhezustand ist mit kognitiver Dysfunktion bei nicht dementen Menschen mit Parkinson-Krankheit verbunden. Journal of Parkinsons Disease, 4, 453–465. doi:1J0371M16R3R8714 [pii] Google Scholar 
  19. Dosenbach, NU, Visscher, KM, Palmer, ED, Miezin, FM, Wenger, KK, Kang, HC, & Petersen, SE (2006). Ein Kernsystem für die Implementierung von Aufgabensätzen. Neuron, 50(5), 799–812. doi:S0896-6273(06)00349-7 [pii] CrossRef  Google Scholar 
  20. Doyen, AL, & Carlier, M. (2002). Messung der Händigkeit: Eine Validierungsstudie zum Bishop's Reaching Card Test. Lateralität, 7(2), 115–130. doi:10.1080/13576500143000140 CrossRef  Google Scholar 
  21. Duan, X., Liao, W., Liang, D., Qiu, L., Gao, Q., Liu, C., & Chen, H. (2012). Groß angelegte Gehirnnetzwerke bei Brettspielexperten: Erkenntnisse aus einer domänenbezogenen Aufgabe und einem aufgabenfreien Ruhezustand. PLoS One, 7(3), e32532. doi:10.1371/journal.pone.0032532 CrossRef  Google Scholar  PubMed 
  22. Filippini, N., MacIntosh, BJ, Hough, MG, Goodwin, GM, Frisoni, GB, Smith, SM, & Mackay, CE (2009). Deutliche Muster der Gehirnaktivität bei jungen Trägern des APOE-epsilon4-Allels. Proceedings of the National Academy of Sciences of the United States of America, 106(17), 7209–7214. doi:0811879106 [pii]. CrossRef  Google Scholar  PubMed 
  23. Foltynie, T., Brayne, CE, Robbins, TW, & Barker, RA (2004). Die kognitive Fähigkeit einer Kohorte von Parkinson-Patienten in Großbritannien. Die CamPaIGN-Studie. Gehirn, 127 (Teil 3), 550–560. doi:10.1093/brain/awh067 CrossRef  Google Scholar  PubMed 
  24. Fox, MD, Snyder, AZ, Vincent, JL, Corbetta, M., Van Essen, DC, & Raichle, ME (2005). Das menschliche Gehirn ist intrinsisch in dynamische, antikorrelierte funktionelle Netzwerke organisiert. Proceedings of the National Academy of Sciences of the United States of America, 102(27), 9673–9678. CrossRef  Google Scholar  PubMed 
  25. Fox, MD, Snyder, AZ, Vincent, JL, & Raichle, ME (2007). Intrinsische Schwankungen innerhalb kortikaler Systeme erklären die intertriale Variabilität im menschlichen Verhalten. Neuron, 56(1), 171–184. doi:S0896-6273(07)00666-6 [pii] CrossRef  Google Scholar  PubMed 
  26. Fox, PT, Laird, AR, Fox, SP, Fox, PM, Uecker, AM, Crank, M., & Lancaster, JL (2005). BrainMap-Taxonomie des experimentellen Designs: Beschreibung und Bewertung. Kartierung des menschlichen Gehirns, 25 (1), 185–198. doi:10.1002/hbm.20141 CrossRef  Google Scholar  PubMed 
  27. Fransson, P., & Marrelec, G. (2008). Der Precuneus/posteriore cinguläre Kortex spielt eine zentrale Rolle im Default-Mode-Netzwerk: Beweis einer partiellen Korrelationsnetzwerkanalyse. Neuroimage, 42(3), 1178–1184. CrossRef  Google Scholar 
  28. Fudge, JL, Breitbart, MA, Dänisch, M., & Pannoni, V. (2005). Insuläre und gustatorische Eingänge zum kaudalen ventralen Striatum bei Primaten. Zeitschrift für vergleichende Neurologie, 490 (2), 101–118. doi:10.1002/cne.20660 CrossRef  Google Scholar  PubMed 
  29. Greicius, MD, Krasnow, B., Reiss, AL, & Menon, V. (2003). Funktionelle Konnektivität im ruhenden Gehirn: Eine Netzwerkanalyse der Default-Mode-Hypothese. Proceedings of the National Academy of Sciences of the United States of America, 100(1), 253–258. doi:10.1073/pnas.0135058100 CrossRef  Google Scholar  PubMed 
  30. Huang, C., Mattis, P., Tang, C., Perrine, K., Carbon, M., & Eidelberg, D. (2007). Metabolische Gehirnnetzwerke im Zusammenhang mit kognitiven Funktionen bei der Parkinson-Krankheit. Neuroimage, 34(2), 714–723. doi:10.1016/j.neuroimage.2006.09.003 CrossRef  Google Scholar  PubMed 
  31. Janes, AC, Farmer, S., Frederick, B., Nickerson, LD, & Lukas, SE (2014). Eine Zunahme des Verlangens nach Tabak ist mit einer verbesserten Kopplung des medialen präfrontalen Cortex-Netzwerks verbunden. PLoS One, 9(2), e88228. doi:10.1371/journal.pone.0088228 CrossRef  Google Scholar  PubMed 
  32. Janvin, C., Aarsland, D., Larsen, JP, & Hugdahl, K. (2003). Neuropsychologisches Profil von Patienten mit Morbus Parkinson ohne Demenz. Demenz und geriatrische kognitive Störungen, 15(3), 126–131. doi:68483 CrossRef  Google Scholar  PubMed 
  33. Janvin, C., Larsen, JP, Aarsland, D., & Hugdahl, K. (2006). Subtypen der leichten kognitiven Beeinträchtigung bei der Parkinson-Krankheit: Progression zur Demenz. Bewegungsstörungen, 21(9), 1343–1349. doi:10.1002/mds.20974 CrossRef  Google Scholar 
  34. Jilka, SR, Scott, G., Ham, T., Pickering, A., Bonnelle, V., Braga, RM, & Sharp, DJ (2014). Beschädigung des Salienznetzwerks und Wechselwirkungen mit dem Standardmodusnetzwerk. Journal of Neuroscience, 34(33), 10798–10807. doi:10.1523/JNEUROSCI.0518-14.2014 CrossRef  Google Scholar  PubMed 
  35. Kelly, AM, Uddin, LQ, Biswal, BB, Castellanos, FX, & Milham, MP (2008). Der Wettbewerb zwischen funktionellen Gehirnnetzwerken vermittelt die Verhaltensvariabilität. Neuroimage, 39(1), 527–537. doi:10.1016/j.neuroimage.2007.08.008 CrossRef  Google Scholar  PubMed 
  36. Kish, SJ, Shannak, K., & Hornykiewicz, O. (1988). Ungleichmäßiges Muster des Dopaminverlusts im Striatum von Patienten mit idiopathischer Parkinson-Krankheit. Pathophysiologische und klinische Implikationen. New England Journal of Medicine, 318(14), 876–880. doi:10.1056/NEJM198804073181402 CrossRef  Google Scholar 
  37. Klepac, N., Trkulja, V., Relja, M., & Babic, T. (2008). Hängt die Lebensqualität bei nicht dementen Parkinson-Patienten mit der kognitiven Leistungsfähigkeit zusammen? Eine klinikbasierte Querschnittsstudie. Europäische Zeitschrift für Neurologie, 15(2), 128–133. doi:10.1111/j.1468-1331.2007.02011.x CrossRef  Google Scholar 
  38. Kortte, KB, Horner, MD, & Windham, WK (2002). Der Trail Making Test, Teil B: Kognitive Flexibilität oder Fähigkeit, den Satz zu halten? Angewandte Neuropsychologie, 9(2), 106–109. doi:10.1207/S15324826AN0902_5 CrossRef  Google Scholar 
