Ограничения по усн в 2019 году: лимиты на 2019 год в таблице

, 2019 г. Медицина.Опубликовано Elsevier Inc.

Рекомендуемые статьи

Ссылки на статьи

Терапия ограничения сна, как она работает.

Недавние исследования показывают, что бессонница поражает до 40% взрослых и может быть хронической у 22% населения ^{. Это означает, что многие люди спят фрагментированно и некачественно.}

Из-за того, насколько важен сон для общего здоровья, неудивительно, что плохой сон может привести к таким вещам, как:

• Снижение производительности при выполнении ряда задач, таких как вождение или работа,
• Общий психологический дистресс,
• Обострение депрессивных или тревожных чувств.

С такими симптомами многие люди пытаются лучше спать с помощью повышенного потребления алкоголя, лекарств по рецепту или безрецептурных средств ^.

Хотя эти стратегии могут работать в краткосрочной перспективе, они не являются постоянными решениями и имеют свои собственные проблемы, то есть побочные эффекты и риск зависимости.

Что было бы лучше, так это долгосрочный немедикаментозный подход, адаптированный к каждому отдельному пациенту.

Один из наиболее эффективных нефармакологических методов улучшения сна с течением времени называется терапией ограничения сна и обычно предлагается как часть программы КПТ при бессоннице (КПТ).Давайте посмотрим, что это такое.

Теория, лежащая в основе терапии с ограничением сна

Терапия с ограничением сна основана на идее о том, что время, когда человек с бессонницей бодрствует в постели, приводит к формированию отрицательного набора убеждений относительно того, как заснуть (например, что они никогда не смогут уснуть). чтобы заснуть, или что их сон «нарушен») и что , имея эти убеждения, затрудняют засыпание и сон.

Это связано с тем, что больной ложится спать, опасаясь того времени, которое они проведут, лежа без сна, оказавшись там, а это значит, что он:

• Не сможет заснуть из-за возникшего беспокойства
• Будут укреплены их негативные представления о собственном сне.

Этот «паттерн беспокойства» затрудняет засыпание, делает их более беспокойными, что, в свою очередь, затрудняет засыпание и так далее. Обращение к этим убеждениям может помочь избавиться от бессонницы.

Умышленно ограничивая время в постели и вызывая легкое недосыпание, происходят две вещи:

• Человек с бессонницей быстрее засыпает в постели, потому что лишение сна приводит к более глубокому сну и более быстрому засыпанию ^,
• Высококачественный сон, который в результате дает возможность бросить вызов негативным убеждениям, связанным со сном.

В конечном итоге это приводит к изменению мышления, при котором укладывание спать больше не ассоциируется с борьбой за засыпание ^.

Как это работает на практике

Поскольку терапия ограничения сна назначается по-разному в зависимости от индивидуальных обстоятельств ^{, то, как именно выглядит лечение, будет зависеть от ряда вещей, например:}

• возраст человека,
• ранее существовавших заболеваний,
• история лекарств,
• выбор образа жизни и другие факторы.

Следовательно, важно работать с хорошим терапевтом по сну лично или через Интернет ^{, используя такую ​​услугу, как Sleepstation, чтобы получить наилучший результат.}

Шаги для начала терапии ограничения сна обычно следуют следующей последовательности:

• Будет проведено клиническое собеседование, чтобы узнать, может ли вам помочь ограничивающая сон терапия.

• Затем вам будет предложено заполнить дневник сна за несколько недель, содержащий оценки:

  • время, в течение которого вы действительно спали,
  • общая продолжительность нахождения в постели,
  • нарушение сна
  • любые действия, которые могут вызвать проблемы со сном, например пить кофе или пользоваться мобильным телефоном перед сном.

• На основе этой информации терапевт устанавливает общее время, разрешенное в постели (обычно среднее время, в течение которого вы действительно спите, и не менее 5 часов в сутки, чтобы предотвратить чрезмерную усталость ^.

Установленное время дня для того, чтобы ложиться спать и вставать с постели, зависит от типа бессонницы, которую вы проявляете:

• Если у вас проблемы с засыпанием, вероятно, будет рекомендовано более позднее время отхода ко сну.
• Если вы можете легко заснуть, но просыпаетесь слишком рано, время отхода ко сну не изменится, но будет установлено более раннее время, чтобы встать с постели ^.

Затем вы следуете графику до тех пор, пока вы и терапевт не придете к согласию, что время, проведенное во сне, постоянно увеличивается по сравнению с общим временем, проведенным вами в постели. На этом этапе будет разрешено больше времени в постели.

После того, как вы встали с постели в течение дня, вам не следует ложиться, спать или ложиться спать до следующего запланированного времени отхода ко сну.

На протяжении всего процесса вы будете регулярно контролироваться, чтобы можно было легко вносить изменения в график сна.Лечение обычно завершается в течение нескольких месяцев.

Первые несколько недель

Учитывая довольно резкие изменения в привычках сна, которых требует терапия ограничения сна, вероятно, первые несколько недель терапии ограничения сна будут для вас несколько трудными.

Вы можете испытывать дневную сонливость, снижение бдительности, нарушение настроения и ухудшение работы или общения. ^{. Если вы испытываете дневную сонливость, не садитесь за руль и не работайте с механизмами.}

Хотя некоторые из этих эффектов могут быть связаны с вашей бессонницей в большей степени, чем с лечением ^{, мы понимаем, что они могут быть довольно обескураживающими.}

Следовательно, важно иметь доступную поддержку в течение курса терапии ограничения сна.

Вот почему мы в Sleepstation предоставляем доступ к команде тренеров по сну и терапевтов. Наша команда может предоставить перспективу и мотивацию, чтобы увидеть вас через и , чтобы помочь определить способы сделать терапию ограничения сна более совместимой с вашим образом жизни.

Какие преимущества?

В отличие от курса снотворного, улучшение сна после курса терапии ограничения сна сохраняется в течение нескольких месяцев после лечения, при этом исследования сообщают о последовательном увеличении времени нахождения в постели во сне и меньшем количестве пробуждений в постели ^.

После тяжелого начального периода многие люди сообщают, что их отношение ко сну и отходу ко сну изменилось из-за длительного улучшения сна, вызванного терапией ограничения сна ^.

