Динамическое функциональное соединение ( DFC ) относится к наблюдаемому явлению, когда функциональное соединение изменяется за короткое время. Динамическая функциональная связность - это недавнее расширение традиционного функционального анализа связности, который обычно предполагает, что функциональные сети статичны во времени. DFC связан с множеством различных неврологических расстройств и считается более точным представлением функциональных сетей мозга. Основным инструментом для анализа DFC является фМРТ , но DFC также наблюдался с несколькими другими средами. DFC - недавняя разработка в области функциональной нейровизуализации. открытие которого было мотивировано наблюдением за изменчивостью во времени в растущей области исследований связи в устойчивом состоянии.
Обзор и история
Статическая связь
Функциональная связность относится к функционально интегрированным отношениям между пространственно разделенными областями мозга. В отличие от структурной связи, которая ищет физические связи в головном мозге, функциональная связность связана с аналогичными паттернами активации в разных областях мозга независимо от очевидной физической связи этих областей. [1] Этот тип связи был обнаружен в середине 1990-х годов и был замечен в основном с помощью фМРТ и позитронно-эмиссионной томографии . [2] Функциональная связность обычно измеряется во время фМРТ в состоянии покоя и обычно анализируется с точки зрения корреляции, когерентности и пространственной группировки на основе временного сходства. [3] Эти методы использовались, чтобы показать, что функциональная связь связана с поведением в различных задачах и имеет нейронную основу. Эти методы предполагают, что функциональные связи в мозге остаются постоянными в течение короткого времени в течение задачи или периода сбора данных.
Происхождение динамического анализа
Исследования, которые показали, что изменения функциональной связи, зависящие от состояния мозга, были первыми показателями того, что временные вариации функциональной связи могут быть значительными. В нескольких исследованиях середины 2000-х годов изучались изменения ФК, которые были связаны с множеством различных причин, таких как умственные задачи [4], сон [5] и обучение. [6] Эти изменения часто происходят внутри одного и того же человека и явно связаны с поведением. В настоящее время DFC исследуется в различных контекстах с помощью множества инструментов анализа. Было показано, что это связано как с поведением, так и с нервной активностью. Некоторые исследователи полагают, что это может быть сильно связано с мыслями или сознанием высокого уровня. [3]
Важные выводы от DFC
Поскольку DFC - это такая новая область, большая часть исследований, связанных с ней, проводится для проверки актуальности этих динамических изменений, а не для изучения их последствий; однако было сделано много важных открытий, которые помогают научному сообществу лучше понять работу мозга. Анализ динамической функциональной связности показал, что функциональные сети мозга далеко не полностью статичны, а колеблются от секунд до минут. Эти изменения обычно рассматриваются как переходы от одного краткосрочного состояния к другому, а не как непрерывные сдвиги. [3] Многие исследования показали воспроизводимые модели сетевой активности, которые перемещаются по всему мозгу. Эти закономерности наблюдались как у животных, так и у людей, и они присутствуют только в определенных точках во время сеанса сканирования. [7] Помимо отображения переходных состояний мозга, анализ DFC показал отчетливую иерархическую организацию сетей мозга. Связь между двусторонними симметричными областями является наиболее стабильной формой связи в головном мозге, за ней следуют другие области с прямыми анатомическими связями. Сети функциональной связи в устойчивом состоянии существуют и имеют физиологическое значение, но имеют меньшую временную стабильность, чем анатомические сети. Наконец, некоторые функциональные сети достаточно быстротечны, чтобы их можно было увидеть только с помощью анализа DFC. Эти сети также обладают физиологической значимостью, но гораздо менее стабильны во времени, чем другие сети в мозге. [8]
Методы анализа
Раздвижное окно
Анализ со скользящим окном - наиболее распространенный метод анализа функциональной связности, впервые представленный Сакоглу и Калхоуном в 2009 году и примененный к шизофрении. [9] [10] [11] [12] Анализ скользящего окна выполняется путем проведения анализа заданного количества сканирований в сеансе фМРТ. Количество сканирований - это длина скользящего окна. Затем определенное окно перемещается на определенное количество сканирований вперед во времени, и выполняется дополнительный анализ. Движение окна обычно определяется степенью перекрытия соседних окон. Одним из основных преимуществ анализа скользящего окна является то, что практически любой анализ устойчивого состояния может быть выполнен с использованием скользящего окна, если длина окна достаточно велика. Анализ скользящего окна также имеет то преимущество, что его легко понять и в некотором смысле легче интерпретировать. [3] Как наиболее распространенный метод анализа, анализ скользящего окна использовался множеством различных способов для исследования множества различных характеристик и последствий DFC. Для точной интерпретации данные анализа скользящего окна обычно необходимо сравнивать между двумя разными группами. Исследователи использовали этот тип анализа, чтобы показать различные характеристики DFC у больных и здоровых пациентов, высоко и низко выполняющих когнитивные задачи, а также между крупномасштабными состояниями мозга.
