기능적 자기공명영상

Functional magnetic resonance imaging
「FMRI」는 여기서 리다이렉트 됩니다.장애 관리 리소스 식별자에 대해서는 OpenBSM을 참조하십시오.
기능적 자기공명영상
1206 FMRI.jpg
노란색 영역이 있는 fMRI 이미지는 제어 조건에 비해 활동이 증가했음을 나타냅니다.
목적혈류로 인한 변화를 감지하는 뇌 활동을 측정합니다.

기능성 자기공명영상 또는 기능성 자기공명영상(fMRI)은 [1][2]혈류와 관련된 변화를 감지하여 뇌의 활동을 측정합니다.이 기술은 뇌의 혈류와 신경의 활성화가 결합되어 있다는 사실에 의존한다.뇌의 한 부위가 사용되면,[3] 그 부위로 가는 혈류량도 증가한다.

fMRI의 1차 형태는 1990년 오가와 세이지가 발견한 혈액 산소 농도 의존성([4]BOLD) 대조도를 사용한다.이는 [4]뇌세포의 에너지 사용과 관련된 혈류 변화(혈류반응)를 영상화함으로써 사람 또는 다른 동물의 뇌 또는 척수 신경 활동을 지도화하는 데 사용되는 특수 뇌 및 신체 스캔의 일종이다.1990년대 초부터, fMRI는 주사, 수술, 물질의 섭취, 이온화 [5]방사선의 노출을 수반하지 않기 때문에 뇌 지도 연구를 지배하게 되었다.이 측정은 다양한 소스의 노이즈로 인해 자주 손상되므로 통계 절차를 사용하여 기본 신호를 추출합니다.결과적인 뇌 활성화는 뇌 또는 연구된 특정 영역에 걸친 활성화 강도를 컬러 코딩함으로써 그래픽으로 나타낼 수 있다.이 기술은 활동을 밀리미터 이내로 국부화할 수 있지만, 표준 기술을 사용하면 [6]몇 초 안에 하는 것보다 나을 수 없습니다.조영제를 얻는 다른 방법으로는 동맥[7] 스핀 라벨링과 확산 MRI가 있습니다. 확산 MRI는 BOLD fMRI와 유사하지만 뇌에서 물 분자의 확산 정도에 따라 조영제를 제공합니다.

과제 또는 자극으로 인한 활동에서 BOLD 반응을 감지하는 것 외에도, fMRI는 피험자의 기준 BOLD 분산을 보여주는 정지 상태 또는 부정 과제 상태를 측정할 수 있다.약 1998년 이후 연구들은 디폴트 모드 네트워크의 존재와 속성을 보여주었는데, 이는 명백한 휴식 중인 뇌 상태의 기능적으로 연결된 신경 네트워크이다.

fMRI는 연구에 사용되며 임상 작업에는 덜 사용됩니다.그것은 뇌파그래피(EEG), 근적외선분광학(NIRS)과 같은 뇌 생리의 다른 측정치를 보완할 수 있다.공간 분해능과 시간 분해능을 모두 향상시키는 새로운 방법이 연구되고 있으며, 이러한 방법들은 BOLD 신호 이외의 바이오마커를 주로 사용한다.일부 회사는 fMRI 기술을 기반으로 거짓말 탐지기와 같은 상용 제품을 개발했지만, 이 연구는 광범위한 상업적 [8]사용을 위해 충분히 개발되지 않은 것으로 여겨진다.

개요

fMRI 개념은 초기 MRI 스캔 기술과 산소가 풍부한 혈액의 특성을 발견하는 데 기초하고 있습니다.MRI 뇌 스캔은 연구 대상 뇌 영역의 핵을 정렬하기 위해 강력하고 영구적인 정적 자기장을 사용합니다.그리고 다른 자기장, 경사장이 다른 핵을 공간적으로 위치시키기 위해 인가된다.마지막으로 무선주파수(RF) 펄스가 재생되어 핵이 높은 자화 수준으로 올라갑니다.이 효과는 핵의 위치에 따라 달라집니다.RF장이 제거되면 핵은 원래 상태로 돌아가며 방출되는 에너지를 코일로 측정하여 핵의 위치를 재현합니다.따라서 MRI는 뇌의 물질에 대한 정적인 구조적 관점을 제공한다.fMRI의 핵심 추진력은 신경 활동에 의해 야기된 뇌의 기능적 변화를 포착하기 위해 MRI를 확장하는 것이었다.동맥혈(산소가 풍부한)과 정맥혈(산소가 부족한) 사이의 자기 특성 차이가 이러한 연관성을 [9]제공했다.

Researcher checking fMRI images.
연구자가 fMRI 영상 확인

1890년대부터 뇌의 혈류 변화와 혈류 산소화는 신경 [10]활동과 밀접하게 연관되어 있는 것으로 알려져 왔다.뉴런이 활성화되면 뇌 부위로 가는 국소 혈류량이 증가하고 산소가 풍부한 혈액(산소가 부족한 혈액)이 약 2초 후에 대체된다.이 값은 4~6초 동안 피크에 도달한 후 원래 레벨로 돌아갑니다(통상은 언더슈팅이 약간 필요).산소는 적혈구의 헤모글로빈 분자에 의해 운반된다.탈산소 헤모글로빈(dHb)은 산소화된 헤모글로빈(Hb)보다 자기(반자성)에 더 강하다.이 차이는 반자성 혈액이 자기 MR 신호를 덜 방해하기 때문에 MR 신호가 개선됩니다.이 개선은 어떤 뉴런이 한 [11]번에 활동하는지 보여주기 위해 매핑될 수 있다.

역사

Michael Faraday first noted that dried blood is not magnetic and "Must try recent fluid blood." in diary dated 8th November 1845. This was cited in Pauling & Coryell (1945).
마이클 패러데이는 1845년 11월 8일자 일기에서 건조한 혈액은 자성이 없으며 "최근의 유체 혈액을 시도해봐야 한다"고 처음 언급했다.이것은 폴링 & 코릴(1945)에 인용되었다.

19세기 후반 안젤로 모소는 감정과 지적 활동 [12]중 혈액의 재분배를 비침습적으로 측정할 수 있는 '인간 순환 균형'을 발명했다.그러나 1890년 윌리엄 제임스에 의해 간단히 언급되었지만, 이 균형과 모소가 수행한 실험의 세부사항과 정확한 작동은 스테파노 샌드론과 [13]동료들의 보고뿐만 아니라 원래의 악기의 최근 발견까지 거의 알려지지 않았다.Angelo Moso는 '신호 대 잡음 비', 실험 패러다임의 적절한 선택, 다른 [13]생리학적 매개변수의 동시 기록의 필요성 등 현대 신경 영상에 여전히 관련된 몇 가지 중요 변수를 조사했다.Mosso의 원고 직접 증거 하지만 현대적인 복제 데이비드 TField[14]에서 수행한 지금 Mosso에 현대적 신호 처리 기술 사용을 사용하여 이 형식의 균형 장치 c를 간파할 수 있다는 것이 증명되고 있는 균형은 정말로 인해 cognition,[13]대뇌의 혈류에서의 변화를 측정할 수 있었을까 제공하지 않는다hanges뇌혈액에서 [citation needed]인지능력과 관련이 있다.

1890년 찰스 로이와 찰스 쉐링턴은 캠브리지 대학에서 [15]뇌 기능과 혈류를 실험적으로 연결시켰다.뇌로 가는 혈류를 측정하는 방법을 해결하기 위한 다음 단계는 1936년 라이너스 폴링과 찰스 코릴이 발견한 것인데, Hb를 가진 산소가 풍부한 혈액은 자기장에 의해 약하게 거부되는 반면, dHb를 가진 산소가 부족한 혈액은 철과 같은 강자성 원소보다는 덜하지만 자기장에 끌린다는 것이다.AT&T Bell 연구소의 오가와 세이지 박사는 활성화된 뇌 영역의 혈류에 의해 야기되는 dHb와 Hb의 다른 자기 특성이 MRI 신호에 측정 가능한 변화를 일으킬 수 있기 때문에 뇌의 정적 구조만을 연구할 수 있는 MRI를 증강하는 데 사용할 수 있다는 것을 인식했다.BOLD는 1990년 오가와가 발견한 dHb의 MRI 대비입니다.1990년 Thulborn 등의 초기 연구를 바탕으로 한 반년차 연구에서 오가와와 동료들은 설치류를 강한 자기장(7.0T) MRI로 스캔했다.혈중 산소 농도를 조절하기 위해 동물들이 호흡하는 산소의 비율을 변화시켰다.이 비율이 떨어지면서 뇌 혈류 지도가 MRI를 통해 관찰되었습니다.그들은 산소화 또는 탈산소화된 혈액이 들어있는 시험관을 놓고 별도의 이미지를 만들어 이를 검증했다.그들은 또한 T 붕괴라고 불리는2* 자화 손실의 형태에 의존하는 구배 반향 이미지가 가장 좋은 이미지를 만들어 낸다는 것을 보여주었다.이러한 혈류 변화가 뇌의 기능적 활동과 관련이 있다는 것을 보여주기 위해 쥐가 호흡하는 공기의 구성을 바꾸고 뇌파 [16]검사로 뇌 활동을 관찰하면서 그것들을 스캔했다.MRI를 사용하여 국소 뇌 활동을 감지하는 첫 번째 시도는 정맥주사 후 혈류에 남아 있는 상사성 물질인 조영제 마그네비스트를 사용하여 하버드 대학의[17] 벨리보와 동료들에 의해 수행되었다.그러나 이 방법은 조영제 주입이 불편하고 혈액 내에 머무는 시간이 [18]짧기 때문에 인체 fMRI에서는 인기가 없다.

1992년 세 가지 연구가 인간의 BOLD 대조도를 사용하여 최초로 탐구한 것이다.Kenneth Kwong과 동료들은 1.5T의 자기장 강도로 구배 에코 및 반전 복구 에코 평면 영상(EPI) 시퀀스를 모두 사용하여 인간 시각 [19]피질의 명확한 활성화를 보여주는 연구를 발표했다.그 결과 하버드 연구팀은 혈류와 혈액량이 활동 신경조직에서 국소적으로 증가했음을 보여주었다.오가와와 다른 사람들은 더 높은 필드(4.0T)를 사용하여 유사한 연구를 수행했으며 BOLD 신호가 T2*의 자화 손실에 의존한다는 것을 보여주었다.T2* 붕괴는 공간의 부피에서 자화된 핵이 서로 충돌하여 자기 일관성을 잃고(횡방향 자화) 위치 간에 적용된 자기장 강도의 의도적인 차이(공간 구배로부터의 필드 불균일성)로 인해 발생합니다.반데티니와 동료들은 자발적인 움직임을 제어하는 회로의 마지막 단계인 1차 운동 피질에서 활성화를 보여주기 위해 1.5T의 EPI를 사용했다.이러한 초기 연구에서 사용된 자기장, 펄스 시퀀스, 절차 및 기법은 여전히 현재의 fMRI 연구에 사용됩니다.그러나 오늘날 연구자들은 일반적으로 더 많은 슬라이스에서 데이터를 수집하고(더 강한 자기 구배를 사용), 통계 [20]기법을 사용하여 데이터를 전처리 및 분석합니다.

생리학

뇌는 주요 에너지원인 포도당을 많이 저장하지 않는다.뉴런이 활성화되면, 분극의 원래 상태로 되돌리는 것은 양쪽 방향의 뉴런 세포막을 가로질러 이온을 활발하게 펌프하는 것을 필요로 한다.이온 펌프의 에너지는 주로 포도당에서 생산됩니다.더 많은 혈액이 더 많은 포도당을 운반하기 위해 유입되고, 또한 적혈구에서 산소화된 헤모글로빈 분자의 형태로 더 많은 산소를 가져온다.혈류량이 많아지고 혈관이 확장되기 때문입니다.혈류 변화는 신경 활동이 있는 곳에서 2~3mm 이내로 국소화된다.일반적으로 반입된 산소는 연소하는 포도당에서 소비되는 산소보다 많고(대부분의 포도당 소비가 산화적인지는 아직 확인되지 않음), 이것은 뇌 혈관에서 탈산소 헤모글로빈의 순 감소를 야기합니다.이는 혈액의 자기 특성을 변화시켜 MRI 과정에 [21]의해 유발되는 자화와 최종 붕괴를 덜 방해하게 합니다.