Возможно, неудивительно, что сканирование мозга некоторых страдающих бессонницей, прошедших терапию ограничения сна, показывает активность мозга , которая ближе к активности хорошо спящих в глубоком сне ^{, что позволяет предположить, что продолжительность улучшенных эффектов сна может быть снижена до некоторой степени. физиологические изменения.}

Кроме того, пациенты, прошедшие терапию ограничения сна, сообщают об улучшении настроения, уменьшении дневной усталости, меньшем беспокойстве по поводу сна и склонности к дневному сну по сравнению с тем, когда они не получали лечения ^.

Что наиболее важно, терапия ограничения сна может быть успешно реализована как часть более широкого спектра нефармакологических методов лечения для самых разных людей.

Сюда входят люди, которые несколько лет жили с бессонницей ^{, люди со сложными психическими расстройствами и пожилые люди .}

Итак, независимо от того, насколько тяжелыми могут быть ваши индивидуальные обстоятельства, если у вас бессонница, ограничивающая сон терапия как часть курса CBTi, скорее всего, вам поможет.

Вкратце:

• До 40% взрослых страдают бессонницей.
• Считается, что отрицательные представления о сне и нахождении в постели усугубляют бессонницу.
• Ограничение сна можно использовать, чтобы бросить вызов этим убеждениям, улучшив качество сна.
• Это разрывает связь между негативными убеждениями и плохим сном, что приводит к длительным улучшениям сна.
• Ограничение сна может применяться при бессоннице у самых разных людей.

Если вы хотите, чтобы мы разработали для вас индивидуальный план сна и поддержали вас в эти тяжелые первые несколько недель ограничивающей терапии, вы можете записаться сегодня. Просто ответьте на несколько коротких вопросов, чтобы узнать, какой пакет лучше всего подходит для вас.

Список литературы

границ | Влияние хронического ограничения сна на функциональную сеть мозга, выявленное с помощью теории графов

Введение

Люди проводят во сне примерно треть своей жизни.Хотя сон был предметом исследований на протяжении сотен лет, нейробиологические основы сна, особенно лишение сна, остаются в некоторой степени неуловимыми (Kaufmann et al., 2016). Дефицит сна приводит к различным состояниям здоровья, таким как сердечно-сосудистые заболевания, ожирение, диабет, дисфункция иммунной системы и многие когнитивные и эмоциональные нарушения (Rogers, 2003; Goel et al., 2009; Gamaldo et al., 2012; Tobaldini et al., 2017; Реутракул, Ван Каутер, 2018). Хотя недостаток сна может повредить все органы человеческого тела, его влияние на центральную нервную систему оказывается наиболее серьезным (Cirelli and Tononi, 2008).На основании нейровизуализационных исследований последствия потери сна для негативных и позитивных эмоций, памяти и внимания, а также обучения гиппокампа стали предметом большого интереса для многих исследователей (Krause et al., 2017).

Лишение сна вызывает изменения настроения при негативной эмоциональной оценке, включая раздражительность, эмоциональную неустойчивость, агрессию, тревогу (Dinges et al., 1997; Anderson and Platten, 2011; Kamphuis et al., 2012; Minkel et al., 2012), и суицидальные мысли и поведение (Joiner, 2007; Stubbs et al., 2016). Эмоциональные эффекты дефицита сна связаны не только с повышенной реактивностью на негативные стимулы, но и с изменением паттернов реакции на стимулы, вызывающие удовольствие (Gujar et al., 2011). Более того, полноценный сон имеет решающее значение для консолидации памяти (Walker and Stickgold, 2004), а сон играет важную роль в подготовке мозга к формированию новых воспоминаний (Yoo et al., 2007). Недосыпание за одну ночь может повлиять на производительность гиппокампа при кодировании эпизодической памяти — эффект, связанный с измененными паттернами связи в сетях бдительности таламуса и ствола мозга (Yoo et al., 2007). Помимо воздействия на эмоциональные функции и функции памяти, недостаток сна сильно влияет на бдительное внимание (Lim and Dinges, 2008). В связи с этим была выявлена ​​уязвимость сетей внимания и значимости к острому тотальному недосыпанию в форме снижения активности и изменения функциональной связности в этих сетях (Ma et al., 2015).

Функциональная МРТ (фМРТ) — это мощный неинвазивный метод визуализации, который измеряет гемодинамические колебания как показатель нейронной активности (Logothetis, 2002).Лучшее понимание нейрофизиологических механизмов, лежащих в основе нарушений сна, может быть получено путем выявления функциональных изменений связности. Исследования недосыпания с помощью фМРТ в первую очередь сосредоточены на данных о состоянии покоя. Например, Shao et al. (2014) сообщили о снижении функциональной связи в состоянии покоя между миндалевидным телом и исполнительными органами управления (например, дорсолатеральной префронтальной, передней поясной извилиной и нижней лобной частью) после 36 часов полного лишения сна (Shao et al., 2014). Повышенная функциональная связь между дорсальной связкой и дорсолатеральной префронтальной корой была продемонстрирована в другом эксперименте (Bosch et al., 2013), в котором участники спали с 3:06 утра (± 1: 36 ч) до 6:48 утра (± 2). : 48 ч). Более того, лишение сна приводит к уменьшению профилей подключения в сети режима по умолчанию (DMN) и снижению антикоррелированной активности между DMN и сетью положительных задач, как в состоянии покоя, так и во время задач визуального внимания. Эти данные свидетельствуют о том, что высокоинтегрированные (или сегрегированные) области мозга становятся менее интегрированными (или сегрегированными) во время потери сна (Sämann et al., 2010; Де Хавас и др., 2012; Йео и др., 2015).

Сетевой анализ на основе графов обеспечивает структуру, которая может использоваться для определения топологической организации коннектома человеческого мозга посредством вычисления ряда локальных и глобальных характеристик, таких как компактность, коэффициент кластеризации, характерная длина пути, модульная структура и т. Д. степень центральности и ассортативность мозговых сетей (Bullmore, Sporns, 2009, 2012; He and Evans, 2010; Meunier et al., 2010; Rubinov, Sporns, 2010; van den Heuvel and Sporns, 2013; Farahani et al., 2019). Парадигма маленького мира представляет особый интерес для характеристики организации человеческого мозга, поскольку она поддерживает эффективное разделение и интеграцию информации по областям мозга с низкими затратами на энергию и проводку и подходит для изучения сложной динамики мозга (Watts and Strogatz, 1998). Недавние исследования показали, что локальные и глобальные измерения сетей мозга претерпевают топологические изменения при различных неврологических расстройствах (Xia and He, 2011; Fornito et al., 2012; Filippi et al., 2013; Дай и Хе, 2014; Стам, 2014; Форнито и Буллмор, 2015; Гонг и Хэ, 2015; Abós et al., 2017; Fleischer et al., 2017; Ходжати и др., 2017; Джалили, 2017; Мири Аштиани и др., 2018).