Шаблоны активации
Одним из первых методов, когда-либо использовавшихся для анализа DFC, был анализ паттернов изображений фМРТ, чтобы показать, что существуют паттерны активации в пространственно разделенных областях мозга, которые, как правило, имеют синхронную активность. Стало ясно, что в мозгу существует пространственная и временная периодичность, которая, вероятно, отражает некоторые из постоянных процессов мозга. Было высказано предположение, что повторяющиеся шаблоны сетевой информации объясняют 25–50% дисперсии данных fMRI BOLD. [7] [13] Эти паттерны активности в основном наблюдались у крыс как распространяющаяся волна синхронизированной активности по коре головного мозга. Было также показано, что эти волны связаны с основной нервной активностью и присутствуют как у людей, так и у крыс. [7]
Точечный анализ процесса
Отходя от традиционных подходов, недавно был представлен эффективный метод анализа быстро меняющихся паттернов функциональной активации, который преобразует данные фМРТ BOLD в точечный процесс. [14] [15] Это достигается путем выбора для каждого воксела точек перегиба ЖИРНОГО сигнала (т. Е. Пиков). Эти несколько пунктов содержат большую часть информации, относящейся к функциональной связности, поскольку было продемонстрировано, что, несмотря на огромное сокращение размера данных (> 95%), это очень хорошо сравнивается с выводами функциональной связности [16] [17] полученные стандартными методами, использующими полный сигнал.
Большой объем информации в этих нескольких точках согласуется с результатами Petridou et al. [18], которые продемонстрировали вклад этих «спонтанных событий» в силу корреляции и спектры мощности медленных спонтанных флуктуаций путем деконволюции целевой функции гемодинамического ответа из остальных данных. Впоследствии аналогичные принципы были успешно применены под названием паттернов совместной активации (CAP). [19] [20] [21]
Другие методы
Частотно-временной анализ был предложен в качестве метода анализа, который позволяет преодолеть многие проблемы, связанные со скользящими окнами. В отличие от анализа со скользящим окном, частотно-временной анализ позволяет исследователю одновременно исследовать частотную и амплитудную информацию. Вейвлет - преобразование используется для проведения анализа DFC , который проверенное существование DFC, показывая свои значительные изменения во время. Этот же метод недавно был использован для исследования некоторых динамических характеристик принятых сетей. Например, частотно-временной анализ показал, что антикорреляция между сетью в режиме по умолчанию и сетью с положительной задачей не является постоянной во времени, а скорее является временным состоянием. [22] Независимый компонентный анализ стал одним из наиболее распространенных методов создания сети в устойчивом состоянии функциональной связности. ICA делит сигнал фМРТ на несколько пространственных компонентов, которые имеют похожие временные паттерны. Совсем недавно ICA использовался для разделения данных фМРТ на различные временные компоненты. Это было названо временным ICA, и оно использовалось для построения графика поведения сети, на которое приходится 25% вариабельности корреляции анатомических узлов в фМРТ. [23]
Споры и ограничения
Некоторые исследователи утверждали, что DFC может быть простым отражением анализа, сканирования или физиологического шума. Шум в фМРТ может возникать из-за множества различных факторов, включая сердцебиение, изменения гематоэнцефалического барьера, характеристики получающего сканера или непреднамеренные эффекты анализа. Некоторые исследователи предположили, что вариабельность функциональной связности в исследованиях фМРТ согласуется с вариабельностью, которую можно было бы ожидать от простого анализа случайных данных. Эта жалоба на то, что DFC может отражать только шум, недавно уменьшилась за счет наблюдения за электрической основой для данных fMRI DFC и поведенческой значимости характеристик DFC. [3]