  39. Krajcovicova, L., Mikl, M., Marecek, R., & Rektorova, I. (2012). Die Standardmodus-Netzwerkintegrität bei Patienten mit Parkinson-Krankheit ist abhängig von der Dosis des Levodopa-Äquivalents. Journal of Neural Transmission, 119(4), 443–454. doi:10.1007/s00702-011-0723-5 CrossRef  Google Scholar  PubMed 
  40. Kudlicka, A., Clare, L., & Hindle, JV (2011). Exekutivfunktionen bei der Parkinson-Krankheit: Systematische Überprüfung und Metaanalyse. Bewegungsstörungen, 26(13), 2305–2315. doi:10.1002/mds.23868 CrossRef  Google Scholar 
  41. Laird, AR, Fox, PM, Eickhoff, SB, Turner, JA, Ray, KL, McKay, DR, & Fox, PT (2011). Verhaltensinterpretationen von intrinsischen Konnektivitätsnetzwerken. Journal of Cognitive Neuroscience, 23(12), 4022–4037. doi:10.1162/jocn_a_00077 CrossRef  Google Scholar 
  42. Laird, AR, Lancaster, JL, & Fox, PT (2005). BrainMap: Die soziale Entwicklung einer menschlichen Gehirn-Mapping-Datenbank. Neuroinformatik, 3(1), 65–78. doi:NI:3:1:065 [pii] CrossRef  Google Scholar  PubMed 
  43. Lakens, D. (2013). Berechnung und Berichterstattung von Effektgrößen zur Erleichterung der kumulativen Wissenschaft: Eine praktische Einführung in t-Tests und ANOVAs. Frontiers in Psychology, 4, 863. doi: 10.3389/fpsyg.2013.00863 CrossRef  Google Scholar  PubMed 
  44. Leech, R., & Sharp, DJ (2014). Die Rolle des hinteren cingulären Kortex bei Kognition und Krankheit. Gehirn, 137 (Teil 1), 12–32. doi:10.1093/brain/awt162 CrossRef  Google Scholar  PubMed 
  45. Lewis, SJ, Cools, R., Robbins, TW, Dove, A., Barker, RA, & Owen, AM (2003). Verwendung von exekutiver Heterogenität zur Erforschung der Natur von Arbeitsgedächtnisdefiziten bei der Parkinson-Krankheit. Neuropsychologia, 41(6), 645–654. CrossRef  Google Scholar  PubMed 
  46. Lewis, SJ, Dove, A., Robbins, TW, Barker, RA, & Owen, AM (2003). Kognitive Beeinträchtigungen im Frühstadium der Parkinson-Krankheit gehen mit einer Verringerung der Aktivität der frontostriatalen neuralen Schaltkreise einher. Das Journal of Neuroscience, 23(15), 6351–6356. doi:23/15/6351 [pii] Google Scholar  PubMed 
  47. Lewis, SJ, Slabosz, A., Robbins, TW, Barker, RA, & Owen, AM (2005). Dopaminerge Grundlage für Defizite im Arbeitsgedächtnis, aber nicht für Aufmerksamkeitsverschiebungen bei der Parkinson-Krankheit. Neuropsychologia, 43(6), 823–832. doi:S0028-3932(04)00266-0 [pii] CrossRef  Google Scholar 
  48. Mamikonyan, E., Moberg, PJ, Siderowf, A., Duda, JE, Have, TT, Hurtig, HI, & Weintraub, D. (2009). Leichte kognitive Beeinträchtigungen treten häufig bei Parkinson-Patienten mit normalen Mini-Mental State Examination (MMSE)-Ergebnissen auf. Parkinsonismus und verwandte Erkrankungen, 15(3), 226–231. doi:10.1016/j.parkreldis.2008.05.006 CrossRef  Google Scholar  PubMed 
  49. Martinu, K., Degroot, C., Madjar, C., Strafella, AP, & Monchi, O. (2012). Levodopa beeinflusst die striatale Aktivität, beeinflusst jedoch nicht die kortikale Hyperaktivität bei der Parkinson-Krankheit. Europäische Zeitschrift für Neurowissenschaften, 35, 572–583. doi:10.1111/j.1460-9568.2011 CrossRef  Google Scholar 
  50. Menon, V. (2011). Groß angelegte Gehirnnetzwerke und Psychopathologie: Ein vereinheitlichendes dreifaches Netzwerkmodell. Trends in den Kognitionswissenschaften, 15 (10), 483–506. doi:S1364-6613(11)00171-9 [pii] CrossRef  Google Scholar  PubMed 
  51. Menon, V., & Uddin, LQ (2010). Salienz, Schalten, Aufmerksamkeit und Kontrolle: Ein Netzwerkmodell der Inselfunktion. Gehirnstruktur und -funktion, 214 (5-6), 655–667. doi:10.1007/s00429-010-0262-0 CrossRef  Google Scholar  PubMed 
  52. Middleton, FA, & Strick, PL (2000). Basalganglien und Kleinhirnschleifen: Motorische und kognitive Schaltkreise. Gehirnforschung. Brain Research Reviews, 31 (2-3), 236–250. doi:S0165017399000405 [pii] CrossRef  Google Scholar  PubMed 
  53. Miller, IN, Neargarder, S., Risi, MM, & Cronin-Golomb, A. (2013). Frontale und posteriore Subtypen des neuropsychologischen Defizits bei der Parkinson-Krankheit. Verhaltensneurowissenschaften, 127(2), 175–183. doi:10.1037/a0031357 CrossRef  Google Scholar  PubMed 
  54. Mitrushina, M., Satz, P., Chervinsky, A., & D'Elia, L. (1991). Leistung von vier Altersgruppen normaler älterer Menschen beim Rey Auditory-Verbal Learning Test. Zeitschrift für Klinische Psychologie, 47 (3), 351–357.3.0.CO;2-S>CrossRef Google Scholar  PubMed 
  55. Monchi, O., Petrides, M., Mejia-Constain, B., & Strafella, AP (2006). Die kortikale Aktivität bei der Parkinson-Krankheit während der exekutiven Verarbeitung hängt von der Beteiligung des Striatums ab. Gehirn, 130 (Teil 1), 233–244. doi:awl326 [pii] CrossRef  Google Scholar  PubMed 
  56. Moustafa, AA, Krishna, R., Eissa, AM, & Hewedi, DH (2013). Faktoren, die der probabilistischen und deterministischen Stimulus-Response-Lernleistung bei behandelten und nicht behandelten Patienten mit Parkinson-Krankheit zugrunde liegen. Neuropsychology, 27(4), 498–510. doi:2013-25138-010 [pii] CrossRef  Google Scholar 
  57. Narayanan, NS, Rodnitzky, RL, & Uc, EY (2013). Präfrontale Dopamin-Signalübertragung und kognitive Symptome der Parkinson-Krankheit. Reviews in the Neurosciences, 24(3), 267–278. doi:10.1515/revneuro-2013-0004 CrossRef  Google Scholar 
  58. Poletti, M., & Bonuccelli, U. (2013). Akute und chronische kognitive Wirkungen von Levodopa und Dopaminagonisten bei Patienten mit Parkinson-Krankheit: Eine Übersicht. Therapeutische Fortschritte in der Psychopharmakologie, 3(2), 101–113. doi:10.1177/2045125312470130 CrossRef  Google Scholar  PubMed 
  59. Postuma, RB, & Dagher, A. (2006). Funktionelle Konnektivität der Basalganglien basierend auf einer Metaanalyse von 126 Publikationen zur Positronen-Emissions-Tomographie und funktionellen Magnetresonanztomographie. Großhirnrinde, 16(10), 1508–1521. doi:bhj088 [pii] CrossRef  Google Scholar  PubMed 