Большинство предыдущих исследований, в которых теория графов применялась для отслеживания изменений мозговой активности, основаны на фМРТ в состоянии покоя (Farahani et al., 2019). Однако некоторые исследования показывают, что определенные свойства связи можно определить только путем изучения топологии мозга во время выполнения задачи (Pezawas et al., 2005; Билек и др., 2013). В этой статье мы использовали данные фМРТ на основе задач для изучения изменений функциональной связи после ограничения сна. С этой целью мы исследовали топологические изменения в паттернах функциональной связности мозга, вызванные задачей пространственной подсказки, чтобы оценить устойчивое внимание участников как при бодрствовании в состоянии покоя, так и при хроническом ограничении сна. В целом, цель настоящего исследования состояла в том, чтобы изучить глобальные и локальные изменения в топологии сети между бодрствованием в состоянии покоя и условиями ограничения сна, а также суточную изменчивость в обоих условиях.Результаты могут предоставить потенциальные маркеры визуализации устойчивого нарушения внимания, вызванного хроническим дефицитом сна, а также суточной изменчивости.

Материалы и методы

Протокол эксперимента

Тринадцать здоровых женщин-участниц (средний возраст 23,4 ± 2,0 года) завершили это исследование. Все испытуемые соответствовали требованиям эксперимента, включая праворукость, доминирование правого глаза, нормальную или скорректированную до нормальной остроты зрения, а также отсутствие физических, психических расстройств и нарушений сна.Ни у одного из них не наблюдалось повышенного уровня дневной сонливости, контролируемого с помощью шкалы сонливости Эпворта (Johns, 1991), ни проблем со сном, контролируемых с помощью индекса качества сна Питтсбурга (Buysse et al., 1989). Им было выплачено вознаграждение за участие. Письменное информированное согласие было получено от всех участников перед исследованием, которое было одобрено Комитетом по биоэтике Ягеллонского университета, Польша. Причина, по которой женщины выбираются для исследования, заключается в известных гендерных различиях в потребности во сне и последствиях дефицита сна, которые у женщин сильнее, чем у мужчин (Ferrara and De Gennaro, 2001; Oginska and Pokorski, 2006).

Участники завершили исследование за три посещения: (1) тренировочный сеанс, (2) сеанс через неделю с неограниченным, полностью восстанавливающим сном, обозначенный сеанс бодрствования в состоянии покоя (RW), и (3) сеанс после недели отдыха. сокращение сна на 35%, обозначенное сеансом ограничения сна (SR). Среднее время сна в условиях RW и SR составляло 505 мин (8 ч 25 мин) ± 63 мин и 310 мин (5 ч 10 мин) ± 58 мин, соответственно. Порядок экспериментальных сессий (т.е. сессия RW и сессия хронической SR) был сбалансирован для всех участников.Сеансы были разделены как минимум на 2 недели, чтобы свести к минимуму остаточные эффекты сокращения сна на когнитивные функции, когда сеанс хронического SR предшествовал сеансу RW. Каждый эксперимент состоял из 13 последовательных запусков по 46 испытаний в каждом как в условиях RW, так и в условиях SR. За день до первого дня эксперимента участники были тщательно обучены выполнению экспериментальной задачи, чтобы избежать влияния процесса обучения на производительность. На рисунке 1 показаны этапы эксперимента в хронологическом порядке.Все участники выполняли экспериментальные задания четыре раза в течение дня: в 10:00, 14:00, 18:00 и 22:00 (в обоих сеансах). Субъекты проводили экспериментальные дни в контролируемой лабораторной среде, и применялся полупостоянный рутинный протокол, в котором комнатная температура и интенсивность света поддерживались постоянными. В дни экспериментов участникам разрешалось заниматься нетяжелой деятельностью (например, читать, смотреть видео и разговаривать). Ассистенты-исследователи наблюдали за участниками и не давали им дремать с помощью словесных напоминаний.Диеты участников в течение экспериментальных дней контролировались, чтобы избежать употребления кофеина или триптофана. Употребление алкоголя в течение предыдущей недели и экспериментальных дней не разрешалось.

Рисунок 1. Блок-схема этапов эксперимента.

Экспериментальная задача

Модифицированная задача пространственной подсказки (Posner, 1980) использовалась для оценки устойчивого внимания участников как в RW, так и в хронических состояниях SR. Стимулы, генерируемые красными лазерными диодами, отображались на горизонтальной оси на панели, интегрированной с системой саккадометра, прикрепленной к голове каждого испытуемого примерно в 3 см от глаз.На панели было пять диодов: центральный диод для фиксации, а также левый и правый диоды с углами обзора 1 ° и 10 ° для контрольных стимулов и цели соответственно. Перед каждым сеансом проводилась процедура калибровки, в которой участники трижды смотрели на каждый стимул в течение 1-секундного периода. Участников проинструктировали направлять свое внимание и взгляд от точки фиксации к целям, только если им предшествовал сигнал.

Каждое экспериментальное испытание начиналось с точки фиксации, представленной зеленым лазерным диодом в центре экрана панели (рис. 2).Одновременно подавалась реплика с помощью красного лазерного диода на 1 ° вправо или влево от точки фиксации в течение 300 мс. Через 300–800 мс (с шагом 100 мс) целевой стимул мигал в течение 500 мс под углом 10 ° вправо или влево от точки фиксации, после чего следовал интервал между испытаниями от 1300 до 4300 мс. (с шагом 500 мс). Затем немедленно началось новое судебное разбирательство. Чтобы улучшить частоту дискретизации гемодинамического ответа, фаза мишени варьировалась относительно получения изображения (Josephs et al., 1997; Toni et al., 1999), что дает окончательное временное разрешение 100 мс. Задача включала стимулы с подсказками, совпадающими с целью (58%), стимулы с подсказками, несовместимыми с целью (15%), и стимулы без подсказки (27%). Последовательность испытаний была псевдорандомизирована, чтобы уравновесить представление каждого типа испытаний. В каждое измерение было включено 598 заданий. Задание длилось примерно 42 мин. Все участники подвергались воздействию одного и того же порядка стимулов с одинаковым временем, однако порядок испытаний различается между сессиями.

Рис. 2. Иллюстрация одного экспериментального испытания. Это испытание показывает неконгруэнтную задачу, потому что сигнал и цель представлены в противоположных направлениях.