뇌혈류(CBF)는 뇌 부위에 따라 다르게 소비된 포도당에 대응합니다.초기 결과에 따르면 편도체, 기저신경절, 시상 및 대상피질과 같은 영역에서 포도당 섭취량보다 더 많은 유입량이 있으며, 이들 모두는 빠른 반응을 위해 모집된다.외측 전두엽과 외측 두정엽과 같이 보다 신중한 부위에서는 유입 흐름이 소비량보다 적은 것으로 보입니다.이는 BOLD [22]감도에 영향을 미칩니다.

헤모글로빈은 산소 분자가 결합되어 있는지에 따라 자기장에 반응하는 방식이 다릅니다.dHb 분자는 자기장에 더 끌린다.따라서, 그것은 MRI 스캐너에 의해 유발된 주변 자기장을 왜곡시키고, T 붕괴를2* 통해 그곳의 핵이 더 빨리 자화를 잃게 합니다.따라서 T에 민감한2* MR 펄스 시퀀스는 혈액이 고산소화된 경우에는 더 많은 MR 신호를 나타내고 그렇지 않은 경우에는 더 적은 MR 신호를 보여준다.이 효과는 자기장 강도의 제곱에 따라 증가합니다.따라서 fMRI 신호에는 강력한 자기장(1.5T 이상)과 T [23]콘트라스트에2* 민감한 EPI 등의 펄스 시퀀스가 모두 필요합니다.

생리적 혈류 반응은 주로 시간적 민감도, 즉 뉴런이 활성화되었을 때 얼마나 정확하게 측정할 수 있는지를 BOLD fMRI에서 결정합니다.기본 시간 분해능 매개변수(샘플링 시간)는 TR로 지정됩니다. TR은 특정 뇌 슬라이스가 얼마나 자주 들뜨고 자화가 손실되는지를 지정합니다.TR은 매우 짧은 것(500밀리초)에서 매우 긴 것(3초)까지 다양합니다.특히 fMRI의 경우 혈류역학 반응은 10초 이상 지속되며, 증배(즉, 현재 값의 비율) 상승하고, 4 ~ 6초에 정점을 찍은 후 증배 감소한다.혈류 시스템, 혈관 시스템의 변화는 시간이 지남에 따라 신경 활동에 대한 반응을 통합합니다.이 반응은 매끄러운 연속 함수이므로 항상 빠른 TR을 사용하여 표본을 추출하는 것은 도움이 되지 않으며, 단순 선형 보간으로 얻을 수 있는 반응 곡선에 더 많은 점을 제공할 뿐입니다.다양한 시험에서 자극이 제시될 때 비틀거림과 같은 실험 패러다임은 시간 분해능을 개선할 수 있지만,[24] 얻어진 유효 데이터 포인트의 수는 감소시킨다.

BOLD 혈류역학 반응

주요 뇌 기능 이미징 기술 해상도

신경 활동에서 MR 신호의 변화를 혈류역학 반응(HR)이라고 합니다.뇌에서 포도당을 필요로 하는 것에 혈관계가 반응하는 데 시간이 좀 걸리기 때문에 신경계 사건들이 몇 초 정도 지연됩니다.이 시점에서 자극 후 약 5초 후에 정점에 도달합니다.지속적인 자극에 의해 뉴런이 계속 작동하면, 뉴런이 활동적인 동안 피크는 평평한 고원으로 퍼집니다.액티비티가 정지되면 BOLD 신호가 원래 레벨인 베이스라인 아래로 떨어집니다.이것은 언더슈트라고 불리는 현상입니다.시간이 지남에 따라 신호는 베이스라인으로 회복됩니다.뇌 영역의 지속적인 신진대사 요건이 [25]발작 부족에 기여한다는 증거가 있다.

신경계가 더 많은 포도당을 필요로 하는 혈관계에 피드백을 제공하는 메커니즘은 부분적으로 뉴런 발화의 일부로서 글루탐산염의 방출이다.이 글루타메이트는 근처의 지지 세포인 성세포에 영향을 미쳐 칼슘 이온 농도의 변화를 일으킨다.이것은 차례로 성세포와 중간 크기의 혈관인 동맥의 접점에서 산화질소를 방출한다.일산화질소는 동맥을 확장시켜 더 많은 [26]혈액을 끌어당기는 혈관확장제이다.

시간 경과에 따른 단일 복셀의 응답 신호를 시간 경로라고 합니다.일반적으로 스캐너, 무작위 뇌 활동 및 유사한 요소에서 발생하는 노이즈라고 불리는 원치 않는 신호는 신호 자체만큼 큽니다.이를 제거하기 위해 fMRI 연구는 여러 [27]번 자극 제시를 반복한다.

공간 해상도

fMRI 연구의 공간 분해능은 fMRI가 인근 위치를 얼마나 잘 구별하는지 나타낸다.MRI와 같이 복셀의 크기로 측정됩니다.복셀은 3차원 직사각형 입방체로, 치수는 슬라이스 두께, 슬라이스 면적 및 스캔 프로세스에 의해 슬라이스에 가해지는 그리드에 의해 설정됩니다.전체 뇌 연구는 더 큰 복셀을 사용하는 반면, 특정 관심 영역에 초점을 맞춘 연구는 일반적으로 더 작은 크기를 사용합니다.크기는 4~5mm, 층 분해능 fMRI(layer resolution fMRI)에서 서브밀리미터까지 [28]다양합니다.작은 복셀은 평균적으로 더 적은 수의 뉴런을 포함하고 혈류량이 적기 때문에 큰 복셀보다 신호가 적다.스캔 시간이 슬라이스당 복셀 수와 슬라이스 수에 따라 직접 증가하므로 복셀이 작을수록 스캔 시간이 길어집니다.이로 인해 스캐너 내부의 피사체가 불편해지고 자화 신호가 손실될 수 있습니다.복셀은 전형적으로 몇 백만 개의 뉴런과 수백억 개의 시냅스를 포함하고 있으며,[29] 실제 숫자는 복셀 크기와 촬영되는 뇌의 영역에 따라 달라집니다.

신선한 혈액을 공급하는 혈관 동맥 시스템은 뇌 표면과 뇌 내 영역으로 들어가면서 점점 더 작은 혈관으로 분기하고, 뇌 내에서 연결된 모세혈관 바닥으로 끝납니다.비슷하게, 배수 시스템은 산소가 부족한 피를 운반하면서 점점 더 큰 정맥으로 합쳐집니다.fMRI 신호에 대한 dHb의 기여는 활동 영역 근처의 모세혈관과 더 멀리 떨어져 있을 수 있는 더 큰 배수 정맥 모두에서 발생합니다.좋은 공간 분해능을 위해, 큰 정맥으로부터의 신호는 신경 활동이 있는 영역에 해당되지 않기 때문에 억제될 필요가 있다.이는 강력한 정적 자기장을 사용하거나 스핀 에코 펄스 [30]시퀀스를 사용하여 달성할 수 있습니다.이를 통해 fMRI는 밀리미터에서 센티미터까지의 공간적 범위를 조사할 수 있으며, 따라서 Brodmann 영역(센타), 미간, 창상, 시상 등의 피질하핵 및 결합된 치상회/CA3, CA1 [31]및 하정맥 등의 해마 서브필드를 식별할 수 있다.

시간 분해능

시간 분해능은 fMRI에 의해 확실하게 분리된 신경 활동의 최소 기간이다.이를 결정하는 요소 중 하나는 샘플링 시간인 TR입니다.그러나 1초 또는 2초 미만의 TR에서는 스캐닝이 더 날카로운 혈류역학 응답(HR) 곡선을 생성하기만 하며, 추가 정보는 추가하지 않는다(예: 낮은 TR에서 곡선 간격을 수학적으로 보간함으로써 달성되는 것 이상).시간 분해능은 여러 번의 시행에 걸쳐 엇갈린 자극 제시를 통해 개선될 수 있다.데이터 시행의 1/3이 정상적으로 샘플링되고 1/3이 1초, 4초, 7초 등에서 샘플링되며, 마지막 1/3이 2초, 5초, 8초에서 분해능이 제공되지만, 결합된 데이터는 3분의 1의 총 사건만 제공한다.

필요한 시간 해결은 다양한 사건의 두뇌 처리 시간에 따라 달라집니다.여기서 광범위의 예는 시각처리시스템에 의해 제시된다.눈이 보는 것은 1밀리초 안에 망막의 광수용체에 기록된다.이 신호들은 시상을 통해 10밀리초 안에 1차 시각피질에 도달한다.보는 행위와 관련된 신경 활동은 100밀리초 이상 지속된다.자동차 충돌을 피하기 위해 방향을 바꾸는 등의 빠른 반응에는 약 200ms가 소요됩니다.0.5초 정도 지나면 사건의 인식과 반성이 시작된다.유사한 사건을 기억하는 것은 몇 초가 걸릴 수 있고 공포의 흥분과 같은 감정적 또는 생리적인 변화는 몇 분 또는 몇 시간 동안 지속될 수 있다.얼굴 또는 장면 인식과 같은 학습된 변경은 며칠, 몇 달 또는 몇 년 동안 지속될 수 있습니다.대부분의 fMRI 실험은 몇 초 동안 지속되는 뇌 과정을 연구하며, 연구는 수십 분에 걸쳐 수행됩니다.피험자는 그 시간 동안 머리를 움직일 수 있으며, 이 머리 움직임을 보정해야 합니다.시간이 지남에 따라 베이스라인 신호에서 드리프트가 발생합니다.지루함과 학습은 주제 행동과 인지 [32]과정을 모두 바꿀 수 있다.

액티베이션으로부터의

한 사람이 두 가지 작업을 동시에 또는 겹치는 방식으로 수행할 경우, BOLD 응답은 선형적으로 추가됩니다.이것은 연속적으로 미분 가능한 시스템이 섭동이 작을 때 선형으로 동작할 것으로 기대할 수 있다는 원리에 기초한 많은 fMRI 연구의 기본 가정이다. 즉, 1차까지 선형이다.선형 덧셈은 결합(함께 추가)되기 전에 개별 응답에 허용되는 유일한 연산이 각 응답의 개별 스케일링임을 의미합니다.스케일링은 단지 일정한 숫자에 의한 곱셈이기 때문에, 예를 들어 다른 숫자에 비해 두 배의 신경 반응을 일으키는 사건은 동시에 두 번 나타나는 첫 번째 사건으로 모델링될 수 있습니다.그러면 이중 이벤트의 HR은 단일 이벤트의 두 배만 됩니다.

거동이 선형인 한, 임의의 자극에 대한 BOLD 응답의 시간 경로는 충동 BOLD 응답과 함께 해당 자극의 회전으로 모델링될 수 있다.정확한 시간 코스 모델링은 BOLD 응답 [33][34]크기를 추정하는 데 중요합니다.

이 강력한 가정은 1996년에 Boynton과 동료들에 의해 처음 연구되었고, 그들은 1초에 8번 깜박이는 패턴의 1차 시각 피질에 미치는 영향을 확인하고 3초에서 24초 동안 제시했습니다.그 결과 영상의 시각적 대비가 증가했을 때 HR 모양은 그대로 유지되지만 진폭이 비례적으로 증가하는 것으로 나타났다.일부 예외를 제외하고, 더 긴 자극에 대한 반응은 동일한 더 긴 지속 시간에 합산된 여러 짧은 자극에 대한 반응을 합산하여 추론할 수 있다.1997년에 Dale과 Buckner는 일정 기간의 블록이 아닌 개별 사건의 합계가 동일한지 여부를 테스트했고, 그들이 합계를 냈다는 것을 발견했다.그러나 그들은 또한 2초 미만의 시간 간격에서 선형 모형으로부터의 편차를 발견했다.

fMRI 응답의 비선형성의 원천은 제시된 자극의 뇌 활동이 후속 유사한 자극에 대한 추가 활동을 억제하는 내화기이다.자극이 짧아질수록 내화 기간이 더욱 뚜렷해진다.내화 주기는 연령에 따라 변화하지 않으며 HR의[citation needed] 진폭도 변화하지 않습니다.그 기간은 뇌 부위에 따라 다르다.일차 운동 피질 및 시각 피질 모두에서 HR 진폭은 자극 또는 반응의 지속 시간에 따라 선형적으로 확장됩니다.대응하는 2차 영역, 운동 거동의 계획에 관여하는 보조 운동 피질 및 운동에 민감한 V5 영역에서는 강한 내화 기간을 볼 수 있으며 HR 진폭은 자극 범위 또는 응답 기간에 걸쳐 일정하게 유지된다.내화효과는 사람이 어떤 자극의 특징을 [35]새로운 것으로 구별하는지 보기 위해 습관화와 유사한 방법으로 사용될 수 있다.포화 상태 때문에 선형성에 대한 추가 한계가 있습니다. 자극 수준이 크면 최대 BOLD 응답에 도달합니다.

