Построение сетевых моделей регуляции позитивных социальных эмоций при депрессии и их адаптации для нейробиоуправления: ФМРТ-исследование тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Безматерных Дмитрий Дмитриевич

• Безматерных Дмитрий Дмитриевич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Безматерных Дмитрий Дмитриевич

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

Глава 1. Обзор литературы

1.1 Актуальность, основные принципы и нейрофизиологические механизмы регуляции позитивных социальных эмоций

1.2 Нарушения эмоциональной саморегуляции при депрессии

1.3 Влияние антидепрессантов на фМРТ-активность пациентов с депрессией

1.4 Применение фМРТ-биоуправления для регуляции эмоций при депрессии

Глава 2. Материалы и методы

2.1 Испытуемые

2.2 Стимульный материал

2.3 Экспериментальное исследование

2.4 Нейрофизиологическая и физическая основа метода фМРТ

2.5 Параметры регистрации фМРТ-данных

2.6 Предобработка фМРТ

2.7 Статистическое параметрическое картирование фМРТ-активности

2.8 Задание GLM-моделей для локализации нейронной активности при регуляции эмоций

2.9 Динамическое причинно-следственное моделирование (DCM): прямая задача

2.10 Динамическое причинно-следственное моделирование (DCM): обратная задача

2.11 Параметрический эмпирический Байесовский подход (PEB)

2.12 Оценка моделей сети регуляции позитивных эмоций для НБУ

Глава 3. Результаты

3.1 Валидизация обратной связи по моделям эффективной связности для использования в реальном времени

3.2 Сравнение подгрупп пациентов на основе клинических показателей и динамики Байесовского фактора в курсе НБУ

3.3 Определение оптимального препроцессинга и априорного гиперпараметра шума для оффлайн DCM-анализа

3.4 Групповой анализ фМРТ-активности здоровых добровольцев при регуляции положительных эмоций

3.5 Анализ межгрупповых различий пациентов с депрессией и здоровых добровольцев при регуляции положительных эмоций

3.6 Анализ фМРТ-активности пациентов в НБУ сессиях

3.7 Сравнение фМРТ-активности пациентов в трансферных сессиях

3.8 Оценка 4-х узловых моделей для трансферных сессий регуляции здоровых добровольцев и пациентов

3.9 Задание индивидуальных полных моделей для РЕВ-анализа

3.10 Оценка 6-узловой РЕВ-модели сети регуляции позитивных эмоций для здоровых добровольцев

3.11 Исследование сетевых механизмов регуляции позитивных эмоций при депрессии 97 Глава 4. Обсуждение

4.1 Обсуждение результатов анализа фМРТ-активности при регуляции эмоций

4.2 Обсуждение результатов РЕВ-моделирования

4.3 Обсуждение результатов клинического протокола и эффективности 4-х узловых моделей для фМРТ в реальном времени

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Приложение

Приложение

Приложение

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

БДР - большое депрессивное расстройство БОС - биологическая обратная связь

МКБ-10 - международная статистическая классификация болезней и проблем, связанных со здоровьем, десятого пересмотра НБУ - нейробиоуправление ФВЧ - фильтр высоких частот

ФМРТ - функциональная магнитно-резонансная томография ПИ - плацебо-интервенция ЭЭГ - электроэнцефалография AMY - миндалина

arvlPFC - передняя правая вентролатеральная кора

BF - Байесовский фактор

BMA - Байесовское усреднение моделей

BOLD - контраст, чувствительный к содержанию кислороду в тканях головного мозга CNR - соотношение контраст/шум

DCM - динамическое причинно-следственное моделирование

FDR - ожидаемая доля ложных отклонений гипотез

FWE - групповая вероятность ошибки I рода

GLM - общая линейная модель

HC - контрольная группа здоровых добровольцев

MDD - группа пациентов с депрессией

ROC - рабочая характеристика приемника

ROI - регион интереса

SFG+ - дорсомедиальная префронтальная кора с прилежащими участками билатеральной

верхней лобной извилины

sgACC - субгенуальная передняя поясная кора

PEB - параметрический эмпирический Байесовский подход

pvlPFC - задняя вентролатеральная префронтальная кора

vmPFC - вентромедиальная префронтальная кора

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Построение сетевых моделей регуляции позитивных социальных эмоций при депрессии и их адаптации для нейробиоуправления: ФМРТ-исследование»

