medvisМедицинская визуализацияMedical Visualization1607-07632408-9516RDS-Media Ltd.10.24835/1607-0763-1374medvis-1374Research ArticleГОЛОВАHEADФункциональная магнитно-резонансная томография в состоянии покоя: анализ коннективности крупномасштабных сетей головного мозгаResting state functional magnetic resonance imaging: an analysis of the connectivity of brain large-scale networkshttps://orcid.org/0000-0002-5126-4212АбдулаевШ. К.AbdulaevSh. K.

Абдулаев Шамиль Казимагомедович – научный сотрудник ФГБОУ ВО “Военно-медицинская академия им. С.М. Кирова” Министерства обороны Российской Федерации, Санкт-Петербург

Shamil K. Abdulaev – researcher of S.M. Kirov Military Medical Academy, Ministry of Defense of Russia, St. Petersburg

a.shamil94@gmail.comhttps://orcid.org/0000-0002-9874-5523ТарумовД. А.TarumovD. A.

Тарумов Дмитрий Андреевич – доктор мед. наук, преподаватель первой кафедры терапии усовершенствования врачей ФГБОУ ВО “Военно-медицинская академия им. С.М. Кирова” Министерства обороны Российской Федерации, Санкт-Петербург

Dmitriy A. Tarumov – Doct. of Sci. (Med.), Lecturer of the 1st Department (Advanced  therapy for doctors), Military Medical Academy, Ministry of Defense of Russia, St. Petersburg

Tarumov@live.ruhttps://orcid.org/0009-0002-2656-9070БогдановскаяА. С.BogdanovskayaA. S.

Богдановская Анна Сергеевна – ординатор кафедры психиатрии и наркологии ФГБОУ ВО “Северо-­Западный государственный медицинский университет имени И.И. Мечникова” Минздрава России, Санкт-Петербург

Anna S. Bogdanovskaya – Resident, Department of Psychiatry and Narcology, I.I. Mechnikov North­-Western State Medical University St. Petersburg

anny9979@yandex.ruФГБОУ ВО “Военно-медицинская академия им. С.М. Кирова” Министерства обороны Российской Федерации; 194044 Санкт-Петербург, улица Академика Лебедева, 6, Российская ФедерацияРоссияS.M. Kirov Military Medical Academy, Ministry of Defense of Russia; 6, Academician Lebedev str., St. Petersburg 194044, Russian FederationRussian FederationФГБОУ ВО “Северо­-Западный государственный медицинский университет им. И.И. Мечникова” Минздрава России; 191015 Санкт-Петербург, ул. Кирочная, д. 41, Российская ФедерацияРоссияI.I. Mechnikov North­Western State Medical University; 41, Kirochnaya str., 191015 St. Petersburg, Russian FederationRussian Federation2024261220232814556Copyright © Абдулаев Ш.К., Тарумов Д.А., Богдановская А.С., 20242024Абдулаев Ш.К., Тарумов Д.А., Богдановская А.С.Abdulaev S.K., Tarumov D.A., Bogdanovskaya A.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://medvis.rdsmedia.ru/jour/article/view/1374Цель исследования

Цель исследования: оценить возможности различных методов анализа функциональной интеграции крупномасштабных нейросетей головного мозга у здоровых испытуемых по данным функциональной МРТ в состоянии покоя.

Материал и методы

Материал и методы. Функциональная МРТ в состоянии покоя выполнена 28 здоровым испытуемым мужского пола в возрасте 27,4 ± 5,1 лет, без вредных привычек и черепно-мозговых травм. Проводилась функциональная оценка крупномасштабных нейросетей, входящих в тройную сетевую модель: сети пассивного режима работы, сети выявления значимости и сети исполнительного контроля.

Результаты

Результаты. Анализ независимых компонентов в полной мере позволил выявить сеть пассивного режима работы и сеть выявления значимости, однако сеть исполнительного контроля были выявлена частично, и в основном это касалось структур, имеющих билатеральное расположение. Анализ графов определил структуры, имеющие наибольшую ценность для нейрофункциональных исследований. Практически все структуры, у которых отмечены максимальные показатели графов относятся к сети исполнительного контроля. Результаты Roi-анализа показали взаимодействие между собой сети пассивного режима и сети исполнительного контроля, что свидетельствует об их совместной работе в обеспечении важных функций головного мозга. Также было определено, что у здоровых людей все структуры внутри крупномасштабных сетей функционально связаны между собой.