을 BOLD 와 일치시킵니다.

연구원들은 이식된 전극으로부터의 신호와 EEG와 MEG로부터의 전위 신호를 모두 대조하여 BOLD 신호를 확인했습니다.신경 시냅스 후 활동과 내부 뉴런 처리를 모두 포함하는 국소장 전위는 BOLD 신호를 [36]더 잘 예측합니다.볼드 콘트라스트는 주로 뉴런에 대한 입력과 뉴런의 체내 통합 처리를 반영합니다.뉴런의 발화량은 감소합니다.사람의 경우, 전극은 치료로 수술이 필요한 환자에게만 이식될 수 있지만, 증거는 적어도 청각 피질과 1차 시각 피질에 비슷한 관계를 시사한다.피질 영역(뇌 표면 영역)에서 BOLD fMRI에 의해 검출된 활성화 위치는 PET 스캔의 CBF 기반 기능 맵과 일치하는 것으로 알려져 있다.망막에서 시각 입력을 시각 피질로 중계하는 시상 측면 유전핵(LGN)과 같은 불과 몇 밀리미터 크기의 일부 부위는 시각 입력과 함께 제시될 때 BOLD 신호를 올바르게 생성하는 것으로 나타났습니다.이 과제에는 펄비나 핵과 같은 인근 영역이 자극되지 않았으며, 적어도 시상핵에서 BOLD 응답의 공간적 범위에 대한 밀리미터 분해능을 나타냈다.쥐의 뇌에서, 단일 수염의 접촉은 체감각 [37]피질에서 볼드한 신호를 유도하는 것으로 나타났다.

그러나 BOLD 신호는 한 영역에서 피드백과 피드포워드 활성 네트워크를 분리할 수 없습니다. 혈관 응답 속도가 느리다는 것은 최종 신호가 전체 영역 네트워크의 합계 버전임을 의미하며, 처리가 진행됨에 따라 혈류 흐름이 중단되지 않습니다.또한 다른 뉴런으로부터의 뉴런에 대한 억제 및 흥분성 입력이 모두 합산되어 BOLD 신호에 기여한다.뉴런 내에서 이 두 입력은 상쇄될 [38]수 있습니다.BOLD 반응은 또한 질병, 진정, 불안, [39]혈관을 확장시키는 약물 및 주의력(신경 조절)[40]을 포함한 다양한 요인에 의해 영향을 받을 수 있습니다.

BOLD 신호의 진폭이 반드시 모양에 영향을 미치는 것은 아닙니다.더 강한 신경 활동을 위해 더 높은 진폭 신호를 볼 수 있지만, 더 약한 신호와 같은 위치에서 피크를 이룰 수 있습니다.또한 진폭은 반드시 동작 성능을 반영하는 것은 아닙니다.복잡한 인지 태스크는 처음에는 양호한 수행과 관련된 고진폭 신호를 트리거할 수 있지만, 피험자가 그것을 더 잘함에 따라, 그 진폭이 같은 수행과 함께 감소할 수 있다.이는 작업 [41]수행 효율성이 향상되었기 때문일 것으로 예상됩니다.뇌 영역의 BOLD 반응은 뉴런의 밀도와 혈액 공급 특성이 뇌 전체에서 일정하지 않기 때문에 동일한 작업에서도 직접 비교할 수 없다.그러나 BOLD 응답은 종종 동일한 뇌 영역과 [42]과제에 대해 피험자 간에 비교될 수 있다.

보다 최근의 BOLD 신호 특성 분석에서는 설치류에서 광유전학적 기술을 사용하여 신경 발화를 정밀하게 제어하면서 동시에 높은 필드 자석을 사용하여 BOLD 반응을 모니터링합니다("optofMRI"[43][44]라고도 함).이러한 기법은 신경 발사가 측정된 BOLD 신호와 밀접하게 간격을 둔 신경 [45]발사의 버스트에 걸쳐 BOLD 신호의 대략적인 선형 합계를 포함하는 BOLD 신호와 잘 연관되어 있음을 시사한다.선형 합계는 일반적으로 사용되는 사건 관련 fMRI [46]설계의 가정이다.

★★★★

의 합성 f자기공명영상

의사들은 fMRI를 사용하여 뇌수술이나 이와 유사한 침습적 치료가 환자에게 얼마나 위험한지를 평가하고 정상적이거나 질병이 있거나 손상된 뇌가 어떻게 기능하는지 알아냅니다.그들은 말하기, 이동, 감지 또는 계획과 같은 중요한 기능과 관련된 영역을 식별하기 위해 뇌를 fMRI로 매핑합니다.이것은 뇌의 수술과 방사선 치료를 계획하는 데 유용하다.임상의들은 또한 해부학적으로 뇌를 지도화하고 종양, 뇌졸중, 머리 및 뇌 손상 또는 알츠하이머와 같은 질병과 자폐증과 같은 발달 [47][48]장애의 영향을 감지하기 위해 fMRI를 사용한다.

개인 게놈 프로젝트 참가자의 뇌의 fMRI 이미지.

fMRI의 임상적 사용은 여전히 연구 사용에 [49]뒤처진다.뇌 병리 환자는 전형적인 연구 대상 집단인 젊고 건강한 지원자보다 fMRI로 스캔하는 것이 더 어렵다.종양과 병변은 신경 활동과 관련이 없는 방식으로 혈류를 변화시켜 신경 HR을 가릴 수 있습니다.항히스타민제와 카페인과 같은 약물은 인사과정에 영향을 [50]미칠 수 있다.일부 환자들은 강박적인 거짓말과 같은 장애를 가지고 있을 수 있는데, 이것은 특정 연구를 [51]불가능하게 만든다.임상적으로 문제가 있는 사람들은 오랫동안 가만히 있는 것이 더 어렵다.머리 받침대나 물림 막대를 사용하면 스캐너 내부에서 발작을 일으키는 간질 환자가 부상을 입을 수 있습니다. 물림 막대를 사용하면 치과 [52]보철물을 사용하는 환자에게 불편함을 줄 수도 있습니다.

이러한 어려움에도 불구하고, fMRI는 기능 영역의 지도 작성, 언어와 기억 영역의 좌-우 반구 비대칭 확인, 발작의 신경 상관 관계 확인, 뇌졸중으로부터 뇌가 부분적으로 회복되는 방법을 연구, 약물 또는 행동 치료법이 얼마나 잘 작용하는지를 테스트하고 알츠하이머의 시작을 감지하는 데 임상적으로 사용되어 왔다.우울증과 같은 장애의 심각성기능 영역을 매핑하고 언어와 기억의 편중화를 이해하면 의사들이 뇌 조직을 수술하고 제거해야 할 때 중요한 뇌 영역을 제거하는 것을 피할 수 있습니다.이는 종양 제거와 난치성 측두엽 간질 환자에게 특히 중요하다. 뇌전증종양을 병변시키려면 기능적으로 유용한 조직이 불필요하게 제거되지 않도록 수술 전 계획이 필요합니다.회복된 우울증 환자는 소뇌에서 변화된 fMRI 활성을 보이며, 이는 재발 경향을 나타낼 수 있다.약물 투여 후 뇌 활동을 측정하는 약리학적 fMRI는 약물이 혈액-뇌 장벽과 [53]약물의 선량 대 효과 정보를 얼마나 투과하는지 확인하는 데 사용될 수 있다.

연구는 주로 붉은털원숭이와 같은 인간이 아닌 영장류에서 이루어진다.이러한 연구는 인간 결과를 확인 또는 예측하고 fMRI 기법 자체를 검증하는 데 모두 사용될 수 있다.그러나 동물에게 가만히 있으라고 동기를 부여하는 것은 어렵고 주스와 같은 전형적인 유도 작용이 동물이 그것을 삼키는 동안 머리를 움직이게 하기 때문에 연구는 어렵다.마카크와 [54]같은 더 큰 동물들의 군집을 유지하는 것도 비용이 많이 든다.

분석 중

fMRI 데이터 분석의 목표는 뇌 활성화와 스캔 중에 피험자가 수행하는 작업 사이의 상관 관계를 감지하는 것입니다.그것은 또한 [55]피험자에서 유도되는 기억과 인식과 같은 특정 인지 상태와의 상관관계를 발견하는 것을 목표로 한다.그러나 활성화의 BOLD 서명은 상대적으로 약하기 때문에 수집된 데이터의 다른 소음원은 신중하게 제어해야 한다.즉, 작업 관련 활성화를 위한 실제 통계 검색을 시작하기 전에 [56]획득된 영상에 대해 일련의 처리 단계를 수행해야 합니다.그럼에도 불구하고, 예를 들어, 사람이 경험하고 있는 감정은 [57]높은 정확도로 fMRI만으로 예측할 수 있다.

★★★★

노이즈는 스터디에 관심 없는 요소에서 MR 신호를 원치 않는 변경입니다.열 소음, 소음, 활동 및 간 및 간 이다.MRI의 5가지 주요 소음원은 열 소음, 시스템 소음, 생리 소음, 무작위 신경 활동 및 사람 간 및 사람 내 작업 간 정신 전략과 행동의 차이이다.열소음은 정적 자기장 강도에 따라 증가하지만 생리적인 노이즈는 자기장 강도의 제곱만큼 증가합니다.신호는 전계 강도의 제곱으로도 곱하기 때문에 생리 노이즈가 전체 노이즈의 큰 비율이기 때문에 전계 강도가 3T를 초과한다고 해서 반드시 그에 비례하여 더 나은 이미지가 생성되는 것은 아닙니다.

열은 전자를 이동시켜 fMRI 검출기의 전류를 왜곡시켜 열 노이즈를 발생시킵니다.온도와 함께 이음이 높아진다.또한 리시버 코일에 의해 감지되는 주파수 범위와 전기 저항에 따라 달라집니다.해부도와 [58]관계없이 모든 복셀에 유사하게 영향을 미칩니다.

시스템의 이음은 이미징 하드웨어에서 발생.한 가지 형태는 스캐너 드리프트로, 시간이 지남에 따라 초전도 자석의 장이 표류하여 발생합니다.또 다른 형태는 뇌 자체의 전류 또는 전압 분포의 변화로 리시버 코일의 변화를 유도하고 그 민감도를 감소시키는 것입니다.이 인덕턴스 효과를 바이패스하기 위해서는 임피던스 매칭이라고 불리는 절차가 사용됩니다.또, 자기장이 균일하지 않은 노이즈도 발생할 수 있습니다.이것은 종종 자기장을 패치하기 위해 피험자의 입에 물리적으로 삽입된 작은 자석인 쉬밍 코일을 사용하여 조정합니다.불균형은 종종 귀와 같은 뇌 부비강 근처에 있고 충치를 오랫동안 막는 것은 불편할 수 있습니다.스캔 프로세스는 겹치는 공간 주파수(샘플 볼륨의 반복 에지)가 각각 라인으로 표시되는 k-공간에서 MR 신호를 수집합니다.이를 복셀로 변환하면 손실과 [59]왜곡이 발생합니다.

생리적인 소음은 호흡, 심장 박동, 또는 피험자가 안절부절못하거나 긴장하거나 버튼을 누르는 등의 신체 반응을 할 때 스캐너의 머리와 뇌의 움직임에서 발생합니다.헤드가 움직이면 스캔이 진행되는 동안 복셀-뉴런 매핑이 변경됩니다.어린이를 스캔할 때 실험 설계 및 스캔 [60]세션 전 훈련의 변경 등 헤드 모션을 줄이기 위해 취할 수 있는 조치가 있지만, 헤드 모션에 의한 소음은 어린이와 함께 작업할 때 특히 문제가 됩니다.fMRI는 슬라이스로 획득되기 때문에, 이동 후 복셀은 그 아래 뉴런이 변했을 때, 우주공간에서 같은 절대적인 위치를 계속 가리킵니다.생리적인 소음의 또 다른 원천은 혈류 속도, 혈량, 그리고 시간에 따른 산소 사용의 변화입니다.이 마지막 구성요소는 생리적 소음의 3분의 2에 기여하며, 이는 [61]다시 총 소음의 주요 원인이다.

최상의 실험 설계를 사용하더라도 피사체에 영향을 미치는 다른 모든 배경 자극(스캐너 소음, 무작위 사고, 물리적 감각 등)을 제어하고 제한할 수 없다.이것들은 실험 조작과는 무관하게 신경 활동을 일으킨다.이는 수학적 모델링에 따르지 않으며 연구 설계에 의해 제어되어야 합니다.