В дополнение к жалобам на то, что DFC может быть продуктом шума сканера, наблюдаемый DFC может подвергаться критике на основании косвенного характера фМРТ, который используется для его наблюдения. Данные фМРТ собираются путем быстрого получения последовательности изображений МРТ во времени с использованием эхо-планарной визуализации. На контраст этих изображений сильно влияет соотношение оксигенированной и деоксигенированной крови. Поскольку активные нейроны требуют больше энергии, чем нейроны в состоянии покоя, изменение этого контраста традиционно интерпретируется как косвенная мера нейронной активности. Из-за своего косвенного характера данные фМРТ в исследованиях DFC можно критиковать как потенциально отражающие не нейронную информацию. Это беспокойство недавно уменьшилось благодаря наблюдаемой корреляции между fMRI DFC и одновременно полученными электрофизиологическими данными. [24]
Физиологические доказательства
ФМРТ является основным средством исследования DFC. Это представляет собой уникальную проблему, поскольку фМРТ имеет довольно низкое временное разрешение, обычно 0,5 Гц, и является лишь косвенным показателем нейронной активности. Косвенный характер анализа фМРТ предполагает, что проверка необходима, чтобы показать, что результаты фМРТ действительно актуальны и отражают нейронную активность.
Мультимодальный подход
Электрофизиология
Корреляция между DFC и электрофизиологией привела к тому, что некоторые ученые предположили, что DFC может отражать гемодинамические результаты динамического сетевого поведения, которые наблюдались при анализе отдельных клеток нейронных популяций. Хотя гемодинамический ответ слишком медленный, чтобы отражать однозначное соответствие с динамикой нейронной сети, вполне вероятно, что DFC является отражением мощности некоторых частот электрофизиологических данных. [3]
Электроэнцефалография (ЭЭГ) также использовалась на людях как для подтверждения, так и для интерпретации наблюдений, сделанных в DFC. ЭЭГ имеет низкое пространственное разрешение, потому что она способна получать данные только на поверхности кожи головы, но она отражает широкую электрическую активность многих нейронов. ЭЭГ использовалась одновременно с фМРТ, чтобы учесть некоторую дисперсию ФК между сканированиями. ЭЭГ также использовалась, чтобы показать, что изменения ФК связаны с общими состояниями мозга, наблюдаемыми на ЭЭГ. [25] [26] [27] [28]
МЭГ
Магнитоэнцефалография (МЭГ) может использоваться для измерения магнитных полей, создаваемых электрической активностью в головном мозге. МЭГ имеет высокое временное разрешение и, как правило, более высокое пространственное разрешение, чем ЭЭГ. Исследования состояния покоя с помощью МЭГ все еще ограничены пространственным разрешением, но использовалась модальность, чтобы показать, что сети состояния покоя проходят через периоды низкого и высокого уровней корреляции. Это наблюдение согласуется с результатами, полученными в других исследованиях DFC, таких как анализ паттерна активации DFC. [3]
Поведенческая основа