Заключение

Заключение. Разные методы анализа данных функциональной МРТ в состоянии покоя выявляют различные аспекты связности в мозге, в обработке каждого метода задействованы совершенно разные принципы, а окончательные параметры количественного определения также меняются в зависимости от предпочтительного метода. В настоящее время не существует единого метода, который сам по себе считался бы стандартом анализа. Применение нескольких методов к одному и тому же набору данных может дать более информативные результаты. 

Objective

Objective: To assess the possibilities of various methods for analyzing the functional integration of large-scale brain neural networks in healthy subjects according to functional MRI resting state.

Material and methods

Material and methods. Functional MRI at rest was performed on 28 healthy male subjects aged 27.4 ± 5.1 years, without bad habits and craniocerebral injuries. A functional evaluation of large-scale neural networks included in the triple network model was carried out: default mode network, salience network, executive control network.

Results

Results. The analysis of independent components made it possible to fully identify the default mode network and the salience network, however, the executive control network were partially identified, and this mainly concerned structures with a bilateral location. Graph analysis has identified structures of greatest value for neurofunctional research. Almost all structures that have the highest graph indicators are related to the executive control network. The results of the Roi-analysis showed the interaction between all large-scale networks, which indicates their joint work in providing important brain functions. It was also determined that in healthy people, all structures within large-scale networks are functionally interconnected.

Conclusion

Conclusion. Different methods of resting functional MRI data analysis reveal different aspects of connectivity in the brain, completely different principles are involved in the processing of each method, and the final quantification parameters also vary depending on the preferred method. Currently, there is no single method that in itself would be considered the standard of analysis. Applying multiple methods to the same dataset can produce more informative results.