Сбор данных

Данные отслеживания взгляда

Движение глаз отслеживали с помощью системы МРТ Saccadometer Research, а затем анализировали с помощью программного обеспечения Research Analyzer (Ober-Consulting, Польша). Система саккадометра измеряет движение правого глаза по горизонтальной оси с использованием прямой инфракрасной технологии.Он имеет частоту дискретизации 500 Гц, диапазон измерения угла обзора ± 20 ° и среднее пространственное разрешение 15 ‘. Саккады выявляли по скоростному критерию — движения глаз быстрее 5 ° / с.

Функциональные данные МРТ

Магнитно-резонансная томография выполнялась на МРТ-сканере Signa HDxt 1,5 Тл (GE Healthcare Systems, Милуоки, США). Анатомические изображения всего мозга высокого разрешения были получены с помощью T ₁ -взвешенной объемной МРТ с множеством эхо-сигналов, и всего было получено 60 аксиальных срезов (размер матрицы = 512 × 512; повторение по времени TR = 25.0 с; время эхо TE = 6,0 мс; поле зрения FOV = 22 × 22 см ² ; угол переворота = 45 °). Функциональное сканирование, зависящее от уровня оксигенации (жирный шрифт), было получено с помощью взвешенной последовательности EPI-пулей T ₂ ^* (размер матрицы = 128 × 128; TR = 3,0 с; TE = 60 мс; угол поворота = 90 °. ). Каждое изображение всего мозга было покрыто 20 аксиальными срезами, снятыми с перемежением.

Графический анализ и вычисления

Рассматривая человеческий мозг как крупномасштабную и сложную сеть, основанные на графах методы помогают анализировать человеческий коннектом, обеспечивая математическое представление парных отношений между интересующими областями мозга (ROI).Обзор нашего конвейера анализа показан на рисунке 3. Во-первых, данные фМРТ были собраны для всех субъектов и прошли стандартную предварительную обработку с помощью пакета SPM12, которая включала временную коррекцию срезов, повторное выравнивание, совмещение изображений, нормализацию на основе сегментации и пространственную сглаживание. Примечательно, что мы не исключили эффекты задач из региональных курсов времени, потому что основанные на задачах действия превосходили спонтанные действия в состоянии покоя, и определенные профили подключения во время выполнения задачи могут быть недоступны в состоянии покоя.Затем данные были согласованы с атласом автоматической анатомической маркировки (AAL), который использовался для определения областей интереса (то есть узлов графа) для построения сети мозга. Атлас AAL разделяет весь мозг на 116 различных анатомических единиц (Tzourio-Mazoyer et al., 2002), включая 90 корковых и подкорковых областей (области 1–90), а также 26 областей мозжечка (области 91–116). Затем репрезентативный временной ход каждой области был извлечен путем усреднения ЖИРНЫХ сигналов по всем вокселям в регионе. Затем были вычислены коэффициенты корреляции Пирсона между временными рядами из всех пар регионов с последующим преобразованием их в значения z с использованием преобразования r-to-z Фишера для исправления ненормальности.На этом этапе была получена симметричная корреляционная матрица C _ij (размер 116 × 116) для каждого предмета, элементом которой в позиции i , j была линейная корреляция между временными курсами регионов i и j (т. Е. Ребра графа).

Рис. 3. Схематическое изображение построения сети мозга и теоретический анализ графов с использованием данных фМРТ. После обработки (B) необработанных данных фМРТ (A) и разделения мозга на разные участки (C) из каждой области (D) было извлечено несколько временных курсов для создания корреляционной матрицы (E) .Чтобы уменьшить сложность и улучшить визуальное понимание, были построены бинарная корреляционная матрица (F) и соответствующая функциональная сеть мозга (G) , соответственно. В конце концов, путем количественной оценки набора топологических показателей был проведен анализ графов в сети связи мозга (H) . По материалам Farahani et al. (2019).

Для вычисления большинства мер графа требуются разреженные матрицы (Wang et al., 2010; Power et al., 2011).Таким образом, все корреляционные матрицы впоследствии были определены пороговыми значениями и преобразованы в двоичную форму за счет сохранения доли самых сильных связей и исключения более слабых связей (van den Heuvel et al., 2017). Эта процедура дала матрицу смежности A _ij , соответствующую каждой из корреляционных матриц с ( i , j ) -й записью, равной 1, если C _ij > ρ и 0 иначе. Пропорциональное значение ρ для каждой сети было выбрано индивидуально, чтобы гарантировать одинаковую плотность сети δ (которая определяется как отношение количества ребер к количеству возможных ребер в сети) по всем выборкам; эта процедура важна для сравнения свойств сети внутри субъектов или между ними (Gamboa et al., 2014). Следует отметить, что все самосоединения в двоичных матрицах (по диагонали) также были обнулены на этом этапе. На рис. 4 показана матрица смежности участника (δ = 0,08) как в условиях RW, так и в SR, с узлами, окрашенными в соответствии с функциональным членством в сети.

Рис. 4. Визуализация матрицы смежности участника в условиях (A), RW и (B), SR в 14:00, определяемых поддержанием самых сильных соединений при δ = 0.08. Сенсомоторная сеть — голубая, зрительная сеть — желтая, лобно-теменная сеть — пурпурная, сеть режима по умолчанию — синяя, подкорковая / лимбическая система — зеленая, а мозжечковая сеть — красная.

В конце концов, мы извлекли наиболее распространенные глобальные и локальные графические метрики для всех выборок по плотности сети, в диапазоне от 0,06 до 0,3 с шагом 0,01, чтобы идентифицировать топологические изменения мозга между RW и SR, а также изменения связности в течение курса. дня в обоих условиях.Выбранный диапазон плотности в значительной степени исключает образование отключенных или плотно связанных сетей (Miri Ashtiani et al., 2018). Все графические показатели в этом исследовании были рассчитаны с помощью Brain Connectivity Toolbox (BCT) (Rubinov and Sporns, 2010).

Глобальные и местные меры

Графические показатели можно разделить на две основные категории: глобальные и локальные меры (рисунок 5). Глобальные меры в первую очередь направлены на выявление функциональной сегрегации (т.е.g., коэффициент кластеризации, модульность и транзитивность; Рисунок 5A) и интеграция (например, характерная длина пути и глобальная эффективность; Рисунок 5B) информационного потока в мозговых сетях, и поэтому были вычислены здесь. Свойство small-world отображает оптимальный баланс между сегрегацией сети и интеграцией (рис. 5C). В дополнение к глобальным дескрипторам сегрегации и интеграции мы рассчитали ассортативность (рисунок 5D), глобальный показатель, отражающий устойчивость сети к случайным или преднамеренным сбоям (Rubinov and Sporns, 2010; Bullmore and Bassett, 2011; Farahani et al., 2019).