자극에 반응하거나 반응하거나 문제를 해결하기 위한 개인의 전략은 종종 시간과 작업에 따라 변한다.이것은 실험 대상 내에서 실험마다 신경 활동의 변화를 일으킨다.사람마다 신경활동이 다르다.연구자들은 종종 참가자들이 일반적으로 고려 중인 과제를 어떻게 수행하는지 보기 위해 파일럿 연구를 실시합니다.또한 종종 피험자에게 [62]스캔 전에 시험 교육 세션에서 응답하거나 반응하는 방법을 교육합니다.

★★★★

스캐너 플랫폼은 TR마다 피험자 머리의 3D 볼륨을 생성합니다.이 값은 스캔의 복셀당 하나의 값인 복셀 명암값 배열로 구성됩니다.복셀이 차례로 배열되어 입체 구조를 한 줄로 펼칩니다.한 세션의 이러한 볼륨 몇 개가 결합되어 피험자가 헤드 위치를 조정하지 않고 스캐너에 머무른 시간 동안 실행에 해당하는 4D 볼륨을 형성합니다.d 4D 볼볼 볼볼 볼d dd 。그 분석의 첫 번째 부분은 전처리입니다.

전처리의 첫 번째 단계는 기존의 슬라이스 타이밍 보정입니다.MR 스캐너는 서로 다른 시간에 단일 뇌 볼륨 내에서 서로 다른 슬라이스를 획득하므로, 이 슬라이스는 서로 다른 시점의 뇌 활동을 나타냅니다.이 경우 나중에 분석이 복잡해지므로 타이밍 보정이 적용되어 모든 슬라이스가 동일한 시점 기준으로 이동합니다.이것은 복셀의 시간 경로가 점선으로 표시될 때 매끄럽다고 가정함으로써 이루어집니다.따라서 도트를 채워 연속곡선을 작성함으로써 샘플링 프레임이 아닌 다른 시간에서의 복셀의 강도값을 산출할 수 있다.

헤드 모션 보정은 또 다른 일반적인 전처리 단계입니다.머리가 움직일 때 복셀 아래의 뉴런이 움직이기 때문에 그 시간 경로는 과거의 다른 복셀의 시간 흐름을 대부분 나타냅니다.따라서 타임코스 곡선을 효과적으로 절단하여 복셀 간에 붙여넣을 수 있다.움직임 보정은 잘라내기 및 붙여넣기를 실행 취소하면 모든 복셀에 대해 가장 부드러운 시간 경로가 생성되는지를 확인하기 위해 여러 가지 방법으로 이 작업을 실행 취소하려고 시도합니다.취소는 전체 볼륨 데이터를 이동 및 회전하여 움직임을 고려하여 볼륨에 강체 변환을 적용하는 것입니다.변환된 볼륨을 첫 번째 시점의 볼륨과 통계적으로 비교하여 상관 관계 또는 상호 정보와 같은 비용 함수를 사용하여 두 볼륨이 얼마나 잘 일치하는지 확인합니다.최소 비용 함수를 제공하는 변환이 헤드 모션의 모델로 선택되었습니다.헤드는 매우 다양한 방법으로 이동할 수 있기 때문에 모든 후보를 검색할 수 없습니다.또한 현재 체인에서 최초로 시도하는 변환과는 무관하게 최적의 솔루션을 제공하는 알고리즘도 없습니다.

왜곡 보정은 스캐너의 필드 불균형을 설명합니다.한 가지 방법은 앞에서 설명한 바와 같이 시밍 코일을 사용하는 것입니다.다른 하나는 에코 시간이 다른 두 이미지를 획득하여 메인 필드의 필드 맵을 다시 작성하는 것입니다.필드가 균일하면 두 이미지 간의 차이도 균일해집니다.이러한 기술은 스터디 자체와 독립적이므로 진정한 전처리 기법이 아닙니다.바이어스 필드 추정은 왜곡을 보정하기 위해 마르코프 랜덤 필드 및 기대 최대화 알고리즘과 같은 왜곡 노이즈의 수학적 모델을 사용하는 실제 전처리 기법입니다.

일반적으로 fMRI 연구는 fMRI를 사용하는 많은 기능 영상과 MRI를 사용하는 구조 영상을 모두 획득합니다.구조 이미지는 일반적으로 더 높은 분해능이며 다른 신호인 여자 후 T1 자기장 붕괴에 따라 달라집니다.기능 영상에서 관심 영역을 구분하려면 해당 영역을 구조 이미지에 맞춰야 합니다.전뇌 분석을 해도, 최종 결과를 해석하려면 , 즉 액티브 복셀이 어느 영역에 속하는지 파악하려면 , 기능적인 이미지를 구조적인 것에 맞추어야 합니다.이것은 동작 보정 알고리즘과 유사한 코어 등록 알고리즘을 사용하여 이루어집니다.단, 여기서는 분해능이 다르고 발생 신호가 다르기 때문에 강도 값을 직접 비교할 수 없습니다.

일반적인 MRI 연구는 몇 가지 다른 피사체를 스캔합니다.여러 피실험자들에게 결과를 통합하기 위해, 하나의 가능성은 공통의 뇌 지도책을 사용하고, 모든 뇌를 지도책과 일치하도록 조정한 후, 그것들을 하나의 그룹으로 분석하는 것입니다.흔히 사용되는 지도는 장 탈라라크가 만든 노인의 단일 뇌인 탈라라크와 몬트리올 신경과학연구소(MNI)다.두 번째는 100명 이상의 개인의 스캔을 결합하여 만든 확률론적 지도이다.표준 템플릿에 대한 정규화는 스트레칭, 압축 및 뒤틀림의 조합이 대상과 기준의 차이를 감소시키는지를 수학적으로 확인함으로써 이루어집니다.이는 개념적으로는 움직임 보정과 비슷하지만 필요한 변경은 단순히 변환과 회전보다 더 복잡하기 때문에 최적화는 체인의 첫 번째 변환에 따라 더욱 좌우될 수 있습니다.

시간 필터링은 신호에서 관심 없는 주파수를 제거하는 것입니다.복셀의 시간 경과에 따른 강도 변화는 주기 및 높이가 다른 여러 반복파의 합으로 나타낼 수 있습니다.이러한 주기가 x축에 있고 높이가 y축에 있는 플롯을 파워 스펙트럼이라고 하며, 이 플롯은 푸리에 변환 기법을 사용하여 생성됩니다.시간 필터링은 우리에게 관심이 없는 주기적인 파형을 파워 스펙트럼에서 제거한 다음 역 푸리에 변환을 사용하여 복셀의 새로운 시간 경로를 만드는 것과 같습니다.하이패스 필터는 낮은 주파수를 제거합니다.이 기술로 식별할 수 있는 최저 주파수는 TR의 2배의 역수입니다.저역 통과 필터는 고주파수를 제거하고 대역 통과 필터는 특정 관심 범위를 제외한 모든 주파수를 제거합니다.

스무딩 또는 공간 필터링은 인근 복셀의 강도를 평균화하여 뇌 또는 관심 영역에 걸쳐 강도 변화의 부드러운 공간 지도를 생성하는 아이디어입니다.평균화는 종종 모든 공간 지점에서 인접 복셀의 거리에 따라 가중치를 부여하고 벨 곡선에 따라 가중치가 기하급수적으로 떨어지는 가우스 필터를 사용한 컨볼루션으로 이루어집니다.활성화의 진정한 공간 범위, 즉 동시에 활성화된 복셀 클러스터의 확산이 사용된 필터의 폭과 일치하면 이 프로세스는 신호 대 잡음비를 개선한다.또한 각 복셀의 총 노이즈가 벨 곡선의 분포를 따르도록 합니다. 왜냐하면 다수의 독립적인 분포를 합치면 모든 종류의 동일한 분포가 벨 곡선이 한계값으로 생성되기 때문입니다.그러나 예상되는 활성화 공간 범위가 필터와 일치하지 않으면 신호가 [63]감소합니다.

fMRI images from a study showing parts of the brain lighting up on seeing houses and other parts on seeing faces
이 fMRI 이미지들은 집을 볼 때 뇌의 일부가 빛을 내고 얼굴을 볼 때 다른 부분이 빛을 내는 것을 보여주는 연구에서 나온 것이다. 값이 더 더 잘 맞는 )를 .

fMRI 데이터 분석에 대한 한 가지 일반적인 접근법은 일반 선형 모델의 프레임워크 내에서 각 복셀을 개별적으로 고려하는 것이다.모델은 모든 시점에서 혈류역학 반응(HR)이 해당 지점에서 활성 사건의 척도 및 합계 버전과 동일하다고 가정합니다.연구자는 어떤 시점에서 어떤 사건이 활성 상태인지 지정하는 설계 행렬을 생성합니다.하나의 일반적인 방법은 겹치는 이벤트당 하나의 열과 시점당 하나의 행으로 구성된 행렬을 만들고 특정 이벤트(예: 자극)가 해당 시점에서 활성화되어 있는지 표시하는 것입니다.그런 다음 HR의 특정 형태를 가정하고 활성 복셀에서 진폭만 변경할 수 있습니다.설계 행렬과 이 모양은 모든 시점에서 컨볼루션의 수학적 절차를 사용하여 복셀의 정확한 HR 예측을 생성하는 데 사용됩니다.이 예측에는 모든 이벤트를 합산하기 전에 필요한 스케일링이 포함되지 않습니다.

기본 모형은 관측된 HR이 각 사건의 가중치에 의해 축척된 예측 HR이고 잡음이 혼합된 상태에서 추가된 것으로 가정한다.이것은 미지수보다 더 많은 방정식을 갖는 일련의 선형 방정식을 생성합니다.선형 방정식은 방정식과 미지수가 일치할 때 대부분의 조건에서 정확한 해를 가지고 있습니다.따라서 변수 수와 동일한 수로 방정식의 하위 집합을 선택하여 해결할 수 있습니다.단, 이들 솔루션을 왼쪽 방정식에 연결하면 오른쪽과 왼쪽 사이에 불일치, 즉 오류가 발생합니다.GLM 모형은 오차 제곱의 합을 최소화하는 척도 가중치를 찾으려고 합니다.오차가 벨 곡선으로 분포되어 스케일링과 합계 모델이 정확하다면 이 방법은 입증 가능한 최적입니다.GLM 모델에 대한 자세한 수학 설명은 일반 선형 모형을 참조하십시오.

GLM 모형은 다중 복셀 간의 관계 기여도를 고려하지 않습니다.GLM 분석 방법은 복셀 또는 영역의 신호 진폭이 다른 조건보다 높은지 낮은지를 평가하는 반면, 다중 복셀 패턴 분석(MVPA)과 같은 새로운 통계 모델은 복셀 모집단 내에서 여러 복셀의 고유한 기여도를 활용합니다.전형적인 실장에서는 분류기 또는 보다 기본적인 알고리즘이 데이터의 서브셋 내에서 다른 조건의 시행을 구별하도록 훈련된다.그런 다음 나머지(독립적) 데이터의 조건을 예측하여 훈련된 모델을 테스트합니다.이 접근방식은 보통 다양한 스캐너 세션 또는 실행에서 훈련과 테스트를 통해 구현됩니다.분류기가 선형인 경우, 교육 모델은 각 시험 세트 시행의 조건을 결정하는 단일 숫자를 생성하기 전에 각 복셀의 값을 스케일링하는 데 사용되는 가중치 세트입니다.교육 및 테스트 분류자에 대한 자세한 내용은 통계 [64]분류를 참조하십시오.인간의 뇌에서 시각적 객체 인식을 위해 동일한 fMRI 데이터 세트를 사용하는 또 다른 방법은 다중 복셀 패턴 분석(fMRI 복셀)과 [65]에서 설명하는 다중 뷰 학습에 의존하는 것입니다. 이 방법은 메타 휴리스틱 검색과 상호 정보를 사용하여 노이즈가 많은 복셀을 제거하고 중요한 볼드 신호를 선택합니다.