Актуальность темы исследования

Депрессия представляет собой психическое расстройство, для которого характерны устойчивое снижение настроения, неспособность испытывать чувство удовольствия (ангедония), низкая самооценка, навязчивые негативные размышления (руминация), а также психомоторная заторможенность. Рост заболеваемости депрессией является критической проблемой здравоохранения и влечет за собой значительные социально-экономические издержки для общества (Greenberg et al., 2021; Kessler, 2012). В частности, по последним оценкам распространенность большого депрессивного расстройства варьируется от 2 до 21% в зависимости от географического региона с наивысшими показателями в европейских странах (Gutierrez-Rojas, Porras-Segovia, Dunne, Andrade-Gonzalez, & Cervilla, 2020).

Основными методами лечения депрессивных расстройств являются психотерапия и фармакотерапия на основе антидепрессантов. При этом, эффективность последней относительно невысока: ремиссия депрессивной симптоматики происходит не более, чем в 40% случаев (Rush, 2007; Trivedi et al., 2006). Таким образом, две трети пациентов не реагируют на лечение, что требует разработки новаторских терапевтических подходов, а также применения высокоточных диагностических и продвинутых аналитических методов, нацеленных на выявление нейрофизиологических коррелятов заболевания и построение реалистичных биофизических моделей.

Для пациентов с депрессией характерно недостаточное владение навыком регуляции эмоций, позволяющим гибко реагировать на субъективно значимые события и поддерживать стабильность фона настроения, и нарушение баланса негативных и позитивных эмоций (Hill et al., 2023; Medeiros et al., 2020; Watson et al., 1995). Позитивные эмоции необходимы для поддержания индивидуального благополучия и устойчивых социальных отношений, а также способствуют развитию творческого мышления, принятию решений и разрешению личностных и коммуникативных проблем (E. Diener, Napa Scollon, & Lucas, 2009; Fredrickson, 2001; Kok et al., 2013). Дефицит системы регуляции положительных эмоций является одним из специфичных симптомов депрессии (Watson et al., 1995), проявляющимся в ослабленных реакциях на стимулы и ситуации соответствующей валентности, связанных в том числе с активным вовлечением, заинтересованностью, мотивированностью и чувством удовольствия. Компенсация этой недостаточности требует применения различных когнитивных стратегий, направленных на увеличение интенсивности позитивных эмоциональных состояний.

С появлением реалистичных биофизических моделей генерации гемодинамического ответа, развитием математического аппарата статистической обработки данных функциональной магнитно-резонансной томографии (фМРТ), и адаптацией Байесовских статистических методов для анализа фМРТ возник подход динамического причинно-следственного моделирования (DCM), позволяющий строить физиологически правдоподобные модели функциональных сетей головного мозга, вовлеченных в выполнение того или иного задания (K. J. Friston, Harrison, & Penny, 2003). Этот метод нацелен на исследование направленных взаимодействий (т. е., эффективной связности) внутри исследуемой сети, что делает его особенно полезным для изучения нейрофизиологических механизмов при выполнении когнитивных задач, характеризующихся разнонаправленными информационными процессами, и нарушений этих механизмов при различных заболеваниях. В контексте обработки эмоций основные информационные процессы могут быть описаны в терминах восходящего пути -преимущественно рефлекторной эмоциональной реакции на стимулы посредством вовлечения лимбической системы и сопутствующим возбуждением, и нисходящего пути, основанного на контекстуальном, зависимом от задачи подходе к оценки эмоционального содержимого и последующей регуляции поведенческого ответа префронтальной корой (LeDuke, Borio, Miranda, & Tye, 2023; McRae, Misra, Prasad, Pereira, & Gross, 2012; Ochsner et al., 2009). С учетом того, что при депрессии наблюдается ослабление нисходящего когнитивного контроля (Disner, Beevers, Haigh, & Beck, 2011; Johnstone, van Reekum, Urry, Kalin, & Davidson, 2007), метод DCM может быть использован для уточнения механизмов этого явления при регуляции позитивных эмоций пациентами с депрессией.