Рис. 5. Измерения на графике Глобальный (A – D) и локальный (E, F) . (A) Меры сегрегации включают коэффициент кластеризации, который вычисляет степень, в которой соседи данного узла взаимосвязаны, и модульность, которая отражает кластеры плотно связанных узлов с разреженными связями среди других кластеров. (B) Меры интеграции включают характеристическую длину пути, которая количественно определяет потенциал для передачи информации и определяется как средняя длина кратчайшего пути между узлами. (C) Small-worldness предназначен для графов, в которых большинство узлов не являются соседями, но могут быть достигнуты любым другим узлом с минимально возможной длиной пути. Сети малого мира демонстрируют промежуточный баланс между обычными и случайными сетями (т. Е. Они состоят из множества каналов ближнего действия и нескольких каналов дальнего действия), что отражает высокий коэффициент кластеризации и короткую длину пути. (D) Индекс ассортативности измеряет степень устойчивости сети к сбоям в ее основных компонентах. (E) Концентраторы относятся к узлам с высокой узловой центральностью, которые классифицируются как соединительные или провинциальные. (F) Измеряет центральность сети: степень центральности (количество соседей узла), центральность промежуточности (отношение всех кратчайших путей в сети, которые содержат данный узел), центральность близости (среднее значение кратчайших путей из данного узла). узел связного графа со всеми остальными узлами), центральность собственного вектора (самореферентный индекс, который вычисляет центральность узла на основе центральности его соседей; здесь красный узел более центральный, чем серый узел, в то время как их степени равны равно), коэффициент участия (распределение связей узла между его сообществами) и PageRank (вариант центральности собственного вектора, который используется поиском Google для определения важности страницы).Размер узлов во всех случаях пропорционален степени узла, а красные узлы (за исключением центральности собственного значения) являются наиболее центральными по отношению к соответствующему определению центральности, даже если их степени низкие. По материалам Farahani et al. (2019).

С другой стороны, локальные измерения в функциональных сетях человеческого мозга в основном обеспечивают понимание узловой центральности и плотности узлов . В сетевой нейробиологии считается, что концентраторы (соединительные или провинциальные; рис. 5E) играют ключевую роль в передаче сигналов между областями мозга во время состояния покоя и выполнения задач (Liang et al., 2013). Коннекторные концентраторы соединяют узлы, принадлежащие разным модулям, а провинциальные концентраторы несут ответственность за связывание узлов в одном модуле (He et al., 2009; Power et al., 2013). Мы вычислили наиболее широко используемые меры локального графа для оценки узловой центральности и обнаружения узловых точек в сети (рис. 5F), включая узловую степень, центральность промежуточности, центральность близости, коэффициент участия, коэффициент разнообразия, центральность подграфа, центральность K-сердцевины, Центральность PageRank и центральность собственного вектора (Boccaletti et al., 2006; Рубинов и Спорнс, 2010; Zuo et al., 2012).

Статистический анализ

Групповые различия поведенческих данных были проверены с помощью парных тестов t и критериев хи-квадрат для сравнения средних и дисперсий показателей, соответственно, бодрствования в состоянии покоя и ограничения сна. Двусторонний дисперсионный анализ с повторными измерениями (ANOVA) с апостериорным тестом был проведен для оценки статистической значимости интересующего эффекта для всех глобальных и локальных свойств графа.Двумя факторами внутри субъектов были состояние (бодрствование в состоянии покоя и ограничение сна) и время (10:00, 14:00, 18:00 и 22:00). Вопросы исследования заключались в том, влияют ли состояние, время или взаимодействие этих двух факторов на топологические свойства человеческого мозга, которые были смоделированы и вычислены в виде мер графа. Для корректировки множественных сравнений (скорректированный статистический порог α = 0.05). Статистические тесты были выполнены отдельно для каждой плотности сети, δ, в диапазоне от 0,06 до 0,3 с размером шага 0,01, на каждом из вычисленных показателей графика всех выборок (т.е. 25 тестов для каждого показателя).

Результаты

Задача бдительности

Устойчивое внимание испытуемых оценивалось по трем категориям поведенческих критериев: точность, время отклика (RT) и промахи. Таблица 1 показывает результаты устойчивого внимания в этом исследовании. Точность определялась как отношение количества правильных ответов к общему количеству испытаний.Время отклика определялось как разница во времени между появлением цели и началом саккады (движения глаз быстрее 5 ° / с), если испытуемые выполнили задачу правильно. Промежутки представляют собой ответы со временем отклика более 500 мс.

Таблица 1. Показатели «Устойчивое внимание».

Свойства глобального графа

Мы наблюдали значительную разницу в характерной длине пути между условиями RW и SR ( P <0.05 при δ = 0,17–0,19, FDR исправлено), тогда как изменения p = 0,05, δ = 0,17; p = 0,01, δ = 0,18; p = 0,02, δ = 0,19 не были значимыми с точки зрения суточных вариаций или взаимодействия ( P > 0,05, скорректированный FDR). Характеристика p > 0,08 длины пути была значительно выше в SR, чем в RW в каждый из четырех моментов измерения (рис. 6A).

Рис. 6. Результаты двухфакторного повторного дисперсионного анализа для характерной длины пути и компактности при пороговых значениях 0.18 и 0,19 соответственно. (A) Результаты выявили основной эффект состояния, то есть RW по сравнению с SR ( P <0,05, FDR скорректировано), F (1,3) = 8,32, P = 0,013, но никакого влияния время нашлось. Взаимодействия между условием и временем не было ( P > 0,05, скорректированный FDR). F (1,3) = 0,36, P = 0,77. Сравнения показали, что характерные длины пути во время SR были больше, чем во время RW, во все времена выборки. (B) Результаты, как и в случае A , представляют собой основной эффект состояния ( P <0,05, FDR исправлено) F (1,3) = 6,84, P = 0,43, но не время. Не было взаимодействия между условием и временем ( P > 0,05, FDR скорректировано) F (1,3) = 0,44, P = 0,72. Анализ контрастности показал значительное снижение для всех периодов, кроме 22:00. RW, бодрствование в покое; SR, ограничение сна.