다른 방법과의 조합

fMRI 신호 획득과 참가자의 반응 및 반응 시간 추적을 결합하는 것이 일반적입니다.심장박동수, 호흡, 피부전도율(땀 흘리는 속도) 및 눈의 움직임과 같은 생리학적 측정치가 fMRI와 동시에 포착되는 경우가 있습니다.이 방법은 경두개 자극, 직접 피질 자극, 특히 [66]EEG와 같은 다른 뇌 영상 기술과도 결합될 수 있습니다.또한 fMRI 절차는 근적외선 분광법(NIRS)과 결합하여 옥시헤모글로빈과 디옥시헤모글로빈에 대한 보충 정보를 얻을 수 있습니다.

fMRI 기술은 고유한 강점과 갭 때문에 다른 기술을 보완하거나 보완할 수 있습니다.CT 또는 PET [67]스캔과 같은 다른 스캔 방법에 고유한 이온화 방사선의 위험 없이 뇌 신호를 비침습적으로 기록할 수 있습니다.피질 [68]표면에 치우친 EEG/MEG와는 달리 뇌의 모든 영역에서 신호를 기록할 수도 있다.그러나 fMRI의 시간 분해능은 HR이 최고점에 도달하는 데 수십 초가 걸리기 때문에 EEG의 시간 분해능보다 낮습니다.따라서 EEG와 fMRI를 결합하는 것은 두 가지가 상호 보완적인 강점을 가지고 있기 때문에 잠재적으로 강력하다.EEG는 시간 분해능이 높고 공간 분해능이 높습니다.그러나 동시 획득에서는 fMRI 그라데이션 필드에 의해 트리거되는 다양한 혈류의 EEG 신호와 정적 필드의 [69]EEG 신호를 고려해야 합니다.자세한 내용은 EEG vs fMRI를 참조하십시오.

fMRI는 건강과 질병과 관련된 신경 과정을 포착할 수 있는 잠재력 때문에 두드러지는 반면, TMS와 같은 뇌 자극 기술은 이러한 신경 과정을 바꿀 수 있는 힘을 가지고 있다.따라서, TMS 치료의 작용 메커니즘을 조사하기 위해서는 둘의 조합이 필요하며, 다른 한편으로 순수한 상관관찰에 인과관계를 도입해야 한다.이러한 동시 TMS/fMRI 실험을 위한 최신 설정은 대용량 헤드 코일(일반적으로 버드 케이지 코일)과 해당 버드 케이지 코일 내부에 MR 호환 TMS 코일이 장착되어 있습니다.로컬 및 네트워크 상호 작용을 연구하는 많은 실험에 적용되었습니다.그러나 MR 버드 케이지형 헤드 코일 내부에 배치된 TMS 코일의 고전적인 설정은 오늘날 임상 신경 영상에 사용되는 멀티 채널 수신 어레이에 비해 신호 대 노이즈 비율이 낮은 것이 특징이다.또한 MR 버드케이지 코일 내부에 TMS 코일이 존재하면 TMS 코일 아래, 즉 자극 타깃에 아티팩트가 생긴다.이러한 이유로 새로운 MR 코일 어레이는 현재 동시 TMS/fMRI [71]실험 전용으로 개발되었습니다.

fMRI의 문제

설계.

기준선 조건이 최대 활성화에 너무 가까우면 특정 프로세스가 적절하게 [72]표시되지 않을 수 있습니다.실험 설계의 또 다른 한 가지 한계는 fMRI [72]신호의 인위적인 강도 변화를 초래할 수 있는 헤드 모션이다.

블록 대 사건 관련 설계

블럭 설계에서는 둘 이상의 조건이 블럭에 의해 번갈아 표시됩니다.각 블록은 일정 횟수의 fMRI 스캔의 지속시간을 가지며 각 블록 내에서 하나의 조건만 제시됩니다.관심의 인지 과정에서만 조건을 다르게 함으로써, 조건을 구별하는 fMRI 신호는 관심의 인지 과정을 나타내야 한다.이것은 뺄셈 [73]패러다임으로 알려져 있다.자극에 반응하는 fMRI 신호의 증가는 가법적이다.이는 여러 자극이 연속적으로 나타나는 경우 혈류역학반응(HR)의 진폭이 증가함을 의미한다.각 블록이 HR이 베이스라인으로 복귀할 충분한 시간이 있는 정지상태와 교대로 이루어지면 신호에 최대 변동량이 도입됩니다.따라서 블록 설계는 상당한 통계적 [74][75]힘을 제공한다고 결론짓습니다.그러나 이 방법에는 특히 블록이 몇 개만 사용되는 경우 신호가 헤드 모션과 같은 신호 드리프트에 매우 민감하기 때문에 심각한 단점이 있습니다.또 다른 제한 요인은 의미 있는 결론을 도출하는 것을 방해할 수 있기 때문에 기준선의 선택이 빈약하다는 것이다.또한 반복할 수 없는 많은 업무에도 문제가 있습니다.각 블록 내에서 하나의 조건만 제시되기 때문에 자극 유형의 무작위화는 블록 내에서 가능하지 않다.이것은 각 블록 내의 자극 유형을 매우 예측 가능하게 만듭니다.그 결과,[74][75] 참가자들은 이벤트의 순서를 알게 될 수 있다.

사건 관련 설계는 보다 실제적인 테스트를 가능하게 하지만, 사건 관련 설계의 통계적 힘은 본질적으로 낮다. 왜냐하면 단일 자극 프레젠테이션에 따른 BOLD fMRI 신호의 신호 [76][77]변화가 작기 때문이다.

블록과 사건 관련 설계는 모두 다른 조건에서 특정 인지 과정이 선택적으로 추가될 수 있다고 가정하는 감산 패러다임에 기초한다.이 두 조건 사이의 혈류 차이(BOLD 신호)는 서로 다른 인지 과정을 반영하는 것으로 가정한다.또한, 이 모델은 인지 과정이 일련의 활성 인지 과정에 [73][clarification needed]영향을 미치지 않고 선택적으로 추가될 수 있다고 가정한다.

베이스라인과 액티비티 조건

뇌는 결코 완전히 정지하지 않는다.신경신호 발사를 멈추지 않고 당사자가 살아있는 한 산소를 사용한다.사실, 2001년[78] Stark and Squire의 연구에서 0이 0이 아닐 때: fMRI의 애매한 기준선 조건의 문제, 중앙 측두엽(다른 뇌 영역뿐만 아니라)의 활동은 여러 대체 기준선 조건보다 휴식 중에 상당히 높았다.휴식 중 이 상승된 활동의 효과는 기억 기능과 관련된 작업 조건 동안 활동의 징후를 감소, 제거 또는 반전시키는 것이었다.이러한 결과는 휴식 기간이 유의한 인지 활동과 관련이 있으므로 인지 작업에 대한 최적의 기준선이 아님을 보여준다.기준선 및 활성화 조건을 식별하려면 많은 정보를 해석해야 합니다.여기에는 호흡처럼 간단한 상황도 포함됩니다.사람이 1호흡/5초의 규칙적인 속도로 호흡하고 블록이 10초마다 발생하므로 데이터가 손상되면 주기적인 블록은 데이터에 다른 분산의 동일한 데이터가 될 수 있습니다.

역추론

fMRI 및 MRI와 같은 신경 영상 촬영 방법은 스캔 과정 동안 수행되는 인지 작업에 대한 응답으로 특정 뇌 영역의 활성화를 측정합니다.이 시간 동안 얻은 데이터는 인지 신경과학자들이 인지 [79]기능에서 특정 뇌 영역의 역할에 관한 정보를 얻을 수 있게 해준다.하지만, 연구자들이 이전에 표시된 인지 [80]과정의 활성화를 식별하기 위해 특정 뇌 영역이 주장될 때 문제가 발생합니다.폴드랙은[81] 이 문제를 명확하게 설명합니다.

신경영상 데이터로부터 도출되는 일반적인 종류의 추론은 '인지기능 X가 관여하면 뇌 영역 Z가 활성화된다'는 형태이다.그러나 몇 개의 fMRI 기사의 토론 섹션을 숙독하면 다음과 같은 형태의 추론의 유행이 빠르게 드러날 것이다.
(1) 본 연구에서는 과제 비교 A가 제시되었을 때 뇌 영역 Z가 활성화되어 있었다.
(2) 다른 연구에서는 인지 과정 X가 추정적으로 관여했을 때 뇌 영역 Z가 활성화되었다.
(3) 본 연구의 영역 Z의 활동은 과제 비교 A에 의한 인지 프로세스 X의 관여를 나타낸다.
이것은 뇌 활성화의 존재에서 특정 인지 기능의 관여로 역추론한다는 점에서 '역추론'이다.

역추론은 당신이 방금 발견한 것을 확증하는 논리적 오류를 보여줍니다. 그러나 이 논리는 특정 결과가 특정 사건에 의해서만 생성되는 경우에 의해 뒷받침될 수 있습니다.뇌와 뇌의 기능과 관련하여, 특정 뇌 영역이 오직 하나의 인지 [81]과정에 의해서만 활성화되는 경우는 드물다.역추론의 정당성을 개선하기 위한 몇몇 제안들은 관심 뇌 영역에서 반응의 선택성을 증가시키는 것과 [81]문제의 인지 과정의 이전 확률을 증가시키는 것 모두를 포함했다.그러나 폴드랙은[79] 역추론이 결과를 해석하는 직접적인 수단이 아니라 추가 조사를 지시하는 지침으로 사용되어야 한다고 제안한다.

전진 추론

전진 추론은 경쟁하는 인지 이론을 구별하기 위해 뇌 활성화 패턴을 사용하는 데이터 기반 방법입니다.그것은 인지심리학의 해리논리와 철학의 전진사슬과 특징을 공유한다.예를[82] 들어, Henson은 인식 기억과 관련하여 "단일 프로세스 이론 대 이중 프로세스 이론" 논쟁에 대한 전방 추론의 기여에 대해 논한다.전진 추론은 "기억과 아는 판단"을 구분할 때 두 가지 질적으로 다른 뇌 활성화 패턴이 있음을 보여줌으로써 이중 과정 이론을 뒷받침한다.전진 추론의 주요 문제는 상관적 방법이라는 것이다.따라서 인지 과정 중에 활성화된 뇌 영역이 이러한 [79]과정을 수행하기 위해 완전히 필요하다고 확신할 수 없습니다.사실, 그것을 증명하는 많은 알려진 사례들이 있다.예를 들어, 해마는 고전적인 [83]컨디셔닝 중에 활성화되는 것으로 나타났지만, 병변 연구는 고전적인 컨디셔닝이 해마 [84]없이도 발생할 수 있다는 것을 보여주었다.

리스크

fMRI 연구의 참가자들에게 가장 흔한 위험은 폐쇄공포증이며[85] 임산부가 스캔 과정을 [86]거치는 위험도 보고되었다.또한 스캐닝 세션은 강력한 정적 필드에서 빠르게 전환되는 전류에 의해 경사 코일에 유도되는 로렌츠 힘으로부터 큰 고음 노이즈를 받습니다.경사로 전환은 또한 신경의 경련을 일으키는 전류를 유도할 수 있다.심장 박동기와 같은 이식된 의료기기는 이러한 전류 때문에 오작동할 수 있습니다.들뜸 코일의 무선 주파수장은 몸을 뜨겁게 할 수 있으며, 이는 열이 있는 사람, 당뇨병 환자, 순환 장애가 있는 사람에게 더 주의 깊게 관찰해야 합니다.금속 목걸이 및 기타 보석으로 인한 국소 연소도 [87]위험합니다.

강한 정적 자기장은 근처의 중금속 물체를 끌어당겨 [88]발사체로 변환함으로써 손상을 일으킬 수 있습니다.

매우 강력한 정적 [89][90]자기장에서도 생물학적 위해의 위험이 입증되지 않았습니다.그러나 MRI 스캔의 유전독성(즉, 잠재적으로 발암성) 효과가 체내 및 [91][92][93][94]체외에서 입증되었으며, 최근 검토에서 "예방 [90]원칙에 따라 불필요한 검사를 피하기 위해 추가 연구와 신중한 사용이 필요하다"고 권고했다.CT 스캔과 비교한 MRI의 유전독성 효과 비교에서 Knuuti 외 연구진은 MRI 후 검출된 DNA 손상이 이온화 방사선(저선량 관상동맥 CT 혈관 조영, 핵 영상 및 X선 혈관 조영)을 사용한 스캔에 의해 생성된 것과 동등한 수준이었지만, 이 DA에 의한 메커니즘의 차이가 있다고 보고했다.MRI의 발암 위험이 있는 경우,[95] MRI의 발암 위험은 알려져 있지 않음을 나타냅니다.

고도의 방법

첫 번째 fMRI 연구는 다른 기술로부터 알려진 뇌 활동에 대한 기술이 과제와 관련이 있다는 것을 검증했다.2000년대 초, fMRI 연구는 새로운 상관관계를 발견하기 시작했다.그러나 그들의 기술적 단점은 연구자들이 임상 연구와 연구 연구 모두의 힘을 증가시키기 위해 더 발전된 방법을 시도하도록 자극했다.