  60. Putcha, D., Ross, RS, Cronin-Golomb, A., Janes, AC, & Stern, CE (2015). Veränderte intrinsische funktionelle Kopplung zwischen neurokognitiven Kernnetzwerken bei der Parkinson-Krankheit. Neurobild. Klinisch, 7, 449–455. doi:10.1016/j.nicl.2015.01.012 CrossRef  Google Scholar  PubMed 
  61. Raichle, ME, MacLeod, AM, Snyder, AZ, Powers, WJ, Gusnard, DA, & Shulman, GL (2001). Ein Standardmodus der Gehirnfunktion. Proceedings of the National Academy of Sciences of the United States of America, 98(2), 676–682. CrossRef  Google Scholar  PubMed 
  62. Ravina, B., Marek, K., Eberly, S., Oakes, D., Kurlan, R., Ascherio, A., & Shoulson, I. (2012). Die Dopamin-Transporter-Bildgebung ist mit langfristigen Ergebnissen bei der Parkinson-Krankheit verbunden. Bewegungsstörungen, 27(11), 1392–1397. doi:10.1002/mds.25157 CrossRef  Google Scholar 
  63. Rey, A. (1964). L’examen clinique en psychologie. Paris: Presses Universitaires de France. Google Scholar 
  64. Schendan, HE, Tinaz, S., Maher, SM, & Stern, CE (2013). Die Beiträge des Frontostriatal- und mediotemporalen Lappens zum impliziten Lernen von räumlichen Sequenzen höherer Ordnung nehmen im Alter und bei der Parkinson-Krankheit ab. Verhaltensneurowissenschaften, 127(2), 204–221. doi:2013-11369-003 [pii] CrossRef  Google Scholar  PubMed 
  65. Seeley, WW, Menon, V., Schatzberg, AF, Keller, J., Glover, GH, Kenna, H., & Greicius, MD (2007). Dissoziierbare intrinsische Konnektivitätsnetzwerke für Hervorhebungsverarbeitung und exekutive Kontrolle. Das Journal of Neuroscience, 27(9), 2349–2356. doi:27/9/2349 [pii] CrossRef  Google Scholar  PubMed 
  66. Spreng, RN, Mar, RA, & Kim, AS (2009). Die gemeinsame neuronale Basis des autobiografischen Gedächtnisses, der Prospektion, der Navigation, der Theorie des Geistes und des Standardmodus: Eine quantitative Metaanalyse. Journal of Cognitive Neuroscience, 21(3), 489–510. doi:10.1162/jocn.2008.21029 CrossRef  Google Scholar 
  67. Sridharan, D., Levitin, DJ, & Menon, V. (2008). Eine entscheidende Rolle für den rechten fronto-insularen Kortex beim Wechsel zwischen zentral-exekutiven und Standard-Modus-Netzwerken. Proceedings of the National Academy of Sciences of the United States of America, 105(34), 12569–12574. doi:0800005105 [pii] CrossRef  Google Scholar 
  68. Strauss, E., Sherman, E., & Spreen, O. (2006). Ein Kompendium neuropsychologischer Tests: Verwaltung, Normen und Kommentare (3. Aufl.). Cambridge: Oxford University Press. Google Scholar 
  69. Tessitore, A., Esposito, F., Vitale, C., Santangelo, G., Amboni, M., Russo, A., & Tedeschi, G. (2012). Netzwerkkonnektivität im Standardmodus bei kognitiv nicht beeinträchtigten Patienten mit Parkinson-Krankheit. Neurologie, 79(23), 2226–2232. doi:WNL.0b013e31827689d6 [pii] CrossRef  Google Scholar  PubMed 
  70. Tiffin, J. & Asher, EJ (1948). Die Purdue Stecktafel; Normen und Studien zur Reliabilität und Validität. Zeitschrift für Angewandte Psychologie, 32 (3), 234–247. CrossRef  Google Scholar 
  71. Tinaz, S., Lauro, P., Hallett, M., & Horovitz, SG (2015). Defizite bei der Aufgabenerhaltung und Ausführung von Netzwerken bei der Parkinson-Krankheit. Gehirnstruktur und -funktion. doi:10.1007/s00429-014-0981-8 Google Scholar 
  72. Tinaz, S., Schendan, HE, & Stern, CE (2008). Frontostriatales Defizit bei der Parkinson-Krankheit während der semantischen Ereignissequenzierung. Neurobiology of Aging, 29(3), 397–407. doi:S0197-4580(06)00400-3 [pii] CrossRef  Google Scholar  PubMed 
  73. Tombaugh, TN (2004). Trail Making Test A und B: Normative Daten, stratifiziert nach Alter und Bildung. Archives of Clinical Neuropsychology, 19(2), 203–214. doi:10.1016/S0887-6177(03)00039-8 CrossRef  Google Scholar 
  74. Uc, EY, McDermott, MP, Marder, KS, Anderson, SW, Litvan, I., Como, PG, … Parkinson-Studiengruppe DATATOP-Untersucher. (2009). Inzidenz und Risikofaktoren für kognitive Beeinträchtigungen in einer klinischen Studienkohorte zur frühen Parkinson-Krankheit. Neurologie, 73(18), 1469–1477. doi:10.1212/WNL.0b013e3181bf992f CrossRef  Google Scholar 
  75. Uc, EY, Rizzo, M., Anderson, SW, Qian, S., Rodnitzky, RL, & Dawson, JD (2005). Sehstörungen bei der Parkinson-Krankheit ohne Demenz. Neurologie, 65(12), 1907–1913. doi:01.wnl.0000191565.11065.11 [pii] CrossRef  Google Scholar 
  76. van Eimeren, T., Monchi, O., Ballanger, B., & Strafella, AP (2009). Dysfunktion des Default-Mode-Netzwerks bei der Parkinson-Krankheit: Eine funktionelle Magnetresonanztomographie-Studie. Archives of Neurology, 66(7), 877–883. doi:66/7/877 [pii] CrossRef  Google Scholar  PubMed 
  77. Weissman, DH, Roberts, KC, Visscher, KM, & Wolforff, MG (2006). Die neuralen Grundlagen momentaner Unaufmerksamkeit. Nature Neuroscience, 9(7), 971–978. doi:10.1038/nn1727 CrossRef  Google Scholar  PubMed 
  78. Williams-Gray, CH, Evans, JR, Goris, A., Foltynie, T., Ban, M., Robbins, TW, & Barker, RA (2009). Die unterschiedlichen kognitiven Syndrome der Parkinson-Krankheit: 5-Jahres-Follow-up der CamPaIGN-Kohorte. Gehirn, 132 (Teil 11), 2958–2969. doi:awp245 [pii] CrossRef  Google Scholar  PubMed 
Veränderte effektive Konnektivität während einer Verarbeitungsgeschwindigkeitsaufgabe bei Personen mit Multipler Sklerose
Autor (en)
  • E. Dobrjakowa | Kessler-Stiftung, Pleasant Valley Way, West Orange, New Jersey, Rutgers, New Jersey Medical School, Newark, New Jersey
  • SL Costa | Rutgers, New Jersey Medical School, Newark, New Jersey, Kessler-Stiftung, Executive Drive, West Orange, New Jersey
  • GR Wylie | Rutgers, New Jersey Medical School, Newark, New Jersey, Kessler Foundation, Executive Drive, West Orange, New Jersey, Studienzentrum für kriegsbedingte Krankheiten und Verletzungen, Ministerium für Veteranenangelegenheiten, East Orange, New Jersey
  • J. DeLuca | Kessler-Stiftung, Pleasant Valley Way, West Orange, New Jersey, Rutgers, New Jersey Medical School, Newark, New Jersey
  • HM Genua | Rutgers, New Jersey Medical School, Newark, New Jersey, Kessler-Stiftung, Executive Drive, West Orange, New Jersey