Кроме того, индекс малого мира был значительно ниже в условиях SR, чем в условиях RW ( P <0.05 при δ = 0,19, FDR скорректировано), но значимого эффекта в течение дня и значимого взаимодействия между условиями и временем не наблюдалось. p = 0,034, δ = 0,19 ( P > 0,05, скорректированный FDR). p > 0,18 Уменьшение компактности SR по сравнению с RW для отдельных интервалов в течение дня показано на рисунке 6B. Анализ контрастности был значимым для всех периодов, кроме 22:00. Визуальное представление профилей связи между условиями RW и SR для одного участника (10:00 AM, δ = 0.08) проиллюстрирован на рисунке 7 со структурой коннектограммы, определенной в программе Circos (Krzywinski et al., 2009). Разделенные области на этом графике отображаются в виде круга из радиально выровненных элементов, представляющих 116 областей мозга в шести различных модулях мозга. Цветовой спектр каждого модуля аналогичен цвету соответствующего модуля на рисунке 4, хотя каждой области присвоен уникальный код RGB (модульный переход от светлого к темному). Красные и черные кривые показывают функциональные связи между сетями и внутри них соответственно.Для обозначения каждой парцелляции была создана однозначная схема сокращений, как показано в дополнительной таблице A1.

Рисунок 7. Коннекограммы участника в обоих условиях в одно и то же ежедневное время (10:00) с пороговым значением 0,08. Фигуры слева, и , справа, относятся к RW и SR соответственно. Индекс малого мира в состоянии RW составлял 5,21, а в состоянии SR это значение уменьшилось до 4,02, что указывает на то, что сеть претерпела топологические изменения.Эти коннектограммы показывают функциональные связи внутри или через сенсомоторную сеть, зрительную сеть, лобно-теменную сеть, сеть режима по умолчанию, подкорковую / лимбическую систему и мозжечок. Каждая область мозга представлена ​​квадратом на окружности внешнего круга. Линии, соединяющие два квадрата, представляют функциональную связность выше порога; красные линии представляют межсетевые соединения, а черные линии представляют внутрисетевые соединения. Это графическое представление коннектомики было создано в Circos (http: // circos.ca /). SMN, сенсомоторная сеть; ВН, визуальная сеть; ФПН, лобно-теменная сеть; DMN, сеть в режиме по умолчанию; LS, лимбическая система; ЦЕРБ, мозжечковая сеть.

Наконец, изучение индекса ассортативности (рисунок 8), который представляет устойчивость сети к случайным или преднамеренным повреждениям ее компонентов, не продемонстрировало убедительных доказательств изменений между SR и p > 0,23 RW ( P > 0,05, скорректированный FDR ). Однако мы обнаружили значительное снижение дневных интервалов выборки для этого показателя ( P <0.05 при δ = 0,07–0,12 с поправкой на FDR).

Рис. 8. Анализ ассортативности графиков с использованием пороговых значений фиксированных затрат (№ 25, между δ = 0,06 и δ = 0,3). При низком пороговом уровне затрат (0,07 <δ <0,12) оба условия показали значительное снижение в дневных интервалах выборки для показателя ассортативности. Никаких значимых различий при пороговых значениях высоких затрат (δ> 12) обнаружено не было.

Свойства локального графа

Таблица 2 суммирует результаты статистического анализа для показателей центральности областей мозга, которые были значимыми, по крайней мере, в пределах одного из экспериментальных факторов (т.е., условие или время) более чем в половине двоичных графиков (со значениями δ от 0,06 до 0,3 с шагом 0,01). Многочисленные значительные изменения были очевидны в лимбической системе, сети режима по умолчанию и визуальной сети, тогда как локальные измерения были в основном стабильными в сенсомоторной, лобно-теменной и мозжечковой сетях. В качестве общего представления об основных эффектах обоих факторов эксперимента (т. Е. Условий и времени) на рисунке 9 показано количество пораженных участков в каждом из шести модулей.Лимбическая система, включающая гиппокамп, парагиппокампальную извилину, миндалевидное тело, скорлупу и бледный шар, претерпела несколько изменений во время выполнения задачи на зрительное внимание в обоих полушариях. Кроме того, паттерны функциональной связи в сети режима по умолчанию с обеих сторон претерпели значительные изменения, особенно в медиальной орбитофронтальной коре, прямой и средней височной извилине. Наконец, все пораженные области внутри зрительной сети были расположены в правом полушарии, включая клин, верхнюю затылочную извилину, среднюю затылочную извилину, нижнюю затылочную извилину и веретенообразную извилину из-за доминирования правого глаза участников.

Таблица 2. Список областей интереса мозга, которые значительно различались в пределах хотя бы одного экспериментального фактора (т.е. условия или времени) в узловых свойствах более чем для половины матриц смежности (со значениями δ от 0,06 до 0,3 в шаг 0,01).

Рис. 9. Представление модульных изменений из-за экспериментальных факторов (т.е. состояния и времени) по отношению к обоим полушариям. Здесь из-за возможного совпадения двух тестовых факторов рассматривается общий эффект.SMN, сенсомоторная сеть; ВН, визуальная сеть; ФПН, лобно-теменная сеть; DMN, сеть в режиме по умолчанию; LS, лимбическая система; CERB мозжечковая сеть.

Согласно скорректированным значениям p в таблице 2, наибольшие топологические изменения между состояниями RW и SR (обозначены надстрочным индексом c ) наблюдались в правой дополнительной моторной области, правой средней области, правом гиппокампе, правой миндалине и т. Д. правая клиновидная мышца, левая веретеновидная извилина, левая скорлупа, левый бледный шар, левая средняя височная извилина и правое полушарие мозжечка (долька 10).Напротив, мы обнаружили области мозга правой дополнительной моторной зоны, правой медиальной лобной извилины, медиальной орбитофронтальной коры, правой прямой извилины, левой парагиппокампальной извилины, левой миндалины, правой клиновидной кости, правой верхней затылочной извилины, правой средней затылочной извилины, левой нижней теменная долька, правая скорлупа, правая средняя височная извилина и правое полушарие мозжечка (доли 6, 10), которые функционально изменялись в течение дня в большинстве локальных измерений графика (обозначены верхним индексом t ).

Примечательно, что не было регионов с метриками центральности близости и разнообразия, для которых изменения были бы статистически значимыми в более чем половине пороговых графиков смежности. Кроме того, показатели промежуточности и подграфа были менее восприимчивы к топологическим изменениям мозга, чем остальные меры центральности, включая узловую степень, участие, K-сердцевинность, собственный вектор и центральность PageRank.