Степень разработанности проблемы

Несмотря на значимость положительных эмоций для нормального функционирования индивида, активность мозга при их регуляции изучена в существенно меньшей степени, чем для негативных эмоций (Carmen Morawetz et al., 2020; Ochsner, Silvers, & Buhle, 2012; Sokolowski, Morawetz, Folkierska-Zukowska, & Lukasz Dragan, 2022). Так, множество фМРТ-исследований показало эффективность стратегии когнитивной переоценки негативных эмоций, вызванных в том числе социальными стимулами (He et al., 2023; Koenigsberg et al., 2010; Kung et al., 2023; Vrticka, Sander, & Vuilleumier, 2011; Yu et al., 2023). Было установлено, что ключевой нейрофизиологический механизм эмоциональной регуляции состоит в нисходящем воздействии префронтальной коры на систему генерации эмоций, в том числе на миндалины (Banks, Eddy, Angstadt, Nathan, & Phan, 2007; Berboth & Morawetz, 2021; Wager, Davidson, Hughes, Lindquist, & Ochsner, 2008). Миндалевидное тело играет центральную роль в обработке эмоций и считывании значений социальных сигналов,

таких как лицевая экспрессия (Fusar-Poli et al., 2009; Goossens et al., 2009; Phelps & LeDoux, 2005). Субгенуальная передняя поясная кора участвует в интеграции и передаче эмоциональной информации от миндалины и других лимбических структур к областям когнитивного контроля (Benschop et al., 2022; Disner et al., 2011), и вовлекается в регуляцию позитивных социальных эмоций (Koush et al., 2019; Scharnowski et al., 2020). Другой ключевой регион мозга при эмоциональной регуляции - вентромедиальная префронтальная кора, являющаяся частью системы вознаграждения, а также аффективной и социальной систем (Hiser & Koenigs, 2018; Klimecki, 2015; Vetter, Weigelt, Dohnel, Smolka, & Kliegel, 2014), и вовлеченная в формирование и обновление оценок субъективной значимости стимулов (Braunstein, Gross, & Ochsner, 2017; Roy, Shohamy, & Wager, 2012; Winecoff et al., 2013). Наконец, дорсомедиальная и латеральная префронтальная кора непосредственно вовлечены в когнитивный контроль позитивных и негативных эмоций (Koush et al., 2019; Carmen Morawetz et al., 2020; Ochsner et al., 2012).

Пациенты с депрессией характеризуются избыточной активностью миндалины в ответ на негативные стимулы (Cusi, Nazarov, Holshausen, Macqueen, & McKinnon, 2012; Surguladze et al., 2005; Tassone et al., 2022; Мельников с соавт., 2017) и ее гипоактивностью на стимулы положительной валентности (Donofry, Roecklein, Wildes, Miller, & Erickson, 2016; Greening, Osuch, Williamson, & Mitchell, 2013; Groenewold, Opmeer, de Jonge, Aleman, & Costafreda, 2013). Кроме того, у них нарушена активность других регионов лимбической сети, в том числе субгенуальной передней поясной коры, избыточно вовлекающейся в эмоциональный процессинг позитивных и негативных изображений (Cusi et al., 2012; P. B. Fitzgerald, Laird, Maller, & Daskalakis, 2008). При депрессии также наблюдается дефект системы когнитивного контроля (Disner et al., 2011; Gao, Yan, & Yuan, 2022), что проявляется в том числе в уменьшении активации дорсолатеральной и вентролатеральной коры (Cusi et al., 2012; Janiri et al., 2020; M. E. Mel'nikov et al., 2018) и ослаблении префронтально-лимбических функциональных связей (J. M. Fitzgerald, Klumpp, Langenecker, & Phan, 2019; Kong et al., 2013; Perlman et al., 2012; Tang et al., 2013).

Анализ направленных взаимодействий с помощью DCM позволил выявить у пациентов нарушение сетевых механизмов в покое (Jamieson, Harrison, Razi, & Davey, 2022; Ray, Bezmaternykh, Mel'nikov, Friston, & Das, 2021), при обработке лицевой мимики (Sacu et al., 2023; Sheng et al., 2024; Willinger et al., 2022) и негативных изображений (Tak et al., 2021). Кроме того, установлено, что неспособность регулировать негативные эмоции при депрессии обусловлена отсутствием ингибирования избыточного ответа миндалины левой вентролатеральной корой (Kung et al., 2023). До настоящего момента этот подход не применялся для построения сетевой модели регуляции позитивных эмоций при депрессии.