공간 분해능 향상

일반적으로 MRI는 EEG 및 MEG보다 공간 분해능이 뛰어나지만 단일 단위 전극과 같은 침습적 시술만큼 분해능은 좋지 않습니다.일반적인 분해능은 밀리미터 범위이지만 초고해상도 MRI 또는 MR 분광기는 수십 마이크로미터의 분해능으로 작동합니다.7T 필드, 쥐 등 작은 동물에 맞는 작은 구멍 스캐너, 미세한 산화철 등 외부 조영제를 사용한다.사람을 장착하려면 더 큰 보어 스캐너가 필요합니다.이 스캐너를 사용하면 특히 필드가 균일해야 하는 경우에는 더 큰 보어 스캐너가 필요합니다.또한 산화철과 달리 BOLD와 같은 내부 콘트라스트나 무독성 외부 콘트라스트제가 필요합니다.

병렬 이미징은 공간 분해능을 향상시키는 또 다른 기술입니다.이것은 들뜸과 수신을 위해 여러 코일을 사용합니다.공간 분해능은 사용된 코일 수의 제곱근에 따라 향상됩니다.이는 코일이 병렬로 결합되어 있는 단계별 어레이를 사용하여 실행할 수 있습니다.또한 샘플 오버랩 영역에는 샘플링의 틈이 있거나 대규모 코일 어레이가 있습니다.이러한 영역은 여자 코일과 분리된 훨씬 밀도가 높은 리시버 세트입니다.그러나 이것들은 뇌 표면에서 신호를 더 잘 포착하고 [citation needed]해마와 같은 더 깊은 구조에서 신호를 덜 포착한다.

시간 분해능 향상

fMRI의 시간 분해능은 (1) 느리게 작동하는 혈류를 상승시키는 피드백 메커니즘 (2) 다시 슬라이스를 샘플링하기 전에 순자화가 회복될 때까지 기다려야 하며 (3) 뇌 전체 또는 관심 영역을 커버하기 위해 여러 슬라이스를 획득해야 한다.시간 분해능을 개선하기 위한 고급 기술은 이러한 문제를 해결합니다.여러 코일을 사용하면 사용된 코일에 정확히 비례하여 수집 시간이 단축됩니다.또 다른 기술은 신호의 어느 부분이 덜 중요한지를 결정하고 그것들을 떨어뜨리는 것입니다.공간 맵에서 자주 반복되는 이미지 섹션(즉, 이미지를 주기적으로 점으로 구분하는 작은 클러스터) 또는 자주 반복되지 않는 섹션(더 큰 클러스터) 중 하나입니다.첫 번째, k공간의 하이패스 필터는 Gary H. Glover와 스탠포드 대학의 동료들에 의해 제안되었습니다.이러한 메커니즘은 연구자가 활성화 이미지의 예상 모양에 대한 아이디어를 가지고 있다고 가정합니다.

일반적인 그라데이션 에코 EPI는 슬라이스 내에서 두 개의 그라데이션 코일을 사용하며, 첫 번째 코일은 켜고 다른 코일은 켜고 k-공간에서 일련의 라인을 추적합니다.두 그라데이션 코일을 모두 켜면 각진 선이 생성되어 동일한 그리드 공간을 더 빨리 커버할 수 있습니다.또한 두 경사 코일은 k공간에서 나선형상을 추적하기 위해 특정 순서로 켤 수 있다.이 나선형 이미징 시퀀스는 그라데이션 에코 시퀀스보다 이미지를 더 빨리 획득하지만 복셀 공간으로 다시 변환하려면 데이터가 그리드 형식(수평 및 수직 방향으로 균일한 간격의 포인트 세트)이어야 하므로 더 많은 산술 변환(및 후속 가정)이 필요합니다.

새로운 콘트라스트 메커니즘

굵은 대비는 혈류에 따라 달라지는데, 혈류는 자극에 대한 반응이 느리고 노이즈가 많은 영향을 받는다.더 나은 대조를 제공하기 위해 현재 검토되고 있는 다른 바이오마커로는 온도, 산도/알칼리성(pH), 칼슘에 민감한 물질, 신경 자기장, 로렌츠 효과 등이 있습니다.온도 대비는 뇌 활동의 변화에 따라 달라집니다.포도당을 처음 태우면 온도가 상승하고, 그 후 신선한 냉혈이 유입되면 온도가 [citation needed]낮아집니다.이러한 변화는 조직의 자기 특성을 변화시킵니다.내부 대비는 측정하기 어렵기 때문에 효과를 높이기 위해 탈륨 화합물 등의 외부제를 사용한다.pH에 기초한 대조도는 뇌세포가 활성화될 때 뇌세포의 산/알칼린 균형 변화에 따라 달라집니다.이것은 외부 에이전트를 사용하는 경우가 많습니다.칼슘에 민감한 약물은 MRI를 칼슘 농도에 더 민감하게 만들며, 칼슘 이온은 종종 활성 뉴런의 세포 신호 전달 경로의 전달자가 됩니다.신경 자기장 대비는 신경 발사에 의한 자기 및 전기적 변화를 직접 측정합니다.로렌츠 효과 이미징은 강력한 정적 [96]영역 내에서 전류를 전달하는 활성 뉴런의 물리적 변위를 측정하려고 시도합니다.

상업용

몇몇 실험들은 사람들의 브랜드 선호도의 신경 상관관계를 보여 주었다.Samuel M. McClure는 사람들이 라벨이 없는 [97]콜라를 마실 때보다 코카콜라를 고의로 마셨을 때 배측 전전두피질, 해마, 중뇌가 더 활발하다는 것을 보여주기 위해 fMRI를 사용했다.다른 연구들은 스포츠카에 대한 남성들의 선호도를 특징짓는 두뇌 활동, 그리고 심지어 9/11 테러의 이미지를 담은 선거 광고에 대한 민주당과 공화당 사이의 반응에서 차이를 보여주었다.뉴로마케팅 회사들은 이러한 연구를 기존의 조사 기법보다 사용자 선호도를 조사하기 위한 더 나은 도구로 활용하고 있다.BrightHouse가 [98]그런 회사 중 하나였는데, 지금은 문을[99] 닫았어요.또 다른 하나는 영국 옥스퍼드 소재 Neurosense로,[100] 고객에게 마케팅 비즈니스 [101]활동의 일부로 fMRI를 사용할 수 있는 방법을 조언합니다.세 번째는 캘리포니아의 [102]Sales Brain입니다.

거짓말 탐지에 fMRI를 사용하도록 설립된 회사는 적어도 두 곳. No Lie MRI와 Cephos Corporation입니다. 거짓말 MRI 서비스는 5,000달러에 육박하지 않습니다.이 회사들은 하버드 대학의 조슈아 그린의 연구에 따르면 [104]거짓말을 생각하는 사람들에게 전전두엽 피질이 더 활발하다는 것과 같은 증거에 의존합니다.

그러나 이러한 기술이 법적 환경에서 사용될 수 있을 만큼 충분한 신뢰성이 있는지에 대해서는 여전히 상당한 논란이 있다. 일부 연구에 따르면 전반적으로 양의 상관관계가 있지만, 조사 결과 간에 상당한 차이가 있으며 경우에 따라서는 조사 [106]결과를 복제하는 데 상당한 어려움이 있는 것으로 나타났다.테네시주 연방법원 판사는 진실을 말한 피고의 주장을 뒷받침하는 fMRI 증거를 금지했다.그 이유는 이러한 스캔이 [107]과학적 증거의 법적 기준에 미치지 못하기 때문이다.대부분의 연구자들은 실제 환경에서 속임수를 탐지하는 fMRI의 능력이 [8][108]확립되지 않았다는 데 동의한다.

fMRI의 사용은 그 역사를 통해 법적 논쟁에서 제외되어 왔다.fMRI를 뒷받침하는 증거에 구멍이 뚫려 이 기술을 사용할 수 없습니다.첫째, fMRI의 정확성을 뒷받침하는 대부분의 증거는 확실한 사실이 있는 통제된 환경에서 연구실에서 이루어졌다.이런 종류의 테스트는 실생활과 관련이 없다.실제 시나리오는 다른 많은 영향을 미치는 [109]요인들과 함께 훨씬 더 복잡할 수 있습니다.전형적인 거짓말 이외에도 많은 다른 요소들이 BOLD에 영향을 미치는 것으로 나타났다.약물 복용이 뇌의 혈류를 변화시킨다는 것을 보여주는 실험들이 행해져 왔고, 이것은 BOLD 실험의 결과에 큰 영향을 끼친다.게다가 정신분열증이나 강박적 거짓말과 같은 질병이나 장애가 있는 사람도 비정상적인 결과를 초래할 수 있다.마지막으로 fMRI 스캔에 관한 윤리적 질문이 있습니다.이 BOLD의 테스트는 fMRI가 사생활 침해인지에 대한 논란으로 이어졌습니다.사람들이 생각하는 것을 스캔하고 해석할 수 있는 것은 부도덕한 것으로 여겨질 수 있고 논란은 여전히 계속되고 있다.[110]

이러한 요인 등으로 인해 fMRI 증거는 어떠한 형태의 법 체계에서도 제외되어 왔다.테스트는 너무 통제되지 않고 예측할 수 없습니다.따라서 fMRI가 법률 [111]시스템의 관점에서 실행 가능한 것으로 간주되기 전에 훨씬 더 많은 테스트를 수행해야 한다고 명시되어 있습니다.

비판

일부 학자들은 종종 저전력 소표본 [112][113]연구에 기초한 문제가 있는 통계 분석에 대해 fMRI 연구를 비판해왔다.다른 fMRI 연구원들은 그들의 연구가 [114]유효하다고 옹호했다.2018년, Turner와 동료들은 작은 크기가 과제 기반 fMRI 연구의 복제 가능성에 영향을 미친다고 제안했으며, 100명 이상의 참가자가 있는 데이터 세트라도 이에 [116][117]대한 논란이 있지만 잘 [115]복제되지 않을 수 있다고 주장했다.

실제지만 풍자적인 fMRI 연구에서 죽은 연어는 다른 감정 상태에 있는 인간의 사진을 보여주었다.일반적으로 사용되는 두 가지 통계 테스트에 따르면, 저자들은 연어의 뇌에서 의미 있는 활동을 암시하는 영역에 대한 증거를 제공했다.연구는 전형적인 fMRI 스캔에서 복셀의 수가 많고 다중 비교 [118][119]문제를 고려할 때 fMRI 연구에서 보다 신중한 통계 분석이 필요하다는 점을 강조하기 위해 사용되었다.2010년 논란이 공표되기 전에는 fMRI에 관한 연구의 25-40%가 수정된 비교를 사용하지 않았다.하지만 2012년에는 그 수가 10%[120]로 떨어졌다.타임지에 기고한 샐리 새텔 박사는 뇌 스캔은 과학적 가치가 있지만, 언론 보도에서 흔히 사용되는 것과 같이, 개별 뇌 영역은 다목적과 "역추론"을 제공하므로 잘못된 [121]결론을 도출할 가능성이 크다고 경고했다.2015년에 fMRI 계산에서 통계 버그가 발견되어 2015년 이전의 최소 40,000 fMRI 연구가 무효화되었을 가능성이 있으며, 연구자들은 버그 수정 이전의 결과를 신뢰할 [122][123]수 없다고 제안한다.또한 소프트웨어에서 파라미터를 설정하는 방법에 따라 잘못된 양의 비율이 결정된다는 것이 나중에 밝혀졌다.즉, 소프트웨어 [124]파라미터를 변경하여 스터디 결과를 결정할 수 있습니다.

2020년 FMRI를 최초로 사용한 연구자 중 한 명인 아흐마드 하리리 교수는 개인에게 fMRI의 신뢰성을 시험하는 대규모 실험을 수행했다.이번 연구에서 그는 fMRI를 사용한 56편의 심리학 논문의 프로토콜을 베꼈다.그 결과 fMRI는 개별 사례에 대해서는 신뢰성이 떨어지지만 일반적인 인간의 사고[125][126][127] 패턴에 대해서는 신뢰성이 뛰어난 것으로 나타났다.

「 」를 참조해 주세요.