В качестве визуального представления локальных свойств функциональных сетей в анализе на уровне группы на рисунке 10 представлена ​​средняя коннектограмма для всех 13 участников в четырех различных вариантах лечения (т.е., RW / 10: 00AM, RW / 10: 00PM, SR / 10: 00AM и SR / 10: 00PM) при пороговом значении 0,08. Внутри самого внешнего круга, который представляет собой фрагменты мозга, были созданы пять круговых тепловых карт для отображения пяти локальных показателей, связанных с соответствующими фрагментами. Двигаясь к центру круга, измеряются степень центральности, коэффициент участия, центральность K-сердцевины, центральность собственного вектора и PageRank. Значение каждой локальной меры указывается с помощью сопоставления цветовой схемы, которая варьировалась от минимума до максимума набора данных.Значения локальных показателей являются результатом усреднения этих показателей по всем индивидуумам. Кроме того, при построении связей в каждой коннекограмме сначала усреднялись корреляционные матрицы всех участников соответствующего лечения, а затем матрица результатов бинаризовалась с пороговым значением 0,08.

Рис. 10. Средняя коннекограмма для всех участников при четырех различных режимах (т. Е. RW / 10: 00AM, RW / 10: 00PM, SR / 10: 00AM и SR / 10: 00PM).Разделенные области на крайнем круге представляют 116 областей мозга AAL. Этот внешний круг описывает пять внутренних круговых тепловых карт, построенных для отображения значений пяти локальных показателей. Диапазон для каждой из этих мер составляет от минимального до максимального предполагаемого значения. Ближе к центру круга этими мерами являются центральность степени, коэффициент участия, центральность K-сердцевины, центральность собственного вектора и PageRank. Значения всех показателей, а также функциональные связи в каждой из коннекограмм выводятся из среднего значения всех индивидуумов в соответствующем лечении.

Обсуждение

Насколько нам известно, это первое исследование фМРТ, основанное на задачах, для оценки изменений связности всего мозга после сокращения сна, а также суточной изменчивости с помощью теоретико-графовых показателей. Наше исследование показало два основных вывода в отношении глобальных и локальных критериев, соответственно: (1) характерная длина пути, ограниченность и ассортативность были значительно изменены в результате дефицита сна или суточной изменчивости, однако ни условия сна, ни временной интервал в течение дня оказал основное влияние на уровне значимости 0.05 о значениях глобальной эффективности, локальной эффективности, коэффициента кластеризации, транзитивности и модульности; (2) метрики локального графа были смещены в основном по лимбической системе (особенно в гиппокампе, парагиппокампальной извилине и миндалине), сети режима по умолчанию и визуальной сети, однако они были в основном стабильными в сенсомоторной, лобно-теменной и мозжечковой сетях.

В качестве меры глобальной интеграции рост характерной длины пути в SR отражает неэффективность глобальной передачи информации в архитектуре мозга, когда организм испытывает недостаток сна.Более того, как и в предыдущем исследовании (Ferri et al., 2008), наши результаты показали, что сеть мозга проявляет свойство маленького мира во время достаточного сна и в условиях недосыпания, однако значения в режиме недосыпания были значительно ниже, чем те, которые были получены в режиме недосыпания. при нормальном бодрствовании, что противоречит результатам состояния покоя, полученным Liu et al. (2014). Согласно Bassett и Bullmore (2006), высокий коэффициент кластеризации и короткая длина пути в сетях малого мира приводят к балансу между минимизацией стоимости проводки и максимизацией информационного потока между компонентами сети, что указывает на локальную специализацию и глобальную интеграцию в организации мозга. в то же время (Watts, Strogatz, 1998; Рубинов, Спорнс, 2010).Следовательно, более низкие значения ограниченности пространства в состоянии дефицита сна по сравнению с бодрствованием во время задачи пространственной метки, как правило, демонстрируют менее оптимальную топологию сети и большую стоимость проводки. В конце концов, наши результаты показали снижение ассортативности сети в течение дня, что частично совпадает с выводами Li et al. (2018). Примечательно, что пониженная ассортативность связана с уменьшенной тенденцией узла связываться с другими узлами с той же или подобной степенью (Newman, 2003; Foster et al., 2010), что снижает вероятность того, что ближайший концентратор спасет неисправный узел. По сути, ассортативность — это мера отказоустойчивости сети. Следовательно, согласно нашим выводам, производительность мозга снижается в течение дня с утра до ночи из-за наличия уязвимых узлов.

Плотно связанные узлы и сетевые концентраторы сильно влияют на функциональную интеграцию и сегрегацию мозговой организации, вызывая потерю гибкости сети при повреждении. Чтобы исследовать влияние дефицита сна или суточных ритмов на региональные свойства, несколько показателей центральности были рассчитаны как локальные характеристики для каждой из 116 областей интереса.В таблице 2 приведены многочисленные существенные изменения в этих локальных показателях. Соответственно, лимбическая система, включающая гиппокамп, парагиппокампальную извилину, миндалевидное тело, скорлупу и бледный шар, на двусторонней основе испытала самые топологические изменения среди модулей мозга во время выполнения нашей задачи на зрительное внимание. Эти результаты согласуются с другими результатами на основе фМРТ, предполагающими, что одна ночь недосыпания может повлиять на производительность гиппокампа в кодировании памяти (Yoo et al., 2007) и нарушить функциональные паттерны связности таламуса (Yoo et al., 2007) и миндалины (Shao et al., 2014). Наши результаты показали, что, помимо лимбической системы, профили связности в сети режима по умолчанию претерпели значительные изменения в обоих полушариях, особенно в медиальной орбитофронтальной коре, прямой (или прямой извилине) и средней височной извилине, что согласуется с предыдущими данными. исследований (Gujar et al., 2010; Sämann et al., 2010; De Havas et al., 2012; Yeo et al., 2015). Примечательно, что все пораженные области в визуальной сети были расположены в правом полушарии из-за доминирования правого глаза участников (Rombouts et al., 1996). Учитывая большее количество значимых значений p в таблице 2, связанных с временным фактором (обозначенным верхним индексом t ), чем фактором условий (обозначенным верхним индексом c ), суточные колебания, по-видимому, имеют большее влияние на реконфигурацию функциональная связь мозга, чем сокращение сна.