Korrespondenz

Angaben
Die Autoren erklären keinen Interessenkonflikt.

Abstrakt
Lernziele:

Die Beeinträchtigung der Verarbeitungsgeschwindigkeit ist das häufigste kognitive Defizit bei Personen mit Multipler Sklerose (MS). Die mit der Verarbeitungsgeschwindigkeit verbundenen neuronalen Mechanismen bleiben jedoch umstritten. Die aktuelle Untersuchung liefert eine dynamische Darstellung der Funktionsweise des Gehirnnetzwerks, das an der Verarbeitungsgeschwindigkeit beteiligt ist, indem effektive Konnektivitätsmuster während einer Verarbeitungsgeschwindigkeitsaufgabe bei gesunden Erwachsenen und bei MS-Personen mit und ohne Beeinträchtigung der Verarbeitungsgeschwindigkeit untersucht werden.

Methoden:

Gruppenzuordnung (Bearbeitungsgeschwindigkeit beeinträchtigtvs. intakt) basierte auf der Leistung der Teilnehmer beim Symbol Digit Modalities Test (Parmenter, Testa, Schretlen, Weinstock-Guttman & Benedict,2010). Zunächst wurden bei gesunden Teilnehmern Gehirnregionen bestimmt, die an der Verarbeitungsgeschwindigkeitsaufgabe beteiligt sind. Zeitreihen aus diesen funktionellen Interessenregionen jeder Teilnehmergruppe wurden dann der effektiven Konnektivitätsanalyse (Independent Multiple-Sample Greedy Equivalence Search und Linear, Non-Gaußian Orientation, Fixed Structure Algorithmen) unterzogen, die kausale Einflüsse einer Region auf eine andere zeigten während der Aufgabenerfüllung.

Ergebnisse:

Das Konnektivitätsmuster der Gruppe mit beeinträchtigter Verarbeitungsgeschwindigkeit unterschied sich signifikant von dem Konnektivitätsmuster der Gruppe mit intakter Verarbeitungsgeschwindigkeit und der gesunden Kontrollgruppe. Unterschiede in der Stärke gemeinsamer Verbindungen wurden ebenfalls beobachtet.

Schlussfolgerungen:

Effektive Konnektivitätsergebnisse zeigen, dass MS-Personen mit Beeinträchtigung der Verarbeitungsgeschwindigkeit nicht nur Verbindungen haben, die sich von gesunden Teilnehmern und MS-Personen ohne Beeinträchtigung der Verarbeitungsgeschwindigkeit unterscheiden, sondern auch stärkere Verbindungen aufweisen. (JINS, 2016,22, 216-224)