Одним из новаторских подходов к терапии депрессии является фМРТ-нейробиоуправление (НБУ), основанное на волевом изменении активности структур головного мозга с помощью обучения на основе биологической обратной связи (БОС). В частности, было выявлено снижение симптомов депрессии при эмоциональной регуляции с НБУ по фМРТ-активности миндалины (Compere et al., 2023; Young, Siegle, et al., 2017), островковой и латеральной префронтальной коры (Micha Keller et al., 2021; Linden et al., 2012) и вентромедиальной префронтальной коры (M. Y. Mel'nikov et al., 2023). Недавно, для здоровых добровольцев была продемонстрирована эффективность НБУ по сетевым моделям для обучения нисходящему контролю активности миндалин дорсомедиальной префронтальной корой при саморегуляции позитивных эмоций с использованием социальных стимулов (Koush, Meskaldji, et al., 2017). С учетом того, что при депрессии происходит ослабление когнитивного контроля регионов лимбической системы префронтальной корой (Disner et al., 2011; Kung et al., 2023), этот подход также может быть использован для улучшения навыка регуляции эмоций пациентов с депрессией.

Ранее нами была изучена активность мозга при депрессии (Мельников с соавт., 2017; Мельников с соавт., 2018), в том числе при восприятии позитивных изображений (M. E. Mel'nikov et al., 2018), исследованы нарушения фМРТ-сетей покоя (Bezmaternykh et al., 2021; Ray et al., 2021) и терапевтический потенциал НБУ по фМРТ-активности вентромедиальной коры при усилении позитивных эмоций (M. Y. Mel'nikov et al., 2023). Эти работы стали предтечами настоящего исследования, нацеленного на построение правдоподобной нейрофизиологической модели когнитивного контроля позитивных социальных эмоций с помощью DCM с идентификацией функциональных ролей вовлеченных регионов мозга, и на выявление с помощью этой модели сетевых нарушений при депрессии. Для данного моделирования был определен оптимальный алгоритм предобработки фМРТ-данных и выбран априорный параметр шума на основе критериев максимизации отрицательной свободной энергии, наибольшего соотношения контраст/шум для узлов модели, и физиологического правдоподобия апостериорных оценок параметров. Кроме того, мы разработали альтернативные упрощенные DCM-модели регуляции эмоций и осуществили валидацию БОС по их Байесовскому сравнению. Для пациентов в реальном времени производилась оценка этих моделей и предоставлялась обратная связь.

Цель и задачи исследования

Цель работы - построение биофизических сетевых моделей регуляции положительных социальных эмоций и формирование БОС на их основе для НБУ тренинга, направленного на развитие навыков когнитивного контроля эмоций при депрессии.

Для достижения цели были поставлены следующие задачи:

1. Исследовать фМРТ-активность здоровых женщин (контрольная группа) в задании регуляции положительных социальных эмоций и идентифицировать ключевые регионы мозга для включения в модель эффективной связности;

2. Выявить области изменения активации при регуляции положительных эмоций пациентками с депрессией в сравнении с контрольной группой и охарактеризовать межгрупповые отличия с точки зрения функциональных нарушений;

3. Определить оптимальный способ предобработки фМРТ-данных и выбрать значение гиперпараметра шума для построения моделей эффективной связности;

4. Разработать сетевую модель регуляции положительных эмоций с помощью динамического причинно-следственного моделирования и параметрического эмпирического Байесовского подхода;

5. Выявить значимые межгрупповые отличия параметров связности сетевой модели и провести кросс-валидацию для подтверждения их предсказательной силы;

6. Разработать альтернативные упрощенные сетевые модели регуляции положительных эмоций и методы формирования БОС на основе их Байесовского сравнения, а также осуществить проверку технической валидности НБУ по этим моделям;

7. Изучить эффекты обучения пациентов эффективной эмоциональной саморегуляции в рамках клинического протокола НБУ с БОС по сетевым моделям.

Научная новизна

1. Впервые у здоровых добровольцев была выявлена функциональная сепарация правой вентролатеральной префронтальной коры на задний активационный и передний деактивационный кластеры в задании регуляции положительных эмоций;

2. Впервые установлено, что при регуляции положительных эмоций у пациентов с депрессией гиперактивна передняя часть правой вентролатеральной коры по сравнению со здоровыми добровольцами;

3. Впервые разработаны биофизические сетевые модели регуляции положительных эмоций при депрессии, показавшие нарушение функциональных взаимодействий дорсомедиальной префронтальной коры и задней части вентролатеральной коры с правой передней вентролатеральной корой;

4. Для клинической группы были разработаны и применены алгоритмы формирования БОС на основе Байесовского сравнения 4-х узловых моделей эффективной связности регионов мозга, вовлеченных в регуляцию положительных эмоций, и показаны эффекты обучения в НБУ курсе.