Было показано, что DFC в значительной степени связан с возможностями человека, включая бдительность и аспекты внимания. Было предложено и поддержано, что поведение сети непосредственно перед началом задачи является сильным предиктором производительности этой задачи. Традиционно исследования фМРТ фокусировались на величине активации в областях мозга как предикторе производительности, но недавние исследования показали, что корреляция между сетями, измеренная с помощью анализа скользящего окна, является еще более сильным предиктором производительности. [24] Было показано, что индивидуальные различия в вариабельности функциональной связи (FCV) в скользящих окнах фМРТ-сканирования коррелируют со склонностью обращать внимание на боль. [29] Степень, в которой сознание субъекта отвлекается от сенсорного стимула, также связана с FCV. [30]
Клиническая значимость
Одним из основных мотивов анализа DFC является лучшее понимание, обнаружение и лечение неврологических заболеваний. Было показано, что статическая функциональная связь в значительной степени связана с различными заболеваниями, такими как депрессия , шизофрения и болезнь Альцгеймера . Из-за новизны этой области только недавно DFC использовался для исследования болезненных состояний, но с 2012 года было показано, что каждое из этих трех заболеваний коррелирует с динамическими временными характеристиками функциональной связности. Большинство этих различий связано с количеством времени, которое проводится в различных переходных состояниях. Пациенты с шизофренией имеют менее частые изменения состояния, чем здоровые пациенты, и этот результат привел к предположению, что болезнь связана с тем, что пациенты застревают в определенных состояниях мозга, когда мозг не может быстро реагировать на разные очереди. [31] Кроме того, исследование визуальной сенсорной сети показало, что пациенты с шизофренией проводили больше времени, чем здоровые, в состоянии, в котором связь между средней височной извилиной и другими областями визуальной сенсорной сети крайне отрицательна. [32] Исследования болезни Альцгеймера показали, что пациенты, страдающие этим недугом, изменили возможности подключения к сети, а также изменили время, проведенное в существующих сетях. [33] Наблюдаемая корреляция между DFC и заболеванием не означает, что изменения в DFC являются причиной любого из этих заболеваний, но информацию из анализа DFC можно использовать для лучшего понимания последствий заболевания и для более быстрой и точной диагностики их.
Рекомендации
- ^ Friston, Карл (2011). «Функциональная и эффективная связь: обзор». Связь мозга . 1 (1): 13–36. CiteSeerX 10.1.1.222.9471 . DOI : 10,1089 / brain.2011.0008 . PMID 22432952 .
- ^ Biswal, B .; Зеррин Еткин, ФЗ; Haughton, VM; Гайд, JS (1995). «Функциональная связь в моторной коре головного мозга человека в состоянии покоя с использованием эхопланарной МРТ». Магнитный резонанс в медицине . 34 (4): 537–541. DOI : 10.1002 / mrm.1910340409 . PMID 8524021 .
- ^ Б с д е е г Хатчисон, РМ; Womelsdorf, T .; Аллен, EA; Бандеттини, Пенсильвания; Calhoun, VD; Corbetta, M .; Della Penna, S .; Duyn, JH; Glover, GH; Gonzalez-Castillo, J .; Handwerker, DA; Keilholz, S .; Кивиниеми, В .; Леопольд, Д.А.; De Pasquale, F .; Sporns, O .; Уолтер, М .; Чанг, К. (2013). «Динамическая функциональная связь: обещания, проблемы и интерпретации» . NeuroImage . 80 : 360–378. DOI : 10.1016 / j.neuroimage.2013.05.079 . PMC 3807588 . PMID 23707587 .
- ^ Эспозито, Ф .; Бертолино, А .; Скарабино, Т .; Latorre, V .; Blasi, G .; Popolizio, T .; Tedeschi, G .; Cirillo, S .; Goebel, R .; Ди Салле, Ф. (2006). «Модель независимых компонентов функции мозга по умолчанию: оценка влияния активного мышления». Бюллетень исследований мозга . 70 (4–6): 263–269. DOI : 10.1016 / j.brainresbull.2006.06.012 . PMID 17027761 .
