laties tussen de tijdreeks van dit gebied
en de tijdreeksen van alle andere voxels
in de hersenen aan te duiden (seed-based
methode) (7). De resulterende hersenkaart
toont een netwerk met hersengebieden
waarvan de activiteit gelijkaardig is aan
dat van de seed regio. Verschillende RSNs
werden ondertussen beschreven in de
literatuur, waaronder het sensorimotorisch,
visueel, auditief, default mode, dorsaal en
ventraal aandachtsnetwerk (8). Deze RSNs
stemmen overeen met de functionele ar-
chitectuur van netwerken die meestal ge-
moduleerd worden tijdens actieve taken (6)
(Figuur 2). De seed-based methode is nuttig
om aan hypothesegedreven onderzoek te
doen, bijvoorbeeld om te onderzoeken of
de functionele connectiviteit tussen twee
specifieke hersengebieden aangetast is na
een hersenletsel.
Independent component analysis (ICA) is een
andere techniek om resting-state fMRI-data
te analyseren (3). ICA analyseert de volledige
reeks van fMRI-signalen om daaruit een set
van componenten te extraheren die maxi-
maal onafhankelijk zijn in het ruimtelijke
domein. Deze componenten worden geka-
rakteriseerd door een tijdreeks en een ruim-
telijke hersenkaart waarvan de intensiteit
in elk voxel de relatieve contributie van de
tijdreeks tot de fMRI-data reflecteert. Som-
mige componenten geven ruis weer waar
andere componenten neuro-anatomische
systemen aantonen die geassocieerd zijn
met RSNs. Deze RSNs overlappen groten-
deels met de netwerken die men verkrijgt
met de seed-based methode, ondanks het
feit dat beide methoden gebruikmaken van
verschillende maten (9). Gezien ICA een
datagedreven techniek is, is het de tech-
niek bij uitstek om exploratieve analyses te
doen, bijvoorbeeld om te onderzoeken of de
topografie van volledige hersennetwerken
is gewijzigd na een hersenletsel.
functionele connectiviteit
onderzocht of spontane correlaties in her-
senactiviteit tussen verschillende gebieden
de facto de anatomische verbinding tussen
deze hersengebieden weerspiegelen. Over
het algemeen bleek uit de conclusies van
structurele connectiviteit combineerden,
dat er een positieve correlatie bestaat
tussen de twee maten (10). Het is echter
belangrijk om op te merken dat sterk ge-
correleerde fMRI-tijdsreeksen tussen twee
hersengebieden ook gemedieerd kunnen
worden door indirecte structurele links (11).
De topografie van de RSNs correspondeert
dus voor een groot deel met de distributie
van vezelstructuren over de volledige cortex,
maar is er niet helemaal gelijk aan.
standvastig over een langere tijdsspanne,
terwijl de sterkte van functionele con-
nectiviteit situatieafhankelijk is. Zo de-
monstreert de sterkte van de correlaties
in spontane hersenactiviteit tussen twee
hersengebieden bijvoorbeeld hoe vaak deze
gebieden in het verleden samen tijdens een
den, regio's die op dezelfde manier door een
taak gemoduleerd worden, vertonen ook
een grotere coherentie in hun intrinsieke
hersenactiviteit. Dit leidde tot de hypo-
these dat de anatomische structuur van
onze hersenen patronen van functionele
connectiviteit kan begrenzen, maar niet
volledig kan verklaren (12). De studie van
de interactie tussen taakgerelateerde en
intrinsieke activiteit kan meehelpen de re-
latie te verduidelijken tussen de variabiliteit