Literaturverzeichnis
  1. Barker-Collo, SL (2006). Lebensqualität bei Multipler Sklerose: Hat die Geschwindigkeit der Informationsverarbeitung einen unabhängigen Effekt? Archives of Clinical Neuropsychology, 21(2), 167–174. http://doi.org/10.1016/j.acn.2005.08.008 CrossRef  Google Scholar  PubMed 
  2. Bester, M., Lazar, M., Petracca, M., Babb, JS, Herbert, J., Grossman, RI, & Inglese, M. (2013). Traktspezifische Korrelate der weißen Substanz von Müdigkeit und kognitiver Beeinträchtigung bei benigner Multipler Sklerose. Journal of the Neurological Sciences, 330(1-2), 61–66. http://doi.org/10.1016/j.jns.2013.04.005 CrossRef  Google Scholar 
  3. Bledowski, C., Kaiser, J., & Rahm, B. (2010). Grundlegende Operationen im Arbeitsgedächtnis: Beiträge aus funktionellen Bildgebungsstudien. Verhaltenshirnforschung, 214 (2), 172–179. http://doi.org/10.1016/j.bbr.2010.05.041 CrossRef  Google Scholar  PubMed 
  4. Chiaravalloti, ND, Stojanovic-Radic, J., & DeLuca, J. (2013). Die Rolle der Geschwindigkeit im Vergleich zum Arbeitsgedächtnis bei der Vorhersage des Lernens neuer Informationen bei Multipler Sklerose. Journal of Clinical and Experimental Neuropsychology, 35(2), 180–191. http://doi.org/10.1080/13803395.2012.760537 CrossRef  Google Scholar 
  5. Compston, A., & Coles, A. (2008). Multiple Sklerose. Lancet, 372 (9648), 1502–1517. http://doi.org/10.1016/S0140-6736(08)61620-7 CrossRef  Google Scholar 
  6. Cox, RW (1996). AFNI: Software zur Analyse und Visualisierung von funktionellen Magnetresonanz-Neurobildern. Computer und biomedizinische Forschung, 29 (3), 162–173. CrossRef  Google Scholar  PubMed 
  7. Denney, DR, & Lynch, SG (2009). Der Einfluss von Multipler Sklerose auf die Leistung von Patienten beim Stroop-Test: Verarbeitungsgeschwindigkeit versus Interferenz. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 15(3), 451–458. http://doi.org/10.1017/S1355617709090730 CrossRef  Google Scholar 
  8. Deshpande, G., & Hu, X. (2012). Untersuchung der effektiven Gehirnkonnektivität aus fMRI-Daten: Frühere Erkenntnisse und aktuelle Probleme mit Bezug auf die Granger-Kausalitätsanalyse. Gehirnkonnektivität, 2(5), 235–245. http://doi.org/10.1089/brain.2012.0091 CrossRef  Google Scholar 
  9. Forn, C., Belloch, V., Bustamante, JC, Garbin, G., Parcet-Ibars, MA, Sanjuan, A., & Avila, C. (2009). Eine für funktionelle MRT-Untersuchungen geeignete Testversion für Ziffernmodalitäten. Neuroscience Letters, 456, 11–14. CrossRef  Google Scholar 
  10. Friston, KJ (1994). Funktionelle und effektive Konnektivität in der Neurobildgebung: Eine Synthese. Kartierung des menschlichen Gehirns, 2 (1-2), 56–78. http://doi.org/10.1002/hbm.460020107 CrossRef  Google Scholar 
  11. Genova, HM, DeLuca, J., Chiaravalloti, N., & Wylie, G. (2013). Die Beziehung zwischen Exekutivfunktion, Verarbeitungsgeschwindigkeit und Integrität der weißen Substanz bei Multipler Sklerose. Zeitschrift für klinische und experimentelle Neuropsychologie, 35 (6), 631–641. http://doi.org/10.1080/13803395.2013.806649 CrossRef  Google Scholar 
  12. Genova, HM, Hillary, FG, Wylie, G., Rypma, B., & Deluca, J. (2009). Untersuchung von Verarbeitungsgeschwindigkeitsdefiziten bei Multipler Sklerose mittels funktioneller Magnetresonanztomographie. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 15(3), 383–393. http://doi.org/10.1017/S1355617709090535 CrossRef  Google Scholar  PubMed 
  13. Genova, HM, Lengenfelder, J., Chiaravalloti, ND, Moore, NB & DeLuca, J. (2012). Verarbeitungsgeschwindigkeit versus Arbeitsgedächtnis: Beiträge zu einer Informationsverarbeitungsaufgabe bei Multipler Sklerose. Appl. Neuropsychol. Erwachsener, 19, 132–140. CrossRef  Google Scholar 
  14. Kravits, DJ, Saleem, KS, Baker, CI, & Mishkin, M. (2012). Ein neues neuronales Framework für die visuell-räumliche Verarbeitung. Nature Review Neuroscience, 12(4), 217–230. http://doi.org/10.1038/nrn3008.A CrossRef  Google Scholar 
  15. Larocque, JJ, Lewis-peacock, JA, & Postle, BR (2014). Mehrere neuronale Repräsentationszustände im Kurzzeitgedächtnis? Es ist eine Frage der Aufmerksamkeit. Frontiers in Human Neuroscience, 8 (Januar), 1–14. http://doi.org/10.3389/fnhum.2014.00005 CrossRef  Google Scholar 
  16. Leavitt, VM, Wylie, G., Genova, HM, Chiaravalloti, N., & DeLuca, J. (2012). Veränderte effektive Konnektivität während der Ausführung einer Informationsverarbeitungsgeschwindigkeitsaufgabe bei Multipler Sklerose. Multiple Sklerose (Houndmills, Basingstoke, England), 18(4), 409–417. http://doi.org/10.1177/1352458511423651 CrossRef  Google Scholar  PubMed 
  17. Lee, P., Li, P.-C., Liu, C.-H., & Hsieh, C.-L. (2011). Test-Retest-Zuverlässigkeit zweier Aufmerksamkeitstests bei Schizophrenie. Archives of Clinical Neuropsychology, 26(5), 405–411. http://doi.org/10.1093/arclin/acr038 CrossRef  Google Scholar 
  18. Luckmann, HC, Jacobs, HIL, Sack, AT, & Lu, HC (2014). Die funktionsübergreifende Rolle der frontoparietalen Regionen in der Kognition: Interne Aufmerksamkeit als übergreifender Mechanismus. Fortschritte in der Neurobiologie, 116, 66–86. CrossRef  Google Scholar  PubMed 
  19. McDonald, WI, Compston, A., Edan, G., Goodkin, D., Hartung, HP, Lublin, FD, & Wolinsky, JS (2001). Empfohlene Diagnosekriterien für Multiple Sklerose: Richtlinien des International Panel on the Diagnosis of Multiple Sclerosis. Annalen der Neurologie, 50, 121–127. http://doi.org/10.1002/ana.1032 CrossRef  Google Scholar 
  20. Miller, GA, & Chapman, JP (2001). Missverständnissanalyse der Kovarianz. Journal of Abnormal Psychology, 110 (1), 40–48. http://doi.org/10.1037/0021-843X.110.1.40 CrossRef  Google Scholar  PubMed 
  21. Mumford, JA, & Ramsey, JD (2014). Bayessche Netzwerke für fMRI: Eine Einführung. Neuroimage, 86, 573–582. CrossRef  Google Scholar  PubMed 
  22. Papadopoulou, A., Müller-Lenke, N., Naegelin, Y., Kalt, G., Bendfeldt, K., Kuster, P., & Penner, I.-K. (2013). Beitrag von kortikalen und weißen Substanzläsionen zur kognitiven Beeinträchtigung bei Multipler Sklerose. Multiple Sklerose (Houndmills, Basingstoke, England), 19(10), 1290–1296. http://doi.org/10.1177/1352458513475490 CrossRef  Google Scholar  PubMed 
  23. Parmenter, BA, Testa, SM, Schretlen, DJ, Weinstock-Guttman, B., & Benedict, RH (2010). Die Nützlichkeit regressionsbasierter Normen bei der Interpretation der minimalen Bewertung der kognitiven Funktion bei Multipler Sklerose (MACFIMS). Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 16(1), 6–16. http://doi.org/10.1017/S1355617709990750 CrossRef  Google Scholar 
  24. Poldrack, RA (2007). Region-of-Interest-Analyse für fMRI. Soziale kognitive und affektive Neurowissenschaft, 2 (1), 67–70. http://doi.org/10.1093/scan/nsm006 CrossRef  Google Scholar 
  25. Poldrack, RA, Mumford, JA, & Nichols, TE (2011). Handbuch der funktionellen MRT: Datenanalyse. New York, NY: Cambridge University Press. CrossRef  Google Scholar 
  26. Ramsey, JD, Hanson, SJ, & Glymour, C. (2011). Die Multi-Subjekt-Suche identifiziert kausale Verbindungen und die meisten kausalen Richtungen in den DCM-Modellen von Smith et al. Simulationsstudie. Neuroimage, 58(3), 838–848. http://doi.org/10.1016/j.neuroimage.2011.06.068 CrossRef  Google Scholar 
  27. Ramsey, JD, Hanson, SJ, Hanson, C., Halchenko, YO, Poldrack, RA, & Glymour, C. (2010). Sechs Probleme für kausale Inferenz aus fMRI. Neuroimage, 49(2), 1545–1558. http://doi.org/10.1016/j.neuroimage.2009.08.065 CrossRef  Google Scholar 
  28. Ramsey, JD, Sanchez-romero, R., & Glymour, C. (2014). Nicht-Gaußsche Verfahren und Hochpassfilter bei der Schätzung effektiver Verbindungen. Neuroimage, 84, 986–1006. http://doi.org/10.1016/j.neuroimage.2013.09.062 CrossRef  Google Scholar 
  29. Sheridan, LK, Fitzgerald, HE, Adams, KM, Nigg, JT, Martel, MM, Puttler, LI, & Zucker, RA (2006). Modalitäten für normative Symbolziffern Testleistung in einer Community-basierten Stichprobe. Archives of Clinical Neuropsychology, 21(1), 23–28. http://doi.org/10.1016/j.acn.2005.07.003 CrossRef  Google Scholar 
  30. Schomstein, S. (2012). Kognitive Funktionen des posterioren parietalen Kortex: Aufmerksamkeitskontrolle von oben nach unten und von unten nach oben. Frontiers in Integrative Neuroscience, 6 (Juli), 38. http://doi.org/10.3389/fnint.2012.00038 CrossRef  Google Scholar  PubMed 
  31. Smith, A. (1982). Symbol Digit Modalities Test (SDMT): Handbuch (überarbeitet). Los Angeles: Westliche psychologische Dienste. Google Scholar 
  32. Smith, SM, Bandettini, PA, Miller, KL, Behrens, TEJ, Friston, KJ, David, O., & Nichols, TE (2012). Die Gefahr einer systematischen Verzerrung bei der FMRI-Lag-basierten Kausalitätsschätzung auf Gruppenebene. Neuroimage, 59(2), 1228–1229. http://doi.org/10.1016/j.neuroimage.2011.08.015 CrossRef  Google Scholar  PubMed 
  33. Smith, SM, Miller, KL, Salimi-Khorshidi, G., Webster, M., Beckmann, CF, Nichols, TE, & Woolrich, MW (2011). Netzwerkmodellierungsmethoden für FMRI. Neuroimage, 54(2), 875–891. http://doi.org/10.1016/j.neuroimage.2010.08.063 CrossRef  Google Scholar  PubMed 
  34. Strober, LB, Christodoulou, C., Benedict, RHB, Westervelt, HJ, Melville, P., Scherl, WF, & Krupp, LB (2012). Arbeitslosigkeit bei Multipler Sklerose: Der Beitrag von Persönlichkeit und Krankheit. Multiple Sklerose (Houndmills, Basingstoke, England), 18(5), 647–653. http://doi.org/10.1177/1352458511426735 CrossRef  Google Scholar 
  35. Van Schependom, J., D'hooghe, MB, Cleynhens, K., D'hooge, M., Haelewyck, M.-C., De Keyser, J., & Nagels, G. (2015). Reduzierte Informationsverarbeitungsgeschwindigkeit als primum movens für den kognitiven Rückgang bei MS. Multiple Sklerose (Houndmills, Basingstoke, England), 21, 83–91. http://doi.org/10.1177/1352458514537012 CrossRef  Google Scholar  PubMed 
Unterschiedliche Ruhezustands-Konnektivitätsmuster und beeinträchtigte semantische Cued-List-Lerntestleistung bei einer schweren depressiven Störung mit Remission im Frühstadium
Autor (en)
  • Julia A. Rao | Universität von Illinois in Chicago, Abteilung für Psychiatrie, Chicago, Illinois
  • Lisanne M. Jenkins | Universität von Illinois in Chicago, Abteilung für Psychiatrie, Chicago, Illinois
  • Erica Hymen | Universität von Illinois in Chicago, Abteilung für Psychiatrie, Chicago, Illinois
  • Maia Feigon | Universität von Illinois in Chicago, Abteilung für Psychiatrie, Chicago, Illinois
  • Sara L. Weisenbach | University of Illinois at Chicago, Department of Psychiatry, Chicago, Illinois, University of Michigan Medical Center, Department of Psychiatry, Ann Arbor, Michigan, Jesse Brown Veterans Administration Hospital, Forschungs- und Entwicklungsprogramm, Chicago, Illinois
  • Jon-Kar Zubieta | University of Michigan Medical Center, Abteilung für Psychiatrie, Ann Arbor, Michigan
  • Scott A. Langenecker | University of Illinois at Chicago, Abteilung für Psychiatrie, Chicago, Illinois, University of Michigan Medical Center, Abteilung für Psychiatrie, Ann Arbor, Michigan