Функциональная МРТ в состоянии покояфункциональная интеграциясетьfunctional MRI resting statefunctional integrationnetworksReferencesCraddock R.C., Jbabdi S., Yan C.G. et al. Imaging human connectomes at the macroscale. Nat Methods. 2013; 10: 524–539. https://doi.org/10.1038/nmeth.2482Craddock R.C., Jbabdi S., Yan C.G. et al. Imaging human connectomes at the macroscale. Nat Methods. 2013; 10: 524–539. https://doi.org/10.1038/nmeth.2482Bergmann E., Gofman X., Kavushansky A., Kahn I. Individual Variability in Functional Connectivity Architecture of the Mouse Brain. Commun. Biol. 2020; 3: 738. https://doi.org/10.1038/s42003-020-01472-5Bergmann E., Gofman X., Kavushansky A., Kahn I. Individual Variability in Functional Connectivity Architecture of the Mouse Brain. Commun. Biol. 2020; 3: 738. https://doi.org/10.1038/s42003-020-01472-5Park H.J., Friston K. Structural and functional brain networks: from connections to cognition. Science. 2013;342:1238411. https://doi.org/10.1126/science.1238411Park H.J., Friston K. Structural and functional brain networks: from connections to cognition. Science. 2013;342:1238411. https://doi.org/10.1126/science.1238411Тарумов Д.А., Абдулаев Ш.К., Труфанов А.Г., Ушаков В.Л., Шамрей В.К., Железняк И.С., Ипатов В.В., Романов Г.Г., Ковалишин И.М. Возможности функциональной магнитно-резонансной томографии покоя в оценке функционального состояния головного мозга у пациентов, страдающих опиоидной наркоманией. Вестник российской военно-медицинской академии. 2018; 3 (63): 72–79.Tarumov D.A., Abdulaev Sh.K., Trufanov A.G. et al. Functional magnetic resonance imaging tomography in assessing the functional state of the brain in patients with opioid addiction. Bulletin of the russian military medical academy. 2018; 3 (63): 72–79. (In Russian)Biswal B. Resting state fMRI: a personal history. Neuroimage. 2012; 62 (2): 938–944. https://doi.org/10.1016/j.neuroimage.2012.01.090Biswal B. Resting state fMRI: a personal history. Neuroimage. 2012; 62 (2): 938–944. https://doi.org/10.1016/j.neuroimage.2012.01.090Soddu A., Vanhaudenhuyse A., Demertzi A. et al. Resting state activity in patients with disorders of consciousness. Funct Neurol. 2011; 26: 37–43.Soddu A., Vanhaudenhuyse A., Demertzi A. et al. Resting state activity in patients with disorders of consciousness. Funct Neurol. 2011; 26: 37–43.Liu Y., Gao J.H., Liotti M. et al. Temporal dissociation of parallel processing in the human subcortical outputs. Nature. 1999; 400: 364–367. https://doi.org/10.1038/22547Liu Y., Gao J.H., Liotti M. et al. Temporal dissociation of parallel processing in the human subcortical outputs. Nature. 1999; 400: 364–367. https://doi.org/10.1038/22547Tononi G., Sporns O., Edelman G.M. A measure for brain complexity: relating functional segregation and integration in the nervous system. Proc Natl Acad Sci USA. 1994; 91: 5033–5037 https://doi.org/10.1073/pnas.91.11.5033Tononi G., Sporns O., Edelman G.M. A measure for brain complexity: relating functional segregation and integration in the nervous system. Proc Natl Acad Sci USA. 1994; 91: 5033–5037 https://doi.org/10.1073/pnas.91.11.5033Lanting C.P., de Kleine E., Langers D.R., van Dijk P. Unilateral tinnitus: changes in connectivity and response lateralization measured with fMRI. PLoS One. 2014; 9: 110704. https://doi.org/10.1371/journal.pone.0110704Lanting C.P., de Kleine E., Langers D.R., van Dijk P. Unilateral tinnitus: changes in connectivity and response lateralization measured with fMRI. PLoS One. 2014; 9: 110704. https://doi.org/10.1371/journal.pone.0110704Friston K.J. Modalities, modes, and models in functional neuroimaging. Science. 2009; 326: 399–403. https://doi.org/10.1126/science.1174521Friston K.J. Modalities, modes, and models in functional neuroimaging. Science. 2009; 326: 399–403. https://doi.org/10.1126/science.1174521Biswal B., Yetkin F.Z., Haughton V.M., Hyde J.S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn Reson Med. 1995; 34: 537–541. https://doi.org/10.1002/mrm.1910340409Biswal B., Yetkin F.Z., Haughton V.M., Hyde J.S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn Reson Med. 1995; 34: 537–541. https://doi.org/10.1002/mrm.1910340409Van den Heuvel M.P., Hulshoff Pol H.E. Exploring the brain network: a review on resting-state fMRI functional connectivity. Eur. Neuropsychopharmacol. 