Теоретическая значимость исследования состоит в построении физиологически правдоподобных моделей направленных взаимодействий областей головного мозга при

усилении положительных социальных эмоций. В рамках работы для пациентов с депрессией были выявлены особенности функционирования сети регуляции положительных эмоций, не обозначенные до настоящего момента в научной литературе. Полученные результаты расширяют современные представления о нейрофизиологических механизмах регуляции позитивных эмоций в целом, и об особенностях нарушения когнитивного контроля при депрессии в частности. Результаты настоящей работы послужат теоретической основой для дальнейших исследований сетевых моделей регуляции положительных эмоций.

Практическая значимость исследования заключается в валидации БОС по Байесовскому сравнению биофизических моделей эффективной связности и использовании этой обратной связи в курсе НБУ, нацеленном на обучение пациентов с депрессией эффективной регуляции положительных социальных эмоций. В дальнейшем, для НБУ могут быть использованы и более сложные модели эмоциональной саморегуляции, в том числе на больших выборках пациентов. Алгоритмы, методы и нейрофизиологические результаты этой работы могут быть востребованы в когнитивной нейрореабилитации и для построения терапевтических протоколов на основе моделей эффективной связности для пациентов с депрессией или с другими аффективными расстройствами.

Методология и методы исследования

Исследование проведено в научно-исследовательском институте молекулярной биологии и биофизики Федерального государственного бюджетного научного учреждения «Федеральный исследовательский центр фундаментальной и трансляционной медицины» и одобрено решением локального этического комитета. Сбор фМРТ-данных производился на базе международного томографического центра МТЦ СО РАН.

Для решения поставленных задач использовалось технология фМРТ с последующим анализом статистических параметрических карт и построением моделей эффективной связности методом динамического причинно-следственного моделирования и параметрическим эмпирическим Байесовским подходом. Оффлайн-обработка фМРТ-изображений производилась с помощью программной среды MATLAB и плагина SPM12 для MATLAB. Для обработки фМРТ в реальном времени, расчета и предъявления обратной связи по моделям эффективной связности использовалось программное обеспечение OpenNFT.

Перечень основных используемых методов:

1. Регистрация структурных и функциональных изображений посредством 3 Т томографа Philips Ingenia;

2. Предварительная обработка фМРТ-изображений;

3. Построение индивидуальных и групповых моделей фМРТ-активности на основе статистического параметрического картирования с помощью МАТЬАВ и SPM12;

4. Построение индивидуальных и групповых моделей эффективной связности с помощью динамического причинного-следственного моделирования и параметрического эмпирического Байесовского подхода с использованием МАТЬАВ и плагина SPM12;

5. Анализ фМРТ-данных в реальном времени и расчет обратной связи на основе сетевых моделей посредством Ореп№Г.

Основные положения диссертации, выносимые на защиту

1. У здоровых женщин регуляция положительных социальных эмоций вовлекает распределенную сеть, включающую миндалины, субгенуальную переднюю поясную извилину, а также медиальные и вентролатеральные участки префронтальной коры, и характеризуется функциональной сепарацией вентролатеральной коры на задние билатеральные кластеры активации и передний правый деактивационный кластер. При эмоциональной регуляции пациентками с депрессией наблюдается дефицит активности зон когнитивного контроля эмоций и гиперактивация передней правой вентролатеральной коры, ассоциированной с ингибирующими процессами.

2. Разработанная 6-узловая модель эффективной связности позволяет выявить ключевые сетевые механизмы регуляции положительных эмоций у здоровых женщин: усиление восходящих связей лимбических структур с медиальными префронтальными участками и подавление активности передней правой вентролатеральной коры посредством ослабляющего воздействия от дорсомедиальной коры;

3. Разработанная сетевая модель позволяет идентифицировать нарушение функциональных взаимодействий префронтальной коры при депрессии, а именно ослабление подавления правой передней вентролатеральной коры гипоактивными областями когнитивного контроля и ослабление связности между задними и передним правым участками вентролатеральной коры;

4. БОС на основе Байесовского сравнения альтернативных 4-х узловых моделей регуляции положительных эмоций валидна и может быть использована в НБУ тренинге;

5. Обучение пациентов когнитивному контролю положительных эмоций с БОС-подкреплением по 4-х узловым моделям способствует восстановлению фМРТ-активности в структурах сети эмоциональной регуляции.