Korrespondenz

Angaben
Es gibt keine konkurrierenden Interessen, die für alle Autoren erklärt werden müssen.

Abstrakt
Lernziele:

Es gibt einen bekannten Zusammenhang zwischen Gedächtnisstörungen und Major Depression (MDD). Darüber hinaus zeigen neuere Studien auch Anomalien in der funktionellen Magnetresonanztomographie (rsMRI) im Ruhezustand bei aktiver und remittierter MDD. Bisher haben jedoch keine Studien sowohl die rs-Konnektivität als auch die Gedächtnisleistung bei MDD mit Remission im frühen Verlauf oder die Beziehung zwischen Konnektivität und semantisch bedingtem episodischem Gedächtnis untersucht.

Methoden:

Die rsMRI-Daten von zwei 3.0-Tesla-GE-Scannern wurden von 34 nicht behandelten jungen Erwachsenen mit remittierter MDD (rMDD) und 23 gesunden Kontrollpersonen (HCs) zwischen 18 und 23 Jahren unter Verwendung von bilateralen Seeds im Hippocampus gesammelt. Die Teilnehmer absolvierten auch einen semantisch stimulierten Listenlerntest, und ihre Leistung wurde mit Hippocampus-Seed-basierter rsMRI korreliert. Regressionsmodelle wurden auch verwendet, um Konnektivitätsmuster aus der Speicherleistung vorherzusagen.

Ergebnisse:

Nach Korrektur des Geschlechts schnitten rMDD-Probanden bei der Gesamtzahl der erinnerten und erkannten Wörter schlechter ab als HCs. rMDD zeigte im Vergleich zu HCs eine signifikante In-Netzwerk-Hypoaktivierung zwischen dem Hippocampus und mehreren fronto-temporalen Regionen sowie mehrere Extra-Netzwerk-Hyperkonnektivitäten zwischen dem Hippocampus und fronto-parietalen Regionen. Die Speicherleistung prognostizierte die Konnektivität bei HCs negativ und die Konnektivität bei rMDD positiv.

Schlussfolgerungen

Selbst wenn Personen mit MDD in der Vorgeschichte keine aktiven depressiven Symptome mehr zeigen, zeigen sie weiterhin eine schlechtere Gedächtnisleistung, Störungen in der Hippocampus-Konnektivität und eine unterschiedliche Beziehung zwischen episodischem Gedächtnis und Hippocampus-Konnektivität. (JINS, 2016,22, 225-239)