2010; 20: 519–534. https://doi.org/10.1016/j.euroneuro.2010.03.008Van den Heuvel M.P., Hulshoff Pol H.E. Exploring the brain network: a review on resting-state fMRI functional connectivity. Eur. Neuropsychopharmacol. 2010; 20: 519–534. https://doi.org/10.1016/j.euroneuro.2010.03.008Li K., Guo L., Nie J., Li G., Liu T. Review of methods for functional brain connectivity detection using fMRI. Comput Med Imaging Graph. 2009; 33: 131–139. https://doi.org/10.1016/j.compmedimag.2008.10.011Li K., Guo L., Nie J., Li G., Liu T. Review of methods for functional brain connectivity detection using fMRI. Comput Med Imaging Graph. 2009; 33: 131–139. https://doi.org/10.1016/j.compmedimag.2008.10.011Van de Ven V.G., Formisano E., Prvulovic D. Functional connectivity as revealed by spatial independent component analysis of fMRI measurements during rest. Hum Brain Mapp. 2004; 22: 165–178. https://doi.org/10.1002/hbm.20022Van de Ven V.G., Formisano E., Prvulovic D. Functional connectivity as revealed by spatial independent component analysis of fMRI measurements during rest. Hum Brain Mapp. 2004; 22: 165–178. https://doi.org/10.1002/hbm.20022Beckmann C.F., DeLuca M., Devlin J.T., Smith S.M. Investigations into resting-state connectivity using independent component analysis. Philos. Trans. R. Soc. Lond B. Bio.l Sci. 2005; 360 (1457): 1001–1013. https://doi.org/10.1098/rstb.2005.1634Beckmann C.F., DeLuca M., Devlin J.T., Smith S.M. Investigations into resting-state connectivity using independent component analysis. Philos. Trans. R. Soc. Lond B. Bio.l Sci. 2005; 360 (1457): 1001–1013. https://doi.org/10.1098/rstb.2005.1634Bertolero M.A., Yeo B.T., D'Esposito M. The modular and integrative functional architecture of the human brain. Proc. Natl. Acad. Sci. USA. 2015; 112 (49): 6798–6807. https://doi.org/10.1073/pnas.1510619112Bertolero M.A., Yeo B.T., D'Esposito M. The modular and integrative functional architecture of the human brain. Proc. Natl. Acad. Sci. USA. 2015; 112 (49): 6798–6807. https://doi.org/10.1073/pnas.1510619112Ma L., Wang B., Chen X., Xiong J. Detecting functional connectivity in the resting brain: a comparison between ICA and CCA. Magn. Reson. Imag. 2007; 25 (1): 47–56. https://doi.org/10.1016/j.mri.2006.09.032Ma L., Wang B., Chen X., Xiong J. Detecting functional connectivity in the resting brain: a comparison between ICA and CCA. Magn. Reson. Imag. 2007; 25 (1): 47–56. https://doi.org/10.1016/j.mri.2006.09.032Kriegeskorte N., Douglas P.K. Cognitive computational neuroscience. Nat. Neurosci. 2018; 21: 1148–1160. https://doi.org/10.1038/s41593-018-0210-5Kriegeskorte N., Douglas P.K. Cognitive computational neuroscience. Nat. Neurosci. 2018; 21: 1148–1160. https://doi.org/10.1038/s41593-018-0210-5Petersen S.E., Sporns O. Brain networks and cognitive architectures. Neuron. 2015; 88 (1): 207–219. https://doi.org/10.1016/j.neuron.2015.09.027Petersen S.E., Sporns O. Brain networks and cognitive architectures. Neuron. 2015; 88 (1): 207–219. https://doi.org/10.1016/j.neuron.2015.09.027Bullmore E.T., Bassett D.S. Brain graphs: graphical models of the human brain connectome. Annu. Rev. Clin. Psychol. 2011; 7: 113–140. https://doi.org/10.1146/annurev-clinpsy-040510-143934Bullmore E.T., Bassett D.S. Brain graphs: graphical models of the human brain connectome. Annu. Rev. Clin. Psychol. 2011; 7: 113–140. https://doi.org/10.1146/annurev-clinpsy-040510-143934Van den Heuvel M.P., Sporns O. Network hubs in the human brain. Trends Cogn. Sci. 2013; 17 (12): 683–696. https://doi.org/10.1016/j.tics.2013.09Van den Heuvel M.P., Sporns O. Network hubs in the human brain. Trends Cogn. Sci. 2013; 17 (12): 683–696. https://doi.org/10.1016/j.tics.2013.09Watts D.J., Strogatz S.H. Collective dynamics of “small-world” networks. Nature. 1998; 393 (6684): 440–442. https://doi.org/10.1038/30918Watts D.J., Strogatz S.H. Collective dynamics of “small-world” networks. Nature. 