Соответствие паспорту специальности

Результаты, выносимые на защиту, соответствуют паспорту специальности 5.12.4. «Когнитивное моделирование», в том числе пунктам 1 и 10 «Математическое и компьютерное моделирование когнитивных процессов у человека», «Решение задач в

режиме, близком к реальному времени, и вычислительное моделирование для интерфейсов мозг-компьютер».

Степень достоверности и апробация результатов

Достоверность результатов статистического параметрического картирования на групповом и межгрупповом уровне подтверждается использованием FWE-поправки на множественные сравнения (p-FWE < 0.05 на уровне вокселов). Для выделения значимых статистических корреляций использовалась FDR-поправка (p-FDR < 0.05). Достоверность параметров эффективной связности групповых и межгрупповых сетевых моделей подтверждалась применением порога на апостериорную вероятность 0.95 и 0.75, а также результатами поэлементной кросс-валидации. Для НБУ по моделям сети регуляции положительных эмоций была проведена проверка технической валидности. Валидность основных результатов также подтверждается тем, что для расчетов использовались фМРТ-данные двух продолжительных фМРТ-сессий (18 минут каждая), включающих блоки заданий и длительный период покоя (фиксации), что обеспечивало высокую статистическую мощность.

Основные результаты диссертационной работы были представлены на 6 международных и российских научных конференциях: на IV российской конференции с международным участием «Современные проблемы биологической психиатрии и наркологии» (Томск, 2018), восьмой международной конференции по когнитивной науке (Светлогорск, 2018), первом международном конгрессе по клинической нейрофизиологии стран СНГ, ШОС, Европы и Азии (Алматы, Казахстан, 2018), конференции «Neurofeedback and other neurotechnologies in psychiatry» (Маастрихт, Нидерланды, 2018), конференции «Real-Time Functional Imaging and Neurofeedback conference» (Маастрихт-Аахен, Нидерланды, 2019), десятой всероссийской научно-практической конференции с международным участием «Фундаментальные аспекты компенсаторно-приспособительных процессов» (Новосибирск, 2024). Кроме того, основные положения диссертации были доложены и обсуждены на внутри- и межлабораторных семинарах НИИМББ ФИЦ ФТМ.

Публикации

Всего по теме диссертации опубликовано 8 статей, из них 8 статей в научных изданиях, индексируемых в базах данных Web of Science, Scopus и РИНЦ.

Объем и структура диссертации

Диссертация изложена на 133 страницах текста, включает 32 рисунка и 9 таблиц, и состоит из введения, обзора современной литературы, описания ключевых методов исследования, изложения результатов, обсуждения, заключения, выводов и списка использованной литературы из 315 наименований. Дополнительные материалы содержат 3

приложения (клинические характеристики пациентов и таблицы для результатов расчета дополнительных фМРТ-контрастов) общим объемом 5 страниц.

Личный вклад автора

Автором лично выполнены следующие задачи:

1. Предобработка и статистический параметрический анализ фМРТ-данных;

2. Построение групповых моделей эффективной связности;

3. Статистический анализ поведенческих и психометрических данных;

4. Интерпретация результатов;

5. Написание статей по результатам исследования;

6. Участие в подготовке и реализации клинического протокола НБУ.

Автор выражает благодарность Штарку Марксу Борисовичу и Ковшу Юрию Александровичу за непосредственное руководство работой, Мельникову Михаилу Евгеньевичу за помощь в интерпретации результатов и написании публикаций, коллективу Международного томографического центра, в том числе Петровскому Евгению Дмитриевичу и Савелову Андрею Александровичу, за сбор фМРТ-данных, подготовку и реализацию НБУ эксперимента, Мажириной Ксении Геннадьевне и Мельникову Михаилу Евгеньевичу за ведение психометрической и коммуникационной части исследования.