Literaturverzeichnis
  1. Anand, A., Li, Y., Wang, Y., Wu, J., Gao, S., Bukhari, L., & Lowe, MJ (2005). Aktivität und Konnektivität des stimmungsregulierenden Schaltkreises im Gehirn bei Depressionen: Eine funktionelle Magnetresonanzstudie. Biologische Psychiatrie, 57, 1079–1088. CrossRef  Google Scholar  PubMed 
  2. Beck, AT, Steer, RA, & Brown, GK (1996). Handbuch für das Beck-Depressionsinventar II. San Antonio, TX: Psychology Corporation. Google Scholar 
  3. Behnken, A., Schöning, S., Gerβ, J., Konrad, C., de Jong-Meyer, R., Zwanzger, P., && Arolt, V. (2010). Anhaltende Beeinträchtigung des nonverbalen Gedächtnisses bei remittierter Major Depression. Zeitschrift für affektive Störungen, 122 (1-2), 144–148. CrossRef  Google Scholar 
  4. Benton, A., Hamsher, K., Varney, N., & Spreen, O. (1978). Beiträge zur neuropsychologischen Beurteilung: Ein klinisches Handbuch. New York: Oxford University Press. Google Scholar 
  5. Brett, M., Anton, J.-L., Valabregue, R., & Poline, J.-P. (2002). Region-of-Interest-Analyse mit einer SPM-Toolbox. Poster präsentiert auf der 8. International Conference on Functional Mapping of the Human Brain, Sendai, Japan. Google Scholar 
  6. Briceño, EM, Weisenbach, SL, Rapport, LJ, Hazlett, KE, Bieliauskas, LA, Haase, BD, & Langenecker, SA (2013). Die verschobene untere Frontallateralität bei Frauen mit Major Depression hängt mit Defiziten in der Emotionsverarbeitung zusammen. Psychologische Medizin, 43 (7), 1433–1445. CrossRef  Google Scholar  PubMed 
  7. Bora, E., Harrison, BJ, Yücel, M., & Pantelis, C. (2013). Kognitive Beeinträchtigung bei euthymischer Major Depression: Eine Meta-Analyse. Psychologische Medizin, 43, 2017–2026. CrossRef  Google Scholar  PubMed 
  8. Braun, JA (1958). Einige Tests der Zerfallstheorie des unmittelbaren Gedächtnisses. Vierteljährliche Zeitschrift für experimentelle Psychologie, 10, 12–21. CrossRef  Google Scholar 
  9. Burt, DB, Zembar, MJ, & Niederehe, G. (1995). Depression und Gedächtnisstörung: Eine Metaanalyse der Assoziation, ihres Musters und ihrer Spezifität. Psychological Bulletin, 117(2), 285–305. CrossRef  Google Scholar  PubMed 
  10. Butters, M., Whyte, E., Nebes, R., Begley, A., Dew, M., Mulsant, B., & Becker, J. (2004). Die Natur und Determinanten der neuropsychologischen Funktion bei Depressionen im fortgeschrittenen Alter. Archiv der Allgemeinen Psychiatrie, 61, 587–595. CrossRef  Google Scholar 
  11. Connolly, CG, Wu, J., Ho, TC, Hoeft, F., Wolkowitz, O., Eisendrath, S., & Yang, TT (2013). Funktionelle Konnektivität des subgenualen anterioren cingulären Kortex im Ruhezustand bei depressiven Jugendlichen. Biologische Psychiatrie, 74, 898–907. CrossRef  Google Scholar  PubMed 
  12. Considine, CM, Weisenbach, SL, Walker, SJ, McFadden, EM, Franti, LM, Bieliauskas, LA, & Langenecker, SA (2011). Abnahme des auditiven Gedächtnisses ohne Verstellung bei Patienten mit schweren depressiven Störungen. Archives of Clinical Neuropsychology, 26, 445–453. CrossRef  Google Scholar 
  13. Delis, D., Kramer, J., Kaplan, E., & Ober, B. (2000). Kalifornischer verbaler Lerntest - II. San Antonio, TX: The Psychological Corporation. Google Scholar 
  14. Elderkin-Thompson, V., Moody, T., Knowlton, B., Hellemann, G., & Kumar, A. (2011). Explizites und implizites Gedächtnis bei Altersdepression. Das American Journal of Geriatric Psychiatry, 19(4), 364–373. CrossRef  Google Scholar 
  15. Frodl, T., Bokde, ALW, Scheuerecker, J., Lisiecka, D., Schoepf, V., Hampel, H., & Meisenzahl, E. (2010). Funktionelle Konnektivitätsverzerrung des orbitofrontalen Kortex bei arzneimittelfreien Patienten mit Major Depression. Biologische Psychiatrie, 67, 161–167. CrossRef  Google Scholar 
  16. Grant, DA, & Berg, E. (1948). Eine Verhaltensanalyse des Grades der Verstärkung und der Leichtigkeit des Umschaltens auf neue Antworten in einem Kartensortierproblem vom Weigl-Typ. Zeitschrift für experimentelle Psychologie, 38, 404. CrossRef  Google Scholar 
  17. Greicius, MD, Flores, BH, Menon, V., Glover, GH, Solvason, HB, Kenna, & Schatzberg, AF (2007). Funktionelle Konnektivität im Ruhezustand bei schweren Depressionen: Abnormal erhöhte Beiträge von subgenualem cingulärem Kortex und Thalamus. Biologische Psychiatrie, 62, 429–437. CrossRef  Google Scholar 
  18. Hamilton, JP, Chen, G., Thomason, ME, Schwartz, ME, & Gottlib, IH (2011). Untersuchung des neuralen Primats bei Major Depression: Multivariate Granger-Kausalitätsanalyse von fMRT-Zeitreihendaten im Ruhezustand. Molecular Psychiatry, 16(7), 763–772. CrossRef  Google Scholar  PubMed 
  19. Hamilton, M. (1960). Eine Bewertungsskala für Depressionen. Zeitschrift für Neurologie und Neurochirurgie in der Psychiatrie, 23, 56–62. CrossRef  Google Scholar 
  20. Hasselbalch, BJ, Knorr, U., & Kessing, LV (2011). Kognitive Beeinträchtigung im remittierten Zustand der unipolaren depressiven Störung: Eine systematische Überprüfung. Zeitschrift für affektive Störungen, 134 (1-3), 20–31. CrossRef  Google Scholar  PubMed 
  21. Hermens, DF, Naismith, SL, Redoblado-Hodge, MA, Scott, EM, & Hickie, IB (2010). Beeinträchtigtes verbales Gedächtnis bei jungen Erwachsenen mit unipolarer und bipolarer Depression. Frühe Intervention in der Psychiatrie, 3, 227–233. CrossRef  Google Scholar 
  22. Jacobs, RH, Jenkins, LM, Gabriel, LB, Barba, A., Ryan, KA, Weisenbach, SL, & Welsh, RC (2014). Eine verstärkte Kopplung intrinsischer Netzwerke bei remittierten depressiven Jugendlichen sagt Grübeln und kognitive Kontrolle voraus. PLoS One, 9(8), e104366. CrossRef  Google Scholar 
  23. Kassel, MT, Rao, JA, Walker, SJ, Briceño, EM, Gabriel, LB, Welson, AL, & Langenecker, SA (2015). Verringerte fronto-limbische Aktivierung und gestörtes Lernen semantischer Stichwortlisten bei Major Depression. Zeitschrift der International Neuropsychological Society, im Druck. doi: 10.1017/S1355617716000023. Google Scholar 
  24. Kramer, JH, Yaffe, K., Lengenfelder, J., & Delis, DC (2003). Alters- und Geschlechtsinteraktionen auf die verbale Gedächtnisleistung. Zeitschrift der Internationalen Neuropsychologischen Gesellschaft, 9(1), 97–102. CrossRef  Google Scholar  PubMed 
