소개

한 가지 방법을 설명하는 기능성 피질의 조직을 통해지도는 소포 전체 cortex 으로 작은 지역이 얼마나 특정한 뇌 기능입니다. 가장 인기있는지도는 각 반구의 피질을 52 개의 영역으로 세분화 한 Brodmann(1909)에 의해 처음 설명되었습니다., 이 지역은 분단에 기초하여 조직학,차이점이 없어와 일치의 해부 하위 부문의 뇌로 돌출부와 뇌회. Brodmann 의 영역 44(BA44)는 피질의 해부학 적 세분 중 하나와 정확한 대응을하는 몇 안되는 기능 영역 중 하나입니다. 실제로,BA44 가 포함되어 있고 제한으로 갈 거예요 opercularis 의 왼쪽 열등한 정면 뇌의 핵심 표현 언어 기능에 의해 설명되 구(1861).,

모듈을 기반으로 한 뇌 기능의 분리 주의자 모델에서 이러한 다양한 기능을 설명하는 것은 번거로운 일입니다. 대부분의 현대 모델은인지를 네트워크 구성의 분산으로 설명하는 다중 모듈 식 접근법을 옹호합니다. 이 의미는 어떤 특정 지역(예를들면,BA44)연결할 수 있습과 다른 모듈에 따라 작업의 산출,특정 네트워크 구성에 대한 책임이 주어진 기능이 있다. 이 견해를 지칭하는 용어 인 뇌 연결성은 단순한 국소화 모델보다 복잡한인지,행동 및 신경 심리학 적 현상을 더 잘 설명 할 수 있습니다., 신경 네트워크 특성 분석 모델의 값은 현재에서의 상태인지신경과학,그리고 이를 위해 탐구력에서 다양한 방법은 필요합니다.

결과적으로 확산 텐서 이미징(DTI)과 휴식 상태 기능적 MRI(fMRI)의 출현으로 뇌 연결에 대한 관심이 새로 발견되었습니다. DTI 는 tractography 라는 최근에 개발 된 기술을 사용하여 살아있는 신경 조직의 섬유 책자를 식별 할 수 있습니다., Tractography 는 신경 책자를 나타내는 체인에서 분 물 확산 궤적(텐서)을 병합하는 이미징 후 처리 기술입니다. 휴식 상태 fMRI 는 자발적인 진동이 동조 상태에있는 이산 뇌 영역을 나타냄으로써 뇌 연결을 묘사하는 컴퓨팅 후 처리 절차의 또 다른 형태입니다. 이 두 가지 후 처리 절차는 현재 뇌 연결성을 연구하는 가장 보편적 인 방법입니다.

현대 뇌 연결 연구와 관련된 연구 결과 또는 기술을 정의하기 위해 새로운 용어가 만들어졌습니다., (1)구조적 연결을 참조하의 묘사 섬유에 의해 tractography;(2)기능적 연결을 의미하는지도의 공시적 뇌 진동,(3)효과적인 연결을 참조하여 작업을 기반으로 하 fMRI 에서는 통계 및 휴리스틱 접근법을 평가하는 방향으로의 데이터 흐름에 활성화되는 모듈의 fMRI., Tractography 할 수 있는 결정적 또는 확률론적 기능적 연결이 있을 수 있습에 기반한 독립적인 요소 분석(ICA)의 전체 데이터,또는 더 제한 묘사는 원격 synchrony 관련하여 평균 신호의 변화는 해당 지역의 관심(일 시드 기반의 기능 연결). 효과적인 연결성은 적어도 두 가지 매우 복잡한 수학적 접근법으로 탐구 될 수 있습니다.