메모들

인용문

  1. ^ "Magnetic Resonance, a critical peer-reviewed introduction; functional MRI". European Magnetic Resonance Forum. Retrieved 17 November 2014.
  2. ^ Huettel, Song & McCarthy (2009)
  3. ^ Logothetis, N. K.; Pauls, Jon; Auguth, M.; Trinath, T.; Oeltermann, A. (July 2001). "A neurophysiological investigation of the basis of the BOLD signal in fMRI". Nature. 412 (6843): 150–157. Bibcode:2001Natur.412..150L. doi:10.1038/35084005. PMID 11449264. S2CID 969175. Our results show unequivocally that a spatially localized increase in the BOLD contrast directly and monotonically reflects an increase in neural activity.
  4. ^ a b Huettel, Song & McCarthy (2009년, 페이지 26)
  5. ^ Huettel, Song & McCarthy (2009년, 페이지 4)
  6. ^ Thomas, Roger K (1 January 1993). "INTRODUCTION: A Biopsychology Festschrift in Honor of Lelon J. Peacock". Journal of General Psychology. 120 (1): 5.
  7. ^ Detre, John A.; Rao, Hengyi; Wang, Danny J.J.; Chen, Yu Fen; Wang, Ze (May 2012). "Applications of arterial spin labeled MRI in the brain". Journal of Magnetic Resonance Imaging. 35 (5): 1026–1037. doi:10.1002/jmri.23581. PMC 3326188. PMID 22246782.
  8. ^ a b Langleben, D. D.; Moriarty, J. C. (2013). "Using Brain Imaging for Lie Detection: Where Science, Law and Research Policy Collide". Psychol Public Policy Law. 19 (2): 222–234. doi:10.1037/a0028841. PMC 3680134. PMID 23772173.{{cite journal}}: CS1 maint: 작성자 파라미터 사용(링크)
  9. ^ Huettel, Song & McCarthy (2009년, 페이지 198–200, 208–211)
  10. ^ Huettel, Song & McCarthy (2009년, 168페이지); Roy & Sherrington (1890년)
  11. ^ Huettel, Song & McCarthy (2009년, 페이지 198–200, 208–211)
  12. ^ Sandrone, Stefano; Bacigaluppi, Marco; Galloni, Marco R.; Martino, Gianvito (November 2012). "Angelo Mosso (1846–1910)". Journal of Neurology. 259 (11): 2513–2514. doi:10.1007/s00415-012-6632-1. hdl:2318/140004. PMID 23010944. S2CID 13365830.
  13. ^ a b c Sandrone, Stefano; Bacigaluppi, Marco; Galloni, Marco R.; Cappa, Stefano F.; Moro, Andrea; Catani, Marco; Filippi, Massimo; Monti, Martin M.; Perani, Daniela; Martino, Gianvito (February 2014). "Weighing brain activity with the balance: Angelo Mosso's original manuscripts come to light". Brain. 137 (2): 621–633. doi:10.1093/brain/awt091. PMID 23687118.
  14. ^ Field, David T.; Inman, Laura A. (February 2014). "Weighing brain activity with the balance: a contemporary replication of Angelo Mosso's historical experiment". Brain. 137 (2): 634–639. doi:10.1093/brain/awt352. PMID 24408614.
  15. ^ 라이클 (2000년, 페이지 39)
  16. ^ 로고테티스(2008년, 페이지 S3); 오가와 외(1990년)
  17. ^ Belliveau, J.; Kennedy, D.; McKinstry, R.; Buchbinder, B.; Weisskoff, R.; Cohen, M.; Vevea, J.; Brady, T.; Rosen, B. (1 November 1991). "Functional mapping of the human visual cortex by magnetic resonance imaging". Science. 254 (5032): 716–719. Bibcode:1991Sci...254..716B. doi:10.1126/science.1948051. PMID 1948051.
  18. ^ Huettel, Song & McCarthy (2009년, 페이지 204-5)
  19. ^ Kwong, K K; Belliveau, J W; Chesler, D A; Goldberg, I E; Weisskoff, R M; Poncelet, B P; Kennedy, D N; Hoppel, B E; Cohen, M S; Turner, R (15 June 1992). "Dynamic magnetic resonance imaging of human brain activity during primary sensory stimulation". Proceedings of the National Academy of Sciences of the United States of America. 89 (12): 5675–5679. Bibcode:1992PNAS...89.5675K. doi:10.1073/pnas.89.12.5675. PMC 49355. PMID 1608978.
  20. ^ Huettel, Song & McCarthy (2009년, 페이지 205–208년)
  21. ^ Huettel, Song & McCarthy (2009년, 페이지 6-7)
  22. ^ Huettel, Song & McCarthy (2009년, 199페이지)
  23. ^ Huettel, Song & McCarthy (2009년, 페이지 194)
  24. ^ Huettel, Song & McCarthy (2009년, 페이지 220–229년)
  25. ^ Huettel, Song & McCarthy (2009년, 페이지 208–214)
  26. ^ 오가와&성(2007)
  27. ^ Huettel, Song & McCarthy (2009년, 243-45페이지)
  28. ^ Sharoh, Daniel; van Mourik, Tim; Bains, Lauren J.; Segaert, Katrien; Weber, Kirsten; Hagoort, Peter; Norris, David G. (15 October 2019). "Laminar specific fMRI reveals directed interactions in distributed networks during language processing". Proceedings of the National Academy of Sciences of the United States of America. 116 (42): 21185–21190. doi:10.1073/pnas.1907858116. PMC 6800353. PMID 31570628.
  29. ^ Huettel, Song & McCarthy (2009년, 페이지 214–220)
  30. ^ Logothetis (2008년, 페이지)S4~S6)
  31. ^ Carr, Rissman & Wagner (2010)
  32. ^ Huettel, Song & McCarthy (2009년, 페이지 220–29)
  33. ^ Cohen, Mark S. (August 1997). "Parametric Analysis of fMRI Data Using Linear Systems Methods". NeuroImage. 6 (2): 93–103. doi:10.1006/nimg.1997.0278. PMID 9299383. S2CID 7708045.
  34. ^ Boynton, Geoffrey M.; Engel, Stephen A.; Glover, Gary H.; Heeger, David J. (1 July 1996). "Linear Systems Analysis of Functional Magnetic Resonance Imaging in Human V1". The Journal of Neuroscience. 16 (13): 4207–4221. doi:10.1523/JNEUROSCI.16-13-04207.1996. PMC 6579007. PMID 8753882.
  35. ^ Huettel, Song & McCarthy (2009년, 페이지 229–37)
  36. ^ Logothetis, Nikos K.; Pauls, Jon; Augath, Mark; Trinath, Torsten; Oeltermann, Axel (July 2001). "Neurophysiological investigation of the basis of the fMRI signal". Nature. 412 (6843): 150–157. Bibcode:2001Natur.412..150L. doi:10.1038/35084005. PMID 11449264. S2CID 969175.
  37. ^ 킴 등 (2000, 페이지 109–110)
  38. ^ Huettel, Song & McCarthy (2009년, 페이지 209–210)
  39. ^ Bulte (2006, 페이지 48)
  40. ^ 로고테티스 (2008년, 페이지 S7–S8)
  41. ^ Huettel, Song & McCarthy (2009년, 페이지 209–210)
  42. ^ 킴 등 (2000, 페이지 107–198)
  43. ^ Desai, M.; Kahn, I.; Knoblich, U.; Bernstein, J.; Atallah, H.; Yang, A.; Kopell, N.; Buckner, R. L.; Graybiel, A. M.; Moore, C. I.; Boyden, E. S. (2011). "Mapping brain networks in awake mice using combined optical neural control and fMRI". Journal of Neurophysiology. 105 (3): 1393–1405. doi:10.1152/jn.00828.2010. PMC 3074423. PMID 21160013.
  44. ^ Lee, Jin Hyung; Durand, Remy; Gradinaru, Viviana; Zhang, Feng; Goshen, Inbal; Kim, Dae-Shik; Fenno, Lief E.; Ramakrishnan, Charu; Deisseroth, Karl (June 2010). "Global and local fMRI signals driven by neurons defined optogenetically by type and wiring". Nature. 465 (7299): 788–792. Bibcode:2010Natur.465..788L. doi:10.1038/nature09108. PMC 3177305. PMID 20473285.
  45. ^ Kahn, I.; Desai, M.; Knoblich, U.; Bernstein, J.; Henninger, M.; Graybiel, A. M.; Boyden, E. S.; Buckner, R. L.; Moore, C. I. (19 October 2011). "Characterization of the Functional MRI Response Temporal Linearity via Optical Control of Neocortical Pyramidal Neurons". Journal of Neuroscience. 31 (42): 15086–15091. doi:10.1523/JNEUROSCI.0007-11.2011. PMC 3225054. PMID 22016542.
  46. ^ Dale, Anders M.; Buckner, Randy L. (1997). "Selective averaging of rapidly presented individual trials using fMRI". Human Brain Mapping. 5 (5): 329–340. doi:10.1002/(SICI)1097-0193(1997)5:5<329::AID-HBM1>3.0.CO;2-5. PMID 20408237. S2CID 6401373.
  47. ^ (기능 MR 이미징(fMRI) - Brain 2011)
  48. ^ Subbaraju, Vigneshwaran; Sundaram, Suresh; Narasimhan, Sundararajan (March 2018). "Identification of lateralized compensatory neural activities within the social brain due to autism spectrum disorder in adolescent males". European Journal of Neuroscience. 47 (6): 631–642. doi:10.1111/ejn.13634. PMID 28661076. S2CID 4306986.
  49. ^ Rombouts, Barkhof & Sheltens (2007, 페이지 1)
  50. ^ Rombouts, Barkhof & Sheltens (2007, 페이지 4-5)
  51. ^ Rombouts, Barkhof & Sheltens (2007, 페이지 10)
  52. ^ Rombouts, Barkhof & Sheltens (2007, 페이지 14)
  53. ^ Rombouts, Barkhof & Sheltens (2007, 페이지 18~26)
  54. ^ Huettel, Song & McCarthy (2009년, 476–80페이지)
  55. ^ 로고테티스 (2008)
  56. ^ Huettel, Song & McCarthy (2009, 페이지 243–244)
  57. ^ Philosophy Now 매거진의 이 기사를 참조해 주세요.이 기사에서는 컴퓨터는 fMRI 데이터만으로 감정 상태를 예측할 수 있는 경우가 70%에서 84% 사이라고 합니다.
  58. ^ Huettel, Song & McCarthy (2009년, 페이지 256-8)
  59. ^ Huettel, Song & McCarthy (2009년, 페이지 258–9)
  60. ^ Fassbender, Catherine; Mukherjee, Prerona; Schweitzer, Julie B. (April 2017). "Minimizing noise in pediatric task-based functional MRI; Adolescents with developmental disabilities and typical development". NeuroImage. 149: 338–347. doi:10.1016/j.neuroimage.2017.01.021. PMC 5422202. PMID 28130195.
  61. ^ Huettel, Song & McCarthy (2009년, 페이지 259–62년)
  62. ^ Huettel, Song & McCarthy (2009년, 페이지 262–7); Lindquist (2008년)
  63. ^ 전처리는 Huettel, Song & McCarthy(2009년, 페이지 267–289년)에서 요약되었으며, 린드퀴스트(2008년, 페이지 11–13년)의 새로운 검토에 의해 수정되었다.
  64. ^ 기본 GLM 모델은 Huettel, Song & McCarthy(2009, 페이지 343–256)의 설명을 참조하십시오.MVPA와 멀티복셀 패턴 분류는 페이지 408–415에서 동일한 텍스트로 다루어진다.
  65. ^ Hourani, O, Charkari, NM, Jalili, S. Voxel 선택 프레임워크는 메타 휴리스틱 검색과 뇌 디코딩 상호 정보를 기반으로 한다.Int J Imaging Syst Technol.2019; 29: 663~676.https://doi.org/10.1002/ima.22353
  66. ^ Huettel, Song & McCarthy (2009년, 페이지 449년)
  67. ^ Huettel, Song & McCarthy (2009년, 페이지 4), Logothetis (2008년)
  68. ^ Ilmoniemi & Aronen (2000, 페이지 454)
  69. ^ Huettel, Song & McCarthy (2009년, 페이지 449년)
  70. ^ "Concurrent TMS/fMRI » fmri.at neuroimaging & stimulation".
  71. ^ Navarro de Lara, Lucia I.; Tik, Martin; Woletz, Michael; Frass-Kriegl, Roberta; Moser, Ewald; Laistler, Elmar; Windischberger, Christian (April 2017). "High-sensitivity TMS/fMRI of the Human Motor Cortex Using a Dedicated Multichannel MR Coil". NeuroImage. 150: 262–269. doi:10.1016/j.neuroimage.2017.02.062. PMID 28254457. S2CID 3676325.
  72. ^ a b Haller S.; Bartsch A. (2009). "Pitfalls in fMRI". European Radiology. 19 (11): 2689–2706. doi:10.1007/s00330-009-1456-9. PMID 19504107. S2CID 26759374.
  73. ^ a b Grabowski, T.J.; Damasio, A.R. (2000). "Investigating Language with Functional Neuroimaging". Brain Mapping: The Systems. pp. 425–461. doi:10.1016/B978-012692545-6/50016-7. ISBN 978-0-12-692545-6.