  25. Langenecker, SA, Caveney, AF, Persad, CP, & Giordani, B. (2004). Lerntest für semantische Listen. Ann Arbor, MI: Universität von Michigan. Google Scholar 
  26. Langenecker, SA, Weisenbach, SL, Giordani, B., Briceño, EM, Guidotti Breting, LM, Schallmo, MP, & Starkman, MN (2012). Einfluss einer chronischen Hypercortisolämie auf die affektive Verarbeitung. Neuropharmakologie, 62, 217–225. CrossRef  Google Scholar 
  27. Lewin, C., Wolgers, G., & Herlitz, A. (2001). Geschlechtsunterschiede begünstigen Frauen im verbalen, aber nicht im visuell-räumlichen episodischen Gedächtnis. Neuropsychology, 15(2), 165–173. CrossRef  Google Scholar  PubMed 
  28. Lezak, M. (1995). Neuropsychologische Bewertung (3. Aufl.), New York: Oxford University Press. Google Scholar  PubMed 
  29. Liu, S., Wu, W., Qiu, L., Yang, X., Kuang, W., Chan, RCK, & Gong, Q. (2011). Funktionelle Konnektivität im Ruhezustand, behandlungsresistente Depression. Amerikanische Zeitschrift für Psychiatrie, 168, 642–648. Google Scholar 
  30. Liu, X., Li, L., Xiao, J., Yang, J., & Jiang, X. (2013). Anomalien des autobiographischen Gedächtnisses von Patienten mit depressiven Störungen: Eine Metaanalyse. Psychologie und Psychotherapie: Theorie, Forschung und Praxis, 86 (4), 353–373. CrossRef  Google Scholar 
  31. Marcos, T., Salamero, M., Gutierrez, F., Catalan, R., Gasto, C., & Lazaro, L. (1994). Kognitive Dysfunktionen bei genesenen melancholischen Patienten. Journal of Affective Disorders, 32, 133–137. CrossRef  Google Scholar  PubMed 
  32. Mulligan, NW (2011). Implizites Gedächtnis und Depression: Erhaltenes konzeptionelles Priming bei subklinischer Depression. Kognition und Emotion, 25 (4), 730–739. CrossRef  Google Scholar 
  33. Paelecke-Habermann, Y., Pohl, J., & Leplow, B. (2005). Aufmerksamkeit und exekutive Funktionen bei remittierten Patienten mit Major Depression. Journal of Affective Disorders, 89(1-3), 125–135. CrossRef  Google Scholar 
  34. Papez, JW (1937). Ein vorgeschlagener Mechanismus der Emotion. Archiv für Neurologie und Psychiatrie, 7, 103–112. Google Scholar  PubMed 
  35. Pasterski, V., Zwierzynska, K., & Estes, Z. (2011). Geschlechtsunterschiede in der semantischen Kategorisierung. Archives of Sexual Behavior, 40(6), 1183–1187. CrossRef  Google Scholar  PubMed 
  36. Peters, AT, Jacobs, RH, Crane, NA, Ryan, KA, Weisenbach, SL, Ajilore, O., & Langenecker, SA (2015). Domänenspezifische Beeinträchtigung der kognitiven Kontrolle bei remittierten Jugendlichen mit einer Vorgeschichte von schweren Depressionen. Frühintervention in der Psychiatrie. [Epub vor dem Druck]. CrossRef  Google Scholar  PubMed 
  37. Peterson, LR, & Peterson, MJ (1959). Kurzfristiges Behalten einzelner verbaler Items. Zeitschrift für experimentelle Psychologie, 58, 193–198. CrossRef  Google Scholar  PubMed 
  38. Porter, RJ, Gallagher, P., Thompson, JM, & Young, AH (2003). Neurokognitive Beeinträchtigung bei drogenfreien Patienten mit Major Depression. Britisches Journal für Psychiatrie, 182, 214–220. CrossRef  Google Scholar  PubMed 
  39. Reitan, RM (1992). Trail Making Test: Handbuch zur Verwaltung und Bewertung. Mesa, AZ: Reitan Neuropsychology Laboratory. Google Scholar 
  40. Rohling, M., Green, P., Allen, L., & Iverson, G. (2002). Depressive Symptome und neurokognitive Testergebnisse bei Patienten, die Symptomvaliditätstests bestehen. Archives of Clinical Neuropsychology, 17, 205–222. CrossRef  Google Scholar  PubMed 
  41. Schallmo, MP, Kassel, MT, Weisenbach, SL, Walker, SJ, Guidotti-Breting, LM, Rao, JA, & Langenecker, SA (2015). Eine neue Lernaufgabe für semantische Listen, um die Funktionsweise des Papez-Schaltkreises zu untersuchen. Journal of Clinical and Experimental Neuropsychology, 37(8), 816–833. CrossRef  Google Scholar  PubMed 
  42. Schmidt, M. (1996). Rey auditiver verbaler Lerntest: RAVLT: Ein Handbuch. Los Angeles, CA: Western Psychological Services. Google Scholar 
  43. Sheline, YI, Price, JL, Yan, Z., & Mintun, MA (2010). Die funktionelle MRT im Ruhezustand bei Depressionen entlarvt eine erhöhte Konnektivität zwischen Netzwerken über den dorsalen Nexus. Proceedings of the National Academy of Sciences of the United States of America, 107(24), 11020–11025. CrossRef  Google Scholar  PubMed 
  44. Shipley, WC, Gruber, CP, Martin, TA, & Klein, AM (2009). Shipley-2 Handbuch. Los Angeles, CA: Western Psychological Services. Google Scholar 
  45. Snyder, H. (2013). Major Depression ist mit umfassenden Beeinträchtigungen der neuropsychologischen Messungen der Exekutivfunktion verbunden: Eine Metaanalyse und Überprüfung. Psychological Bulletin, 139(1), 81–132. CrossRef  Google Scholar  PubMed 
  46. Stroop, JR (1938). Faktoren, die die Geschwindigkeit in seriellen verbalen Reaktionen beeinflussen. Psychologische Monographien, 50, 38. CrossRef  Google Scholar 
  47. Tahmasian, M., Knight, DC, Manoliu, A., Schwerthöffer, D., Scherr, M., Chun, M., & Sorg, C. (2013). Aberrante intrinsische Konnektivität von Hippocampus und Amygdala überlappen sich im fronto-insulären und dorsomedialen-präfrontalen Kortex bei schweren depressiven Störungen. Frontiers in Human Neuroscience, 7, 639. CrossRef  Google Scholar 
  48. Wechsler, D. (2008). Wechsler-Intelligenzskala für Erwachsene (4. Aufl.), (WAIS–IV). San Antonio, TX: NCS Pearson. Google Scholar 
  49. Weiland-Fiedler, P., Erickson, K., Waldeck, T., Luckenbaugh, DA, Pike, D., Bonne, O., & Neumeister, A. (2004). Evidenz für anhaltende neuropsychologische Beeinträchtigungen bei Depressionen. Journal of Affective Disorders, 82(2), 253–258. CrossRef  Google Scholar  PubMed 
  50. Weisenbach, S., Kassel, M., Rao, J., Weldon, A., Avery, E., Briceño, E., & Langenecker, S. (2014). Unterschiedliche präfrontale und subkortikale Schaltungsbeteiligung während der Kodierung von semantisch verwandten Wörtern bei Patienten mit Altersdepression. International Journal of Geriatric Psychiatry, 29(11), 1104–1115. CrossRef  Google Scholar  PubMed 
  51. Zhang, J., Wang, J., Wu, Q., Kuang, W., Huang, X., He, Y., &&Gong, Q. (2011). Gestörte Gehirnkonnektivitätsnet