지만 이러한 모든 방법을 제공할 수 있습 유사한 결과 그들은 또한 다를 수 있습니다., 예를 들어,사용은 결정적 tractography 제한 해상도로 교 섬유하는 동안,확률적 tractography 보 무역 감 특이성(요 et al., 2009). 구조적 연결이 거의 또는 전혀없는 지역간에 기능적 연결성이 관찰된다(Damoiseaux and Greicius,2009). 그러나,기능적 연결이 끊어질 수 있다 변화에 의해 영향을 받을 수 있습 빠른 교육을 학습하고,작업의 특정 성능이나 병변이(켈리고 갸라방,2005;Hasenkamp 및 Barsalou,2012;Jolles et al.,2013;Vahdat 외.,,2014)구조적 연결성이보다 안정적이며 변화는 주로 병변과 관련이 있습니다. 기능적 연결성에 대한 연구의 대다수는 휴식 상태 fMRI 를 기반으로합니다. 작업 중 또는 작업 후에 뇌 연결성을 탐구 한 연구는 거의 없습니다(예:Caclin and Fonlupt,2006;Bernal et al.,2013;디마 외., 2013). 작업 관련 fMRI 의 뇌 활성화 맵은 연결성을 표시했지만 항상 조사 된 기능으로 제한됩니다. 이것은 효과적인 연결성의 하부 구조입니다.,

최근에 설명된 방법에 따라 다소 제한된 메타 분석 기법을 설명도 하고있을 묘사하는 뇌의 기능적인 네트워크입니다. 이 방법은 메타 분석 연결 모델(MACM;Bzdok et al.,2013;Ardila 외.,2014;Kohn 외., 2014). 현재의 연구에서 우리는 표현 언어에 관련된 브로카의 영역 핵심 네트워크를 설명하기 위해이 방법을 활용합니다. 우리가 선호하는 용어”그것을 풀링 데이터에 연결 연구”를 혼동을 피하기 위해 표준의 메타-분석 방법론 일반적으로 필요한 광범위한 소스입니다.,

재료 및 방법

데이터 원본을 이 풀링 데이터에 연결 연구 brainmap.org. 이유를 활용하만 이 근원은 이 데이터베이스를 개별적으로 제공됩니다 체계화의 필드는 정보 및 소프트웨어 코딩을 활성화의 좌표를 만드는 가능한 한 정확하고,자동적이고 일관된 샘플 선택하는 연구이다. 의 출력 데이터베이스를 읽기 또한 특정 소프트웨어,도에 의해 제공됩 brainmap.org. 따라서,데이터베이스의 Brainmap1 액세스를 활용하 Sleuth2.,2,2014 년 8 월 20 일에 동일한 웹 사이트에서 제공하는 오픈 소프트웨어. 검색 조건이었다:(1)연구보고 BA44 또는 구역 활성화;(2)연구를 사용하여 fMRI;(3)일반 과목;(4)활성화:”활성화만”(폐기 보고서의 활성화);(5)오른손잡 과목(6)나이 20-60 년(7)도메인:언어이다. 검색은 Sleuth 에 의해 자동으로 수행되어 selecton 기준을 만족시키는 논문 목록을 제공합니다., 과목 이상 60 제외되었기 때문에 두 가지 이유로,(1)연령은 일반적으로 간주로 강력한 위험 요소에 대한 인지 감소에서 일반적으로,그리고 치매에서(특히 Ritchie 및 Kildea,1995;Ferri et al. 2006 년);(2)어떤 언어 능력의 감소가 관찰한 후 60 세(예를 들어,,아르윈 및 McCammon,2001;Ardila,2007);특정 언어 능력,같은 언어를 유창–언어 생산 능력을 포함하 BA44–을 명확하게 하락 후 이 나이(톰보 et al., 1999).

407 개의 실험 중 102 개의 논문이 기준과 일치했습니다. 이 순간에 제외 기준이 적용되었습니다., 기사를 제외하면 그들은 이중 언어 주제였거나 수행된 작업에서 동양어,작업한 자동적인 연설,작업 제한 받아들이는 언어입니다. 논문 보고 환자 또는 논문에서는 언어에 참여했다는 한계 또는 보조의 다른인지 작업(메모리,주의 억제)또는 중재 대상의 응답을 했지 않습니다. 남녀 모두의 피험자가 포함되었습니다. 이러한 제외 기준에 따라 12 개의 기사가 제외되었습니다., 따라서,57 개의 논문의 fMRI 결과는 914 명의 피험자 중 883 명,338 개의 실험 중 84 개;280 개의 조건 중 175 개;및 3699 개의 위치 중 1247 개를 제공하는 추가 분석을 위해 풀링되었다(표 1). Ba44(검색 기준)와 관련된 활성화는 Sleuth 소프트웨어에서 자동으로 획득되었습니다. 이 자동 보고서에는 질량 중심(MNI 좌표),mm3 단위의 클러스터 볼륨 및 강도로 정의 된 여러 클러스터가 나열됩니다. 주제/작업/종이 당 이러한 좌표는 다음 단계에 대한 분석을 위해 텍스트 파일(풀링 된 resutls)로 내보내졌습니다.,