  74. ^ a b Aguirre, G.K.; D'Esposito, M. (1999). "Experimental design for brain fMRI". In Bandettini, P.A.; Moonen, C. (eds.). Functional MRI. Berlin: Springer-Verlag. pp. 369–380.
  75. ^ a b Donaldson, D.; Bucknar, R. (2001). "Effective paradigm design". In Jezzard, P.; Matthews, P. M.; Smith, S. M. (eds.). Functional MRI: An introduction to methods. New York: Oxford University Press. pp. 177–195.
  76. ^ Rosen, Bruce R.; Buckner, Randy L.; Dale, Anders M. (3 February 1998). "Event-related functional MRI: Past, present, and future". Proceedings of the National Academy of Sciences of the United States of America. 95 (3): 773–780. Bibcode:1998PNAS...95..773R. doi:10.1073/pnas.95.3.773. PMC 33797. PMID 9448240.
  77. ^ D'Esposito, Mark; Zarahn, Eric; Aguirre, Geoffrey K. (1999). "Event-related functional MRI: Implications for cognitive psychology". Psychological Bulletin. 125 (1): 155–164. doi:10.1037/0033-2909.125.1.155. PMID 9990848.
  78. ^ Stark, Craig E. L.; Squire, Larry R. (23 October 2001). "When zero is not zero: The problem of ambiguous baseline conditions in fMRI". Proceedings of the National Academy of Sciences of the United States of America. 98 (22): 12760–12766. Bibcode:2001PNAS...9812760S. doi:10.1073/pnas.221462998. PMC 60127. PMID 11592989.
  79. ^ a b c Poldrack RA (2008). "The role of fMRI in cognitive neuroscience: where do we stand?". Curr. Opin. Neurobiol. 18 (2): 223–7. doi:10.1016/j.conb.2008.07.006. PMID 18678252. S2CID 14983903.
  80. ^ Harrison, Glenn W. (November 2008). "Neuroeconomics: A Rejoiner". Economics and Philosophy. 24 (3): 533–544. doi:10.1017/s0266267108002149. S2CID 154376751.
  81. ^ a b c Poldrack, R (February 2006). "Can cognitive processes be inferred from neuroimaging data?" (PDF). Trends in Cognitive Sciences. 10 (2): 59–63. doi:10.1016/j.tics.2005.12.004. PMID 16406760. S2CID 13498984.
  82. ^ Henson R (2006). "Forward inference using functional neuroimaging: dissociations versus associations". Trends Cogn. Sci. (Regul. Ed.). 10 (2): 64–9. doi:10.1016/j.tics.2005.12.005. PMID 16406759. S2CID 27185.
  83. ^ Knight, David C.; Smith, Christine N.; Cheng, Dominic T.; Stein, Elliot A.; Helmstetter, Fred J. (September 2004). "Amygdala and hippocampal activity during acquisition and extinction of human fear conditioning". Cognitive, Affective, & Behavioral Neuroscience. 4 (3): 317–325. doi:10.3758/cabn.4.3.317. PMID 15535167.
  84. ^ Gabrieli, John D. E.; McGlinchey-Berroth, Regina; Carrillo, Maria C.; Gluck, Mark A.; Cermak, Laird S.; Disterhoft, John F. (1995). "Intact delay-eyeblink classical conditioning in amnesia". Behavioral Neuroscience. 109 (5): 819–827. doi:10.1037//0735-7044.109.5.819. PMID 8554707.
  85. ^ Huettel, Song & McCarthy (2009년, 53페이지)
  86. ^ Sahito & Slany (2012, 페이지 60)
  87. ^ Huettel, Song & McCarthy (2009, 페이지 50-52)
  88. ^ Huettel, Song & McCarthy (2009년, 페이지 44)
  89. ^ Formica, Domenico; Silvestri, Sergio (22 April 2004). "Biological effects of exposure to magnetic resonance imaging: an overview". BioMedical Engineering OnLine. 3: 11. doi:10.1186/1475-925X-3-11. PMC 419710. PMID 15104797.
  90. ^ a b Hartwig, Valentina; Giovannetti, Giulio; Vanello, Nicola; Lombardi, Massimo; Landini, Luigi; Simi, Silvana (2009). "Biological Effects and Safety in Magnetic Resonance Imaging: A Review". International Journal of Environmental Research and Public Health. 6 (6): 1778–1798. doi:10.3390/ijerph6061778. PMC 2705217. PMID 19578460.
  91. ^ Fiechter, Michael; Stehli, Julia; Fuchs, Tobias A.; Dougoud, Svetlana; Gaemperli, Oliver; Kaufmann, Philipp A. (7 August 2013). "Impact of cardiac magnetic resonance imaging on human lymphocyte DNA integrity". European Heart Journal. 34 (30): 2340–2345. doi:10.1093/eurheartj/eht184. PMC 3736059. PMID 23793096.
  92. ^ Lee, Joong Won; Kim, Myeong Seong; Kim, Yang Jee; Choi, Young Joo; Lee, Younghyun; Chung, Hai Won (October 2011). "Genotoxic effects of 3 T magnetic resonance imaging in cultured human lymphocytes". Bioelectromagnetics. 32 (7): 535–542. doi:10.1002/bem.20664. PMID 21412810. S2CID 205467617.
  93. ^ Simi, Silvana; Ballardin, Michela; Casella, Marta; De Marchi, Daniele; Hartwig, Valentina; Giovannetti, Giulio; Vanello, Nicola; Gabbriellini, Sabrina; Landini, Luigi; Lombardi, Massimo (October 2008). "Is the genotoxic effect of magnetic resonance negligible? Low persistence of micronucleus frequency in lymphocytes of individuals after cardiac scan". Mutation Research/Fundamental and Molecular Mechanisms of Mutagenesis. 645 (1–2): 39–43. doi:10.1016/j.mrfmmm.2008.08.011. PMID 18804118.
  94. ^ Suzuki, Y.; Ikehata, M; Nakamura, K; Nishioka, M; Asanuma, K; Koana, T; Shimizu, H (1 November 2001). "Induction of micronuclei in mice exposed to static magnetic fields". Mutagenesis. 16 (6): 499–501. doi:10.1093/mutage/16.6.499. PMID 11682641.
  95. ^ Knuuti, J.; Saraste, A.; Kallio, M.; Minn, H. (2 August 2013). "Is cardiac magnetic resonance imaging causing DNA damage?". European Heart Journal. 34 (30): 2337–2339. doi:10.1093/eurheartj/eht214. PMID 23821403.
  96. ^ Huettel, Song & McCarthy(2009년, 페이지 420–40).
  97. ^ 로웬버그 (2008); (뇌사기? 2004년); McClure 등 (2004년)
  98. ^ (뇌사기? 2004년)
  99. ^ 로웬버그 (2008)
  100. ^ Devlin (2012)
  101. ^ (뇌사기? 2004년)
  102. ^ Brammer (2004)
  103. ^ Sahito & Slany (2012, 57페이지)
  104. ^ 나라얀 (2009)
  105. ^ Sahito & Slany (2012년, 페이지 41)
  106. ^ 나라얀 (2009)
  107. ^ 밀러 (2010)
  108. ^ 나라얀 (2009)
  109. ^ Mobbs, Dean; Lau, Hakwan C; Jones, Owen D; Frith, Christopher D (17 April 2007). "Law, Responsibility, and the Brain". PLOS Biology. 5 (4): e103. doi:10.1371/journal.pbio.0050103. PMC 1852146. PMID 17439297. S2CID 7519294.
  110. ^ Simpson, JR (2008). "Functional MRI lie detection: too good to be true?". The Journal of the American Academy of Psychiatry and the Law. 36 (4): 491–8. PMID 19092066.
  111. ^ Gaudet, Lyn M. (2011). "Brain fingerprinting, scientific evidence, and Daubert: a cautionary lesson from India". Jurimetrics. 51 (3): 293–318. JSTOR 41307131.
  112. ^ Vul, Edward; Harris, Christine; Winkielman, Piotr; Pashler, Harold (May 2009). "Puzzlingly High Correlations in fMRI Studies of Emotion, Personality, and Social Cognition". Perspectives on Psychological Science. 4 (3): 274–290. doi:10.1111/j.1745-6924.2009.01125.x. PMID 26158964. S2CID 242553.
  113. ^ Rinck PA (2005). "Rinckside - Functional imaging leads hunt for 'buy' trigger". Rinckside.
  114. ^ Lieberman, Matthew D.; Berkman, Elliot T.; Wager, Tor D. (May 2009). "Correlations in Social Neuroscience Aren't Voodoo: Commentary on Vul et al. (2009)". Perspectives on Psychological Science. 4 (3): 299–307. doi:10.1111/j.1745-6924.2009.01128.x. PMC 5017149. PMID 26158967.
  115. ^ Turner, Benjamin O.; Paul, Erick J.; Miller, Michael B.; Barbey, Aron K. (December 2018). "Small sample sizes reduce the replicability of task-based fMRI studies". Communications Biology. 1 (1): 62. doi:10.1038/s42003-018-0073-z. PMC 6123695. PMID 30271944.
  116. ^ Nee, Derek Evan (December 2019). "fMRI replicability depends upon sufficient individual-level data". Communications Biology. 2 (1): 130. doi:10.1038/s42003-019-0378-6. PMC 6461660. PMID 30993214.
  117. ^ Turner, Benjamin O.; Santander, Tyler; Paul, Erick J.; Barbey, Aron K.; Miller, Michael B. (December 2019). "Reply to: fMRI replicability depends upon sufficient individual-level data". Communications Biology. 2 (1): 129. doi:10.1038/s42003-019-0379-5. PMC 6461603. PMID 30993213.
  118. ^ Margulies, Daniel S. (2011). "The Salmon of Doubt". Critical Neuroscience. pp. 273–285. doi:10.1002/9781444343359.ch13. ISBN 978-1-4443-4335-9.
  119. ^ Bennett, Cm; Miller, Mb; Wolford, Gl (July 2009). "Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: an argument for multiple comparisons correction". NeuroImage. 47: S125. CiteSeerX 10.1.1.161.8384. doi:10.1016/S1053-8119(09)71202-9. S2CID 220973284.
  120. ^ "IgNobel Prize in Neuroscience: The dead salmon study". The Scicurious Brain, Scientific American Blog Network. 2012-09-25. Retrieved 2014-11-28.
  121. ^ Satel, Sally (30 May 2013). "Don't Read Too Much into Brain Scans". Time. Retrieved 15 September 2020.
  122. ^ Eklund, Anders; Nichols, Thomas E.; Knutsson, Hans (2016). "Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive rates". Proceedings of the National Academy of Sciences. 113 (28): 7900–7905. doi:10.1073/pnas.1602413113. PMC 4948312. PMID 27357684.
  123. ^ "A Bug in FMRI Software Could Invalidate 15 Years of Brain Research".
  124. ^ Mueller, Karsten; Lepsien, Jöran; Möller, Harald E.; Lohmann, Gabriele (28 June 2017). "Commentary: Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive rates". Frontiers in Human Neuroscience. 11: 345. doi:10.3389/fnhum.2017.00345. PMC 5487467. PMID 28701944.
  125. ^ Taylor, Michelle (4 June 2020). "fMRI Pioneer Casts Doubt on Technology, 15 Years of His Own Work". LaboratoryEquipment.com. Retrieved 15 September 2020.
  126. ^ Ouellette, Jennifer (8 July 2020). "Duke scientist questions his own research with new study faulting task fMRI". Ars Technica. Retrieved 15 September 2020.
  127. ^ Cohen, Arianne (25 June 2020). "Duke University researchers say every brain activity study you've ever read is wrong". Fast Company. Retrieved 15 September 2020.

레퍼런스

교재

  • EMRF/TRTF(피터 A).Rinck, ed.) 자기공명: 동료가 리뷰한 비판적인 소개(무료 온라인 교재)
  • 조지프 P.Hornak, MRI의 기본(온라인)
  • 리처드 B.Buxton, 기능적 자기공명영상개론: 원리와 기술, 캠브리지 대학 출판부, 2002, ISBN 0-521-58113-3
  • Roberto Cabeza and Alan Kingstone, 편집자, 인지기능신경영상 핸드북, 제2판, MIT Press, 2006, ISBN 0-262-03344-5
  • 미국 캘리포니아 주 휴텔; 미국 캘리포니아 주 송; 매카시, 맥카시, 기능자기공명영상 제2판, 2009년, 매사추세츠 주: 시나우어, ISBN 978-0-87893-286-3

추가 정보

외부 링크