- ^ Горовиц С.Г .; Fukunaga, M .; Де Зварт, JA; Van Gelderen, P .; Фултон, Южная Каролина; Балкин, Т.Дж.; Дуйн, JH (2008). «Низкочастотные BOLD-колебания во время бодрствования в состоянии покоя и легкого сна: одновременное исследование ЭЭГ-фМРТ» . Картирование человеческого мозга . 29 (6): 671–682. DOI : 10.1002 / hbm.20428 . PMC 6871022 . PMID 17598166 .
- ^ Бассетт, Д.С. Wymbs, NF; Портер, Массачусетс; Mucha, PJ; Карлсон, Дж. М.; Графтон, СТ (2011). «Динамическая реконфигурация сетей человеческого мозга во время обучения» . Труды Национальной академии наук . 108 (18): 7641–7646. arXiv : 1010,3775 . Bibcode : 2011PNAS..108.7641B . DOI : 10.1073 / pnas.1018985108 . PMC 3088578 . PMID 21502525 .
- ^ а б в Majeed, W .; Magnuson, M .; Кейльхольц, SD (2009). «Пространственно-временная динамика низкочастотных колебаний BOLD фМРТ крысы» . Журнал магнитно-резонансной томографии . 30 (2): 384–393. DOI : 10.1002 / jmri.21848 . PMC 2758521 . PMID 19629982 .
- ^ Гонсалес, Кастильо; J. Wu; П. Робинсон; М. Хандверкер; Д. Инати; С. Бандеттини (2012). Обнаружение переходов между задачами при непрерывном выполнении нескольких задач длительностью 45 минут с использованием подключения всего мозга . Двухгодичная конференция состояния покоя. Магдебург, Германия.
- ^ Sakoglu, U .; Калхун, В.Д. (2009). «Динамическое оконное управление выявляет функциональную модуляцию функциональной связи у пациентов с шизофренией по сравнению со здоровыми людьми в контрольной группе» (PDF) . Proc. ISMRM . 17 : 3675.
- ^ Sakoglu, U .; Калхун, В.Д. (2009). «Временная динамика функциональных сетевых подключений в состоянии покоя: сравнение пациентов с шизофренией и здоровой контрольной группы». NeuroImage . 47 (Приложение 1): S169. DOI : 10.1016 / S1053-8119 (09) 71811-7 .
- ^ Sakoglu, U .; Майкл, AM; Калхун, В.Д. (2009). «Классификация больных шизофренией и здоровых людей с динамическим функциональным сетевым подключением». NeuroImage . 47 (Приложение 1): S57. DOI : 10.1016 / S1053-8119 (09) 70216-2 .
- ^ Sakoglu, U .; Перлсон, Г.Д .; Kiehl, KA; Wang, YM; Майкл, AM; Калхун, В.Д. (2010). «Метод оценки динамического функционального сетевого подключения и модуляции задач: приложение к шизофрении» . Магнитно-резонансные материалы в физике и медицине (МАГМА) . 23 (6): 351–366. DOI : 10.1007 / s10334-010-0197-8 . PMC 2891285 . PMID 20162320 .
- ^ Majeed, W .; Magnuson, M .; Hasenkamp, W .; Schwarb, H .; Шумахер, EH; Барсалоу, Л .; Кейльхольц, SD (2011). «Пространственно-временная динамика низкочастотных BOLD-колебаний у крыс и человека» . NeuroImage . 54 (2): 1140–1150. DOI : 10.1016 / j.neuroimage.2010.08.030 . PMC 2997178 . PMID 20728554 .
- ^ Tagliazucchi, Enzo; Баленсуэла, Пабло; Фрайман, Даниэль; Монтойя, Педро; Кьялво, Данте Р. (2011-01-20). «Спонтанное BOLD-событие вызвало средние значения для оценки функциональной связи в состоянии покоя» . Письма неврологии . 488 (2): 158–163. DOI : 10.1016 / j.neulet.2010.11.020 . PMC 3014405 . PMID 21078369 .