의 통계적 유의성을 클러스터에서 찾을 풀링된 데이터는 다음 분석을 활용하여 활성화될 가능성 예상(에일)방법입니다. 이 단계는 오픈 소스 소프트웨어 GingerALE2 로 수행되었습니다. 에일은 풀링-데이터 연구에서 좌표 기반 뇌 활성화를 분석하는 방법입니다. 에일의 수학에 대한 설명은이 보고서의 목적을 벗어납니다., 간단히 말해서,에일은보고 된 활성화 피크를 주어진 좌표를 중심으로 한 공간 확률 분포로 취급합니다. ALE 계산 연합의 활성화에 대한 확률은 각각의 복셀도 differentation true 융합의 활성화에 초점에서 임의의 클러스터링(노이즈). 수천 개의 무작위 반복에서 얻은 ALE 점수는 관찰 된 활성화 클러스터에 p-값을 할당하는 데 사용됩니다. 에일의 이론에 대한 자세한 내용은 독자는 Eickhoff 등의 작업을 읽을 것을 권고합니다. (2009). 우리의 에일 맵은 p<0 에서 임계 값이었습니다.,01 거짓 발견율과 다중 비교를 위해 수정되었습니다. 유효한 클러스터로 허용되는 200 개 이상의 입방 mm 의 클러스터 만. ALE 결과 중첩에는 해부학적에 적합한 템플릿 MNI 좌표에 의해 제공됩 brainmap.org. 이 목적을 위해 우리가 활용 멀티미지 분석 GUI(Mango)3. 모자이크의 3×3transveral 듀의 융합을 이미지를 얻었을 활용하여 동일한 도구를 선택하는 3~4 이미지를 시작하는 이미지에 No.10,그리고 수출을 2D-jpg 이미지입니다.

결과

ALE 절차로 16 개의 중요한 활성화 클러스터가 발견되었습니다., 표 1 은 입방 밀리미터 단위의 부피로 순위가 매겨진 이러한 클러스터를 보여줍니다. 주요 클러스터는 BA44 와 그 인접 지역을 포함합니다. 이들은 전방 insula,하측 및 중간 정면 gyri 및 전 중앙 gyrus 입니다. 두 번째 클러스터는 ba6 및 32 를 포함하는 왼쪽 전 SMA 및 전방 cingulate gyrus 에 위치합니다. 우측 전방 cingulate gyrus 의 관여는 실제 일 수도 있고,대부분 이웃 한 반대 방향 동종 구조의 평활화 효과 일 수도 있습니다., 세 번째 군집은 BAs7,39,40 에 의해 공유되는 영역 인 왼쪽 우월 및 열등 정수리 소엽에 위치하고 있습니다. 네 번째 클러스터에 관련된 일부 거울 영역의 왼쪽 구(오른쪽 BA44,오른 앞쪽에 insula 오른쪽 BA9)및 중 하나 subcortical 구조,putamen. 다섯 번째 클러스터는 왼쪽 fusiform gyrus 와 관련이 있습니다. 여섯 번째 클러스터는 수용 언어 영역 또는 베르 니케의 영역의 핵심을 나타냅니다. 중요성의 다음 클러스터는 왼쪽 시상에 위치했다., 아홉 더 많은 클러스터에 나열된 자동화된 보고서에 의해 GingerAle 으로,열거된 표 1 에서 그들은 왼쪽 putamen,오른쪽정엽,후두엽,소뇌며,오른쪽 precentral 분이 있습니다.