Следует отметить несколько проблем и будущих направлений, касающихся настоящего исследования. Во-первых, размер нашей выборки был относительно небольшим.Хотя результаты были поразительными, небольшой размер выборки может ограничить трансляционную ценность наших результатов. Поэтому для подтверждения наших результатов потребуются дальнейшие исследования с более крупными и независимыми образцами. Во-вторых, мы использовали атлас AAL для определения 116 узлов графа для построения сети мозга. Однако нет единого мнения относительно того, какая схема разделения мозга является оптимальной для определения сетевых узлов и построения графов связности мозга (Hayasaka and Laurienti, 2010). Различные атласы могут приводить к разным топологическим свойствам в коннектоме человека.Таким образом, для обеспечения надежности анализа воспроизводимость первичных результатов может быть оценена с помощью нескольких схем парцелляции в разных пространственных масштабах, особенно с высоким разрешением (Stanley et al., 2013). В-третьих, ранние методы оценки компактности в реальных системах иногда имеют серьезные ограничения, такие как неправильная диагностика регулярных решеток как структуры маленького мира, недостаток внимания к взвешенным графам и пренебрежение вариациями плотности сети и силы соединений.К счастью, исследователи недавно добились больших успехов в устранении этих ограничений, представив новые меры для измерения малых размеров мира (Rubinov and Sporns, 2010; Telesford et al., 2011; Bolaños et al., 2013; Muldoon et al., 2016). Применение этих недавно представленных показателей к будущим исследованиям коннектома может привести к широкому прогрессу в архитектуре малого мира. В-четвертых, несколько методов, основанных на теории, недавно начали подчеркивать выдающуюся роль машинного обучения, алгоритмической оптимизации и параллельных вычислений в анализе фМРТ (Cohen et al., 2017). Таким образом, внедрение современных методов, таких как анализ мультивоксельных паттернов (MVPA), сверточная нейронная сеть (CNN) и генеративные модели, а затем их согласование с теоретическими концепциями графов, может позволить новому поколению исследований трансформировать знания о нейронных представлениях в сложных условиях. сети мозга. Наконец, важность воспроизведения гиппокампа для целостности сети во время недосыпания может стать еще одним интересным направлением будущих исследований (Kumaran, 2012), которое может решить актуальные вопросы, связанные с функцией гиппокампа в отсутствие сна.

Заключение

Настоящие результаты, основанные на теоретико-графических измерениях, подчеркивают динамические изменения функционального коннектома человека, вызванные дефицитом сна, и то, как они отклоняются от суточной изменчивости. Региональные временные курсы были извлечены из каждого участника во время задачи пространственной метки в разное время, а затем были построены соответствующие матрицы смежности. Изучая обычно используемые глобальные и локальные меры графа, мы обнаружили, что характерная длина пути, компактность и ассортативность были значительно изменены в результате потери сна или суточных ритмов.Однако ни условие, ни время измерения не оказали главного влияния на глобальную эффективность, локальную эффективность, коэффициент кластеризации, транзитивность или модульность. Метрики локального графа были изменены в основном в лимбической системе, сети режима по умолчанию и визуальной сети. Напротив, они были в основном стабильными в сенсомоторной, лобно-теменной и мозжечковой сетях.

Заявление о доступности данных

Экспериментальные данные фМРТ доступны с перепиской MF, vonfrovitz @ gmail.com; [email protected].

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены Комитетом по биоэтике Ягеллонского университета, Польша. Пациенты / участники предоставили письменное информированное согласие на участие в этом исследовании.

Авторские взносы

MF и TM разработали лабораторный эксперимент и контролировали сбор данных. MF, AD, EB и HO внесли свой вклад в сбор и подготовку данных. AD, EB и HO внесли свой вклад в сбор и подготовку данных.FF и WK провели исследование и моделирование данных. Ф.Ф. подготовил первоначальный вариант рукописи. MF, WK и PD контролировали все аспекты подготовки рукописей, исправлений, редактирования и окончательного содержания. Все авторы внесли свой вклад в интеллектуальное содержание рукописи.

Финансирование

Это исследование было частично поддержано грантом Министерства науки и высшего образования Польши №106 283935, выданным MF (PI) Ягеллонского университета, Краков, Польша.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fnins.2019.01087/full#supplementary-material

Сноски

1. http://www.fil.ion.ucl.ac.uk/spm
2. http://www.brain-connectivity-toolbox.net/

Список литературы

Абос А., Баджо Х. К., Сегура Б., Гарсия-Диас А. И., Компта Ю., Марти М. Дж. И др.(2017). Распознавание когнитивного статуса при болезни Паркинсона с помощью функциональной коннектомики и машинного обучения. Sci. Rep. 7, 1–13. DOI: 10.1038 / srep45347

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Андерсон, К., Платтен, К. Р. (2011). Лишение сна снижает торможение и усиливает импульсивность к негативным стимулам. Behav. Brain Res. 217, 463–466. DOI: 10.1016 / j.bbr.2010.09.020

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бенджамини, Ю., и Хохберг, Ю. (1995). Контроль уровня ложного обнаружения: практичный и эффективный подход к множественному тестированию. J. R. Stat. Soc. Сер. В 57, 289–300. DOI: 10.1111 / j.2517-6161.1995.tb02031.x

CrossRef Полный текст | Google Scholar

Билек, Э., Шафер, А., Охс, Э., Эсслингер, К., Зангл, М., Плихта, М. М. и др. (2013). Применение высокочастотной повторяющейся транскраниальной магнитной стимуляции к DLPFC изменяет функциональное взаимодействие префронтально-гиппокампа человека. J. Neurosci. 33, 7050–7056. DOI: 10.1523 / JNEUROSCI.3081-12.2013

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Боккалетти, С., Латора, В., Морено, Ю., Чавес, М., и Хванг, Д. У. (2006). Сложные сети: структура и динамика. Phys. Реп. 424, 175–308. DOI: 10.1016 / j.physrep.2005.10.009

CrossRef Полный текст | Google Scholar

Боланьос М., Бернат Э. М., Хе Б. и Авиенте С. (2013). Взвешенная мера сети малого мира для оценки функциональной связности. J. Neurosci. Методы 212, 133–142. DOI: 10.1016 / j.jneumeth.2012.10.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Bosch, O.G., Rihm, J. S., Scheidegger, M., Landolt, H.-P., Stampfli, P., Brakowski, J., et al. (2013). Недостаток сна увеличивает связность дорсальных связей с дорсолатеральной префронтальной корой головного мозга у людей. Proc. Natl. Акад. Sci. США 904