1998; 393 (6684): 440–442. https://doi.org/10.1038/30918Fleischer V., Radetz A., Ciolac D. et al. Graph theoretical framework of brain networks in multiple sclerosis: a review of concepts. Neuroscience. 2017; 403: 35–53. https://doi.org/10.1016/j.neuroscience.2017.10.033Fleischer V., Radetz A., Ciolac D. et al. Graph theoretical framework of brain networks in multiple sclerosis: a review of concepts. Neuroscience. 2017; 403: 35–53. https://doi.org/10.1016/j.neuroscience.2017.10.033Miri Ashtiani S.N., Daliri M.R., Behnam H. et al. Altered topological properties of brain networks in the early MS patients revealed by cognitive task-related fMRI and graph theory. Biomed. Signal. Process. Control. 2018; 40: 385–395. https://doi.org/10.1016/j.bspc.2017.10.006Miri Ashtiani S.N., Daliri M.R., Behnam H. et al. Altered topological properties of brain networks in the early MS patients revealed by cognitive task-related fMRI and graph theory. Biomed. Signal. Process. Control. 2018; 40: 385–395. https://doi.org/10.1016/j.bspc.2017.10.006Andersson J.L.R., Hutton C., Ashburner J. et al. Modelling geometric deformations in EPI time series. NeuroImage. 2001; 13: 90–919. https://doi.org/10.1006/nimg.2001.0746Andersson J.L.R., Hutton C., Ashburner J. et al. Modelling geometric deformations in EPI time series. NeuroImage. 2001; 13: 90–919. https://doi.org/10.1006/nimg.2001.0746Кремнева Е.И., Синицын Д.О., Добрынина Л.А., Суслина А.Д., Кротенкова М.В. Функциональная МРТ покоя в неврологии и психиатрии. Журнал неврологии и психиатрии им. С.С. Корсакова. 2022; 122 (2): 5–14. https://doi.org/10.17116/jnevro20221220215Kremneva E.I., Sinitsyn D.O., Dobrynina L.A. et al. Resting state functional MRI in neurology and psychiatry. S.S. Korsakov Journal of Neurology and Psychiatry. 2022; 122 (2): 5–14. https://doi.org/10.17116/jnevro20221220215 (In Russian)Ashburner J., Friston K.J. Unified segmentation. NeuroImage. 2005; 26 (3): 839–851. https://doi.org/10.1016/j.neuroimage.2005.02.018Ashburner J., Friston K.J. Unified segmentation. NeuroImage. 2005; 26 (3): 839–851. https://doi.org/10.1016/j.neuroimage.2005.02.018Janine B., Smith St.M., Beckmann Ch.F. An introduction to resting state fMRI functional connectivity. Oxford University Press, 2017. 152 p. ISBN: 9780198808220Janine B., Smith St.M., Beckmann Ch.F. An introduction to resting state fMRI functional connectivity. Oxford University Press, 2017. 152 p. ISBN: 9780198808220Jafri M.J., Pearlson G.D., Stevens M., Calhoun V.D. A method for functional network connectivity among spatially independent resting-state components in schizophrenia. Neuroimage. 2008; 39 (4): 1666–1681. https://doi.org/10.1016/j.neuroimage.2007.11.001Jafri M.J., Pearlson G.D., Stevens M., Calhoun V.D. A method for functional network connectivity among spatially independent resting-state components in schizophrenia. Neuroimage. 2008; 39 (4): 1666–1681. https://doi.org/10.1016/j.neuroimage.2007.11.001Suk J., Hwang S., Cheong S. Functional and Structural Alteration of Default Mode, Executive Control, and Salience Networks in Alcohol Use Disorder. Front Psychiatry. 2021; 12: 742228. https://doi.org/10.3389/fpsyt.2021.742228Suk J., Hwang S., Cheong S. Functional and Structural Alteration of Default Mode, Executive Control, and Salience Networks in Alcohol Use Disorder. Front Psychiatry. 2021; 12: 742228. https://doi.org/10.3389/fpsyt.2021.742228Menon B. Towards a new model of understanding – The triple network, psychopathology and the structure of the mind. Med. Hypotheses. 2019: 133: 109385. https://doi.org/10.1016/j.mehy.2019.109385Menon B. Towards a new model of understanding – The triple network, psychopathology and the structure of the mind. Med. Hypotheses. 2019: 133: 109385. https://doi.org/10.1016/j.mehy.2019.109385Буккиева Т.А., Поспелова М.Л., Ефимцев А.Ю., Фионик О.В., Алексеева Т.М., Самочерных К.А., Горбунова Е.А., Красникова В.В., Маханова А.М., Левчук А.Г., Труфанов Г.Е. Функциональная МРТ в оценке изменений коннектома головного мозга у пациенток с постмастэктомическим синдромом. Лучевая диагностика и терапия. 