토론

우리는 풀링 된 fMRI 데이터에서 ALE 의 방법을 활용하여 언어 작업에 특정한 Broca 의 영역 네트워크를 제시합니다. 우리의 방법이 다릅니다 다른 사람으로 묘사한 연결의 특정 지역에 그것의 가장 넓은 범위의 잠재력,집중해에서의 특성을 특정한 네트워크 subserving 특정인지 도메인 작업을 수행할 수 있습니다.,

우리는 ba44 의 언어 네트워크가 16 개의 클러스터로 구성되어 있음을 발견했습니다. 첫 번째 여섯 개의 클러스터 활성화가 잘 확립되어 지역:클러스터의 1 은 왼쪽 infero-측면 정면 뇌와 전 insula 는 함께 찍은 인정을 문학으로 표현하는 언어 영역(벤슨과 Ardila,1996)., 큰 크기의 클러스터를 보여준 고밀도 주변 연결성을 인접한 지역 BA44 를 통해 U 섬유;클러스터 2 개,을 나타내 보조 모터 영역은,사전 연결되어 있는 구조적으로 통스듬히 정면니다에 의해 설명 Catani et al. (2013),그리고 언어 유창성 및 연설의 시작과 관련이있을 가능성이 큽니다(Martino et al. 2012 년);클러스터 3 타의 활성화를 왼쪽에 우수하고 열등한 정수리 lobule,직접 또는 간접적으로 연결된 섬유의 아치형니다거나 열등 occipitofrontal 다(딕 et al.,, 2013). 이 정수리 영역과의 연결은 구두 작업 메모리 노드에 대한 액세스와 관련이있을 가능성이 더 큽니다(Jonides et al. 1998 년);클러스터 4,보의 활성화를 동종 분야의 클러스터 1;클러스터 5 6 와 관련 된 정규 wernicke 의 지역,가장 가능성을 통해 연결되어 아치형다고 subserving 음운 전송 기능(딕 et al., 2013).

클러스터 7 내지 16 은 피질 하 영역의 활성화,좌측 시상의 내측 지느러미 핵;좌측 푸타멘 및 우측 소뇌로 구성되었다., 왼쪽 소뇌의 참여는 의문의 여지가 있으며 나중에 다루어 질 것입니다. 다른 작은 클러스터에 있는 반대쪽 동종의 영역을 활성화(BA7 및 BA22),보조 시각 영역(BA18 및 BA19)모두에서 반구 및 활성화의 오른쪽 precentral 분이 있습니다. 이러한 영역의 참여는 잘 이해되지 않습니다., 시각 영역에 관여 할 수 있습니다 언어 작업을 대상으로”다시 시각화하는”개체고 장면을 설명하는 언어적 소재 precentral 랑될 수 있으로 참여 consecuence 의 subvocalization,존재할 수 있는 노출될 경우 언어적 소재의 전 리허설 이미지 모니다(Smith et al., 1995). 의 참고가 부족의 연결을 왼쪽 BA45 왼쪽 BA21,에 나열되지 않은 맥주-자동 텍스트 보고서가 없으며,에 나타나는 연출 이미지입니다. Left BA45 와 BA39 의 참여 부족은 나중에 해결 될 것입니다.,