- ^ Tagliazucchi, Enzo; Баленсуэла, Пабло; Фрайман, Даниэль; Кьялво, Данте Р. (01.01.2012). «Важность крупномасштабной динамики фМРТ головного мозга, выявленная с помощью нового анализа точечных процессов» . Границы физиологии . 3 : 15. DOI : 10,3389 / fphys.2012.00015 . PMC 3274757 . PMID 22347863 .
- ^ Tagliazucchi, Enzo; Кархарт-Харрис, Робин; Пиявка, Роберт; Натт, Дэвид; Кьялво, Данте Р. (2014-11-01). «Расширенный репертуар динамических состояний мозга во время психоделического опыта». Картирование человеческого мозга . 35 (11): 5442–5456. arXiv : 1405,6466 . Bibcode : 2014arXiv1405.6466T . DOI : 10.1002 / hbm.22562 . ISSN 1097-0193 . PMID 24989126 .
- ^ Tagliazucchi, Enzo; Синячкин Михаил; Лауфс, Гельмут; Кьялво, Данте Р. (01.01.2016). «Воксельный функциональный коннектом может быть эффективно получен из коактиваций в разреженном пространственно-временном точечном процессе» . Границы неврологии . 10 : 381. DOI : 10,3389 / fnins.2016.00381 . PMC 4994538 . PMID 27601975 .
- ^ Петриду Наталья; Гаудес, Сезар Кабальеро; Драйден, Ян Л .; Фрэнсис, Сьюзен Т .; Гоуленд, Пенни А. (01.06.2013). «Периоды покоя в фМРТ содержат отдельные спонтанные события, которые связаны с медленно колеблющейся спонтанной активностью» . Картирование человеческого мозга . 34 (6): 1319–1329. DOI : 10.1002 / hbm.21513 . ISSN 1097-0193 . PMC 6869909 . PMID 22331588 .
- ^ Лю, Сяо; Дуйн, Джефф Х. (12 марта 2013 г.). «Изменяющаяся во времени функциональная сетевая информация, извлеченная из кратких примеров спонтанной активности мозга» . Труды Национальной академии наук . 110 (11): 4392–4397. Bibcode : 2013PNAS..110.4392L . DOI : 10.1073 / pnas.1216856110 . ISSN 0027-8424 . PMC 3600481 . PMID 23440216 .
- ^ Лю, Сяо; Чанг, Кэти; Дуйн, Джефф Х. (1 января 2013 г.). «Разложение спонтанной мозговой активности на отдельные паттерны ко-активации фМРТ» . Границы системной нейробиологии . 7 : 101. DOI : 10,3389 / fnsys.2013.00101 . PMC 3913885 . PMID 24550788 .
- ^ Chen, Jingyuan E .; Чанг, Кэти; Greicius, Michael D .; Гловер, Гэри Х. (01.05.2015). «Внедрение показателей паттерна совместной активации для количественной оценки спонтанной динамики сети мозга» . NeuroImage . 111 : 476–488. DOI : 10.1016 / j.neuroimage.2015.01.057 . PMC 4386757 . PMID 25662866 .
- ^ Chang, C .; Гловер, Г. Х. (2010). «Частотно-временная динамика связности мозга в состоянии покоя, измеренная с помощью фМРТ» . NeuroImage . 50 (1): 81–98. DOI : 10.1016 / j.neuroimage.2009.12.011 . PMC 2827259 . PMID 20006716 .
- ^ Weissman-Fogel, I .; Moayedi, M .; Тейлор, Канзас; Папа, G .; Дэвис, К.Д. (2010). «Когнитивные сети и сети состояний покоя в режиме по умолчанию: по-разному ли« отдыхают »мужской и женский мозг?» . Картирование человеческого мозга . 31 (11): 1713–1726. DOI : 10.1002 / hbm.20968 . PMC 6870948 . PMID 20725910 .