2021; 4 (12): 41–49. http://dx.doi.org/10.22328/2079-5343-2021-12-4-41-49Bukkieva T.A., Pospelova M.L., Efimtsev A.Yu. et al. Functional MRI in the assessment of changes in the brain connectome in patients with post-mastectomy syndrome. Diagnostic radiology and radiotherapy. 2021; 4 (12): 41–49. http://dx.doi.org/10.22328/2079-5343-2021-12-4-41-49 (In Russian)Гребенщикова Р.В., Ананьева Н.И., Пичиков А.А., Исхаков Д.Н., Лукина Л.В. Функциональная связанность структур головного мозга у больных нервной анорексией по данным фМРТ состояния покоя: проспективное исследование. Лучевая диагностика и терапия. 2023; 1 (14): 26–36. http://dx.doi.org/10.22328/2079-5343-2023-14-1-26-36Grebenshchikova R.V., Ananyeva N.I., Pichikov A.A. et al. Functional connectivity of brain structures in patients with anorexia nervosa based on resting state fMRI: prospective study. Diagnostic radiology and radiotherapy. 2023; 1 (14): 26–36. http://dx.doi.org/10.22328/2079-5343-2023-14-1-26-36 (In Russian)Ублинский М.В., Семенова Н.А., Манжурцев А.В., Меньшиков П.Е., Яковлев А.Н., Ахадов Т.А. Исследование нарушений функциональных связей между сетью пассивного режима работы мозга и структурами мозжечка у пациентов с легкой черепно-мозговой травмой в острой стадии по данным фМРТ состояния покоя. Медицинская визуализация. 2020; 24 (2): 131–137. https://doi.org/10.24835/1607-0763-2020-2-131-137Ublinskiy M.V., Semenova N.A., Manzhurtsev A.V. et al. Dysfunction of cerebellum functional connectivity between default mode network and cerebellar structures in patients with mild traumatic brain injury in acute stage. rsfMRI study. Medical Visualization. 2020; 24 (2): 131–137. https://doi.org/10.24835/1607-0763-2020-2-131-137 (In Russian)Добрынина Л.А., Гаджиева З.Ш., Морозова С.Н., Кремнева Е.И., Кротенкова М.В., Кашина Е.М., Поддубская А.А. Управляющие функции мозга: функциональная магнитно-резонансная томография с использованием теста Струпа и теста серийного счета про себя у здоровых. Журнал неврологии и психиатрии им. С.С. Корсакова. 2018; 118 (11): 64 71. https://doi.org/10.17116/jnevro201811811164Dobrynina L.A., Gadzhieva Z.Sh., Morozova S.N. et al. Executive functions: fMRI of healthy volunteers during Stroop test and the serial count test. S.S. Korsakov Journal of Neurology and Psychiatry. 2018; 118 (11): 64 71. https://doi.org/10.17116/jnevro201811811164 (In Russian)Буккиева Т.А., Чегина Д.С., Ефимцев А.Ю., Левчук А.Г., Исхаков Д.К., Соколов А.В., Фокин В.А., Труфанов Г.Е. Функциональная МРТ покоя. Общие вопросы и клиническое применение. Российский электронный журнал лучевой диагностики. 2019; 9 (2): 150 170. https://doi.org/10.21569/2222-7415-2019-9-2-150-170Bukkieva Т.А., Chegina D.S., Еfimtsev А.Yu. et al. Resting state functional MRI. General issues and clinical application. REJR. 2019; 9 (2): 150 170. https://doi.org/10.21569/2222-7415-2019-9-2-150-170 (In Russian)Bullmore E., Sporns O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nat. Rev. Neurosci. 2009; 10 (3): 186–198. https://doi.org/10.1038/nrn2575Bullmore E., Sporns O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nat. Rev. Neurosci. 2009; 10 (3): 186–198. https://doi.org/10.1038/nrn2575Liao X., Vasilakos A.V., He Y. Small-world human brain networks: perspectives and challenges. Neurosci. Biobehav. Rev. 2017; 77: 286–300. https://doi.org/10.1016/j.neubiorev.2017.03.018Liao X., Vasilakos A.V., He Y. Small-world human brain networks: perspectives and challenges. Neurosci. Biobehav. Rev. 2017; 77: 286–300. https://doi.org/10.1016/j.neubiorev.2017.03.018Nekovarova T., Fajnerova I., Horacek J., Spaniel F. Bridging disparate symptoms of schizophrenia: a triple network dysfunction theory. Front Behav Neurosci. 2014; 8: 171. https://doi.org/10.3389/fnbeh.2014.00171Nekovarova T., Fajnerova I., Horacek J., Spaniel F. Bridging disparate symptoms of schizophrenia: a triple network dysfunction theory. Front Behav Neurosci. 2014; 8: 171. https://doi.org/10.3389/fnbeh.2014.00171

The authors declare that there are no conflicts of interest present.