우리의 지식을 최대한 활용하기 위해,언어로 Broca 의 영역의 기능적 연결성을 확인하려는 사전 시도는보고되지 않았습니다. 그러나 특정 작업이나 언어 기능과 관련된 뇌의 연결성을 평가하는 연구를보고 한 출판물은 거의 없습니다. 종자 기반 휴식 상태 기능적 연결성 분석을 사용하여 Zhu et al. (2014)는 broca 와 Wernicke 의 영역을 시딩하는 언어 네트워크를 시연했습니다. 그들은 Broca’s 가 lateralized 로 남겨지는 것을 보여 주었다., 또한,이용 종자 기반 resting-state fMRI 에 동의 970 건강한 과목 Tomasi 및 Volkow(2012)견의 활성화 정규 전두엽,시간 및 정수리 지역,양자 꼬리고 왼쪽 putamen/globus pallidus 및 시상 핵. 저자는 wernicke 의 영역과 Broca 의 영역을 모두 시드 영역으로 활용했습니다. 브로카 지역의 구조적 연결성에 대한 몇 가지 연구도 있습니다. 모건 등. (2009)는 SMA 와 표현 언어 영역 사이의 연결성을 평가하기 위해 DTI 와 휴식 상태 기능적 연결성을 결합했다고보고했다., Eickhoff 등의 메타 분석 연구에서. (2009)는 유창성 작업의 결과를 풀링하고 DCM 을 수행함으로써 표현 네트워크를 설명했습니다(Heim et al., 2009). 그들은 핵심 네트워크로 구성된 BA44,전 insula BA6(premotor cortex),그리고 BA4(기본 운동 피질),연결과를 기초 중추고 소뇌. 자신의 연구에서 그들을 발견 DCM 증거 insula 위치에서 사 BA44 및 두 개의 평행 노드가 포함된 소뇌/기초 중추고 운동 피질. 하임 외., (2009)평가 성의 연결하 BA45(및 BA44,간접적으로)에 언어 작업의 음운/어휘 차별 시각적으로 표시됩니다.

두 가지 추가 연구가 구조와 기능에 관한 broca 의 영역을 parceling 하는 데 중점을 두었습니다. 첫 번째 연구는 확률 론적 tractography 를 활용했으며 BA45 를 포함했습니다. 3 개의 분리 된 영역이 확인되었다:ba44,BA45 및 전방 insula 를 접하는 깊은 수술 영역(Anwander et al.,2007);두 번째 연구는 몇 가지 별개의인지 과제에 대한 공동 활성화 패턴을 기반으로 한 방법을 활용했다., 이 작품에서 저자는 설명하는 다섯 개의 구획의 구역 후방 지역과 관련된 음운론(등)및 리듬 시퀀싱(부),세 개의 앞쪽 지역과 관련된 작업 메모리 스위칭을 제어하고 의미론(Clos et al., 2013). 그것은 명확하지 않는 방법이 parcellation 와 조화를 이루는 이전의 연구 결과를 설명하는 dorso 복의 차별화 BA44,당에서 지 측면 관찰 관련 mirror 신경 시스템(Molnar-Szakacs et al., 2005).

우리의 방법 비록 새로운 것은 완전히 소설이 아닙니다., Sundermann 과 Pfleiderer(2012)는 우리 연구와 동일한 방법론을 활용하여 연구를 수행했습니다. 그러나이 저자들은 언어를 목표로 삼지 않았습니다. 대신,그들은 초점을 맞춘들의 연구에서는”정면에 열등 교차로”(는 영역을 포괄하는 열등두회,꼬리 측면의 중 정면 뇌와 전 insula),그리고 그 역할에서인지 제어합니다. 그들은 ALE 방법을 기반으로 macm(meta-analytical connectivity modeling)을 적용했습니다. 으로서 우리는 우리의 접근 방식은,그들은 그들의 분석을 집계의 모든 기사는 왼쪽 또는 오른쪽으로 열등한 정면 뇌회 보고되었으로 활성화됩니다., 우리처럼 그들은 또한 지역의 활성화는 독립 변수와 특정 가정에 관한 기능의 전문화합니다. 모든 공동 활성화 영역은 핵심 영역(MACM 의 선택 기준)과 연결된 것으로 생각되었습니다.

의 중요 특성화 언어 네트워크의 BA44 속에서 앞서 언급 한 사실의 multimodality 의 참여로 이 지역에 걸쳐 서로 다른 도메인에서 유일한 방법입니다 표현 언어의 핵심으로 브로카의 영역,다른 많은 기능을 갖고있는 것 같다., 이미 언급 된 기능 외에도 ba44 는 구두 작업 기억 작업에 관여하는 것으로 보입니다(Rämä et al.,2001;Sun 외.,2005),특히 구문 유형의 기억(Fiebach et al.,2005;왕 외.,2008);미러 뉴런 시스템(Manthey et al.,2003;로렌스 등.,2006;Lotze 외.,2006);모터 프로그래밍(Amunts et al.,2004);촉각 이미지(Yoo et al.,2003);산술 처리(Rickard et al.,2000);그리고 심지어 음악 즐거움(Koelsch et al., 2006)., 이 여러의 구역에서 설명 될 수 있습에 의해 부분적으로 해부학적 구분을 설명하기 전에,하지만 여전히 특정 하위 지역을 연결해야에서 특정 방식으로 생산하는 고유한 작업과 관련된 네트워크 구성이 있습니다.