- ^ а б Thompson, GJ; Магнусон, Мэн; Мерритт, доктор медицины; Schwarb, H .; Пан, WJ; McKinley, A .; Tripp, LD; Шумахер, EH; Кейльхольц, SD (2013). «Кратковременные окна корреляции между крупномасштабными функциональными сетями мозга предсказывают бдительность внутри и между людьми» . Картирование человеческого мозга . 34 (12): 3280–3298. DOI : 10.1002 / hbm.22140 . PMC 6870033 . PMID 22736565 .
- ^ Thompson, GJ; Мерритт, доктор медицины; Пан, WJ; Магнусон, Мэн; Женихи, JK; Jaeger, D .; Кейльхольц, SD (2013). «Нейронные корреляты изменяющейся во времени функциональной связи у крысы» . NeuroImage . 83 : 826–836. DOI : 10.1016 / j.neuroimage.2013.07.036 . PMC 3815981 . PMID 23876248 .
- ^ Tagliazucchi, E; фон Вегнер, F; Морзелевски, А; Бродбек, В; Лауфс, Х (2012). «Динамическая функциональная связь BOLD у людей и ее электрофизиологические корреляты» . Границы нейробиологии человека . 6 : 339. DOI : 10,3389 / fnhum.2012.00339 . PMC 3531919 . PMID 23293596 .
- ^ Чанг, К; Лю, Z; Чен, MC; Лю, X; Дуйн, JH (2013). «ЭЭГ корреляты изменяющейся во времени ЖИВОЙ функциональной связности» . NeuroImage . 72 : 227–36. DOI : 10.1016 / j.neuroimage.2013.01.049 . PMC 3602157 . PMID 23376790 .
- ^ Mehrkanoon, S; Breakspear, M; Бунстра, TW (2014). «Низкоразмерная динамика корковой активности в состоянии покоя». Топография мозга . 27 (3): 338–52. DOI : 10.1007 / s10548-013-0319-5 . PMID 24104726 .
- ^ Kucyi, A; Саломоны, ТВ; Дэвис, К.Д. (2013). «Разум, уходящий от боли, динамически задействует антиноцицептивные мозговые сети и сети мозга по умолчанию» . Труды Национальной академии наук . 110 (46): 18692–7. Bibcode : 2013PNAS..11018692K . DOI : 10.1073 / pnas.1312902110 . PMC 3832014 . PMID 24167282 .
- ^ Kucyi, A; Дэвис, К.Д. (2014). «Динамическое функциональное соединение сети в режиме по умолчанию отслеживает мечтания». NeuroImage . 100 : 471–80. DOI : 10.1016 / j.neuroimage.2014.06.044 . PMID 24973603 .
- ^ Damaraju, E .; Дж. Тернер, А. Преда, Т. Эрп Ван, Д. Маталон, Дж. М. Форд, С. Поткин, В. Д. Калхун. (2012). «Статическое и динамическое функциональное сетевое соединение в состоянии покоя при шизофрении». Американский колледж нейропсихофармакологии .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Сэнди, MSE; Годфри Д. Перлсон, Дэниел Х. Маталон, Дж. М. Форд, А. Преда, Т. Эрп Ван, В. Д. Калхун. (2021 год). «Множественные перекрывающиеся динамические паттерны зрительной сенсорной сети при шизофрении» . Исследование шизофрении . 228 : 103–111.CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Джонс, ДТ; Vemuri, P .; Мерфи, MC; Гюнтер, JL; Senjem, ML; Мачульда, ММ; Przybelski, SA; Грегг, BE; Kantarci, K .; Кнопман, Д.С. Boeve, BF; Петерсен, RC; Джек-младший, CR (2012). Он, Йонг (ред.). «Нестационарность в« модульной архитектуре »отдыхающего мозга» . PLoS ONE . 7 (6): e39731. Bibcode : 2012PLoSO ... 739731J . DOI : 10.1371 / journal.pone.0039731 . PMC 3386248 . PMID 22761880 .