Broca 의 하위 해부학 적 분화 가설은 세포 수용체의 다른 집단을 보여주는 최근의 조직 학적 autoradiography 연구에 의해 뒷받침된다(Amunts et al., 2010). 이 작업의 주요 가정은 세포 수용체 세그먼트에서의 분화가 또한 기능한다는 것이다., 는 수용체형 parceling 구에서(1)복 precentral 전환 외피,(2)지 BA44,(3)복 BA44,(4)전 BA45,(5)후 BA45 고(6)중 정면 뇌의 정면을 아가미. 주목할 점은 BA45 또는 IFG 의 par triangularis 를 포함하여이 작업에서 Broca 의 영역에 대한 더 넓은 의미입니다.

이러한 모든 사실을 나타내는 멀티-잠재적인 기능의 BA44 는 가능성이 높은 표정에는 여러 네트워크 구성에 대한 회계 다른 기능이 출력됩니다., 따라서 특성을 가능한 모든 네트워크를 구성하는 것이 좋습에서 이해하기 위한 시도는 가소성 뇌의 기능과 가능한 임상적 효과의 병변입니다.

우리의 결과는 중요한 의미를 갖는다. 그것은 다양한 뇌 기능과 관련된 별개의 브로카 관련 네트워크를 더욱 캐러세링하기위한 출발점 역할을 할 수 있습니다. 그것 또한 쉬운 설명의 복잡성의 syndroms 에서 볼 수 있는 음성과 언어장애,을 줄이기 위해 어려운 두 개 또는 세 개의 모듈은 언어의 표준 모델입니다., 시범의 특정 네트워크 subserving 또한 특정한 인지 기능으로,이 논문에서 제시,중요한 십자가 검증의 다른 기술을 보여주는 뇌 연결성이며 그것은 또한 역할을 수 있을 증거하거나 dysproof 기능적 참여의 구조적 연결. 예를 들어,언어에 대한 우반구 우성을 가진 일부 피험자는 왼쪽 아치형 fasciculus 우성(Dick et al., 2013 년),어떤 경우에,구조적 연결지 않을 다음과 같은 신경 연결성;우리의 방법을 수 있습니다 또한 진화하는 도구로 특정 언어로 재화면 별개의 오른쪽에서 왼쪽을 수행하고 있으므로 설명에서 앞으로의 연구에서 이야 합니다.

제한 사항

더 많은 기사가 설명 BA44 활성화에서 언어 작업,그러나 그들은에 포함되지 않았 brainmap.org 데이터베이스입니다., 를 입력 데이터베이스,연구 결과를 보고서로 활성화에서 표준 공간 좌표(MNI 또는 Talairach),어야 하는 수동으로 입력하는 데이터베이스 및 그 후 승인된 팀에 의해 주도 brainmap.org 프로젝트입니다. 이러한 제한에도 불구하고 저자의 수를 추정연구/참가자/실험에 들어가 풀링-데이터 큰 반영한 상태의 출판물에서 fMRI 의 언어입니다.

또 다른 잠재적인 제한 사항에서 파생된 전처리가 잘못된 할당의 활성화 분야에서는 두 개의 서로 다른 로브 또는 구조의 접촉., 데이터의 전처리의 일부는 활성화를 부드럽게하는 것으로 구성됩니다. 평활화에서,이웃보다 낮은 신호를 갖는 복셀은 덜 시끄러운 프리젠 테이션을 위해 증가된다. 따라서 알고리즘은 모든 이웃을 연속체로 취급합니다. 이 절차는 무엇인지 설명하는 대부분은 거짓의 활성화 culmen 의 소뇌로서,평활의 활성화를 취득에서 부르는 뇌 맞닿아 있죠 culmen. 유사한 효과는 우측 전방 이랑에서 활성화의 호출을 설명하고,좌측 측두 상 이랑(클러스터 1 에서 영역 22)., 이 활성화는 인접한 정면 operculum 으로부터의 평활화의 연장 때문일 가능성이 큽니다.

두 가지 추가 제한 사항이 노출되어야합니다. 앞서 언급 한 fMRI 연구에 의해 입증 된 언어에 대한 BA45 의 명확한 참여에도 불구하고이 영역은 ALE automatic 보고서에서 언급되지 않았습니다. 클러스터 1(표 1)은 BA45 를 둘러싼 모든 영역(즉,44,47,6 및 9)에서 활성화를 보여줍니다., 따라서,그것은 알고리즘을 가정한”블록”을 포함하여 BA45(갈 거예요 Tringularis)내에서 BA44,이후 활성화는 명백한에서는 지역에 따라 이미지를 렌더링(그림 1 을 오른쪽 패널). 비슷한 상황이 BA21 의 보고서 부족을 설명 할 수 있습니다. 이러한 기술적 한계는 저자가 수정하기에 적합한 것과는 거리가 멀다. 그러나 그 자체로는 통계 분석이나 결과에 영향을 미치지 않습니다.

기타 제한 사항이 있는 의식을 제한하는 연구의 의도를 피하의 효과를 혼동하는 요인에 영향을 미치는 것으로 알려진 언어의 재화(마우스 오른쪽 단추손으로 정상적인 과목,언어 유형:양 및 나이:20-60). 이러한 변수가 Broca 의 네트워크와 어떻게 상호 작용하는지에 대한 조사는 향후 연구에서 다루어 질 가치가 있습니다.

큰 데이터베이스의 출현은 주어진 변수에서 신뢰할 수있는 정보의 집계를 허용합니다. 그것은 우리가 일반화의 높은 능력으로 신뢰할 수있는 정보를 얻을 수있게 해줄 것입니다., 또한 풀링 데이터에서 방법을 우리는 여기서 제안할 수 있습의 데모 영역의 공동 활성화를 통해 과목에서 작업 subserving 거나 특정 기능이나 기능에 관한 특정한 도메인입니다. 특히,각각의 특정 작업(음운론,의미론,이해력 등)은 모듈 중 몇 개만 사용할 수 있습니다. 특정 기능을 가라 앉히는 높은 특정 네트워크의 묘사는 임상 실습에서 중요 할 수 있습니다., 예를 들어,그것을 식별할 수 있는 네트워크 관련된 재화의 언어,따라서 도움을에서 신경외과 계획은 환자에서 적합하지 않 작업 종속 fMRI 또는 도중 테스트입니다. 큰에서 우리의 방법을 설명한 또는 잠재적인 연결의 네트워크에 대한 인식 향상을 도메인 이해의 두뇌 기능을 수 있습니다., 예를 들어,우리는 우리를 평가하고 수 있는 모든 다른”구성”에서는 BA44 참여하는 공개하는 최대 연결하거나,작은 규모,구의 분화에 대한 구성 하는 방법 BA44 에 관련된 다양한 기능입니다.

결론

우리는 입증 응용 프로그램의 데이터 풀링 방법을 묘사에 큰 네트워크의 BA44 관련된 언어입니다. 발견 된 활성화 클러스터는 이전의 임상 및 신경 영상 연구와 일치하지만 후자는 빈약합니다., 을 위해서 설명하는 뇌의 기능에 대한 설명이야에서 immidiate 미래보다 더 큰 영향을 설명 뇌의 모듈에 있었다 수 있습니다. 두뇌 연결에 대한 더 나은 이해가 필요할 것입니다.뇌 기능을 더 잘 이해하는 데 도움이됩니다.

이해의 충돌 문

저자가 선언하는 연구가 수행되었의 부재에서 어떠한 상업 또는 금융 서비스를 제공하는 것으로 해석될 수 있는 잠재적인 이해의 충돌.,

각주

1. ^http://brainmap.org
2. ^http://brainmap.org
3. ^http://ric.uthscsa.edu/mango/