Глава 1. Обзор литературы

1.1 Актуальность, основные принципы и нейрофизиологические механизмы регуляции позитивных социальных эмоций

Положительные эмоции играют ключевую роль в жизни человека, воздействуя на его психологическую устойчивость, субъективное благополучие, физическое здоровье, творческое мышление и в особенности на формирование и укрепление социальных связей и просоциального поведения (Aknin, Van de Vondervoort, & Hamlin, 2018; E. Diener et al., 2009; Fredrickson, 2001; Kok et al., 2013; Williams & DeSteno, 2014). Более того, в соответствии с последними данными, положительные эмоции и просоциальное поведение усиливают друг друга (Aknin et al., 2018; Alexander et al., 2021; Snippe et al., 2018). Напротив, отсутствие или существенное ослабление позитивных эмоций при социальных взаимодействиях, известное как социальная ангедония, влияет на социальное функционирование индивида и может стать причиной возникновения нейропсихиатрических заболеваний, включая шизофрению, посттравматическое стрессовое расстройство и депрессию (Barkus & Badcock, 2019; Pelizza & Ferrari, 2009). Недавняя пандемия COVID-19 и связанные с ней ограничения привели к повышению уровня социальной тревожности (Kindred & Bates, 2023) и ухудшению качества межличностных отношений, способствующих в свою очередь социально-эмоциональному благополучию (Forbes et al., 2023; Long et al., 2022). В связи с вышеперечисленным, для сохранения социальных отношений и позитивного эмоционального фона необходимо развивать навык регуляции позитивных эмоций. Формирование этого навыка может быть реализовано посредством эффективного использования когнитивных стратегий, направленных на увеличение интенсивности позитивных эмоциональных состояний и улучшение социального опыта.

Эмоциональная регуляция может быть классифицирована на саморегуляцию и социальную регуляцию эмоций. При социальной регуляции один или несколько индивидов (т.е., «регуляторов») целенаправленно воздействуют на эмоциональную реакцию другого человека (т.е., «мишени»), модулируя ее изменения в желаемом направлении (James A. Coan, 2011). Для успешной реализации этого процесса от регулятора требуется верно идентифицировать текущее эмоциональное состояние субъекта-мишени, выбрать оптимальную стратегию регуляции, реализовать ее и корректировать в дальнейшем в случае необходимости (Reeck, Ames, & Ochsner, 2016). Таким образом, социальная регуляция эмоций подразумевает локализацию систем генерации и регуляции эмоционального ответа в пределах разных агентов. Напротив, при саморегуляции эмоций регулятор и мишень

являются одним и тем же субъектом. В общем случае, этот класс отличается от социальной эмоциональной регуляции тем, что не требует активного задействования систем головного мозга, вовлеченных в процессы социального познания. Однако, при использовании социальных стимулов и/или социально ориентированной когнитивной стратегии, саморегуляция эмоций и социальная регуляция характеризуются схожими паттернами активности (Koush et al., 2019; Reeck et al., 2016; Scharnowski et al., 2020; Vrticka et al., 2011).

Наиболее изученной и действенной стратегией саморегуляции эмоций является когнитивная переоценка. Данная стратегия основана на манипулировании психологической дистанцией до эмоционально значимого стимульного изображения или переосмыслении его значения с целью изменения генерируемой эмоциональной реакции (Buhle et al., 2014; Ochsner et al., 2012). Эффективность когнитивной переоценки была показана в множестве фМРТ-исследований регуляции негативных эмоций, причем в некоторых из них в качестве стимульного материала использовались изображения с социально значимым содержимым (He et al., 2023; Koenigsberg et al., 2010; Vrticka et al., 2011). Социальное наполнение стимулов может усиливать социальный контекст регуляции и увеличивать тем самым ее результативность (Vrticka et al., 2011; Vrticka, Sander, & Vuilleumier, 2012), что указывает на взаимосвязь регуляции эмоций и социального познания (Salazar Kämpf, Adam, Rohr, Exner, & Wieck, 2023; Shuman, 2013).

Список литературы диссертационного исследования кандидат наук Безматерных Дмитрий Дмитриевич, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Мельников М.Е., Безматерных Д.Д., Шубина О.С., Штарк М.Б. Визуализация активности головного мозга при депрессии с помощью функциональной магнитнорезонансной томографии: методики и результаты // Успехи физиологических наук. 2017. Т.48. №2. С.43-71.

2. Мельников М.Е., Безматерных Д.Д., Шубина О.С., Штарк М.Б. Церебральные мишени терапии депрессии и предикторы ее эффективности: обзор современных фМРТ-исследований // Успехи физиологических наук. 2018. Т. 49. №1. С.50-71.

3. Adolphs, R., Baron-Cohen, S., & Tranel, D. (2002). Impaired recognition of social emotions following amygdala damage. J Cogn Neurosci, 14(8), 1264-1274. doi:10.1162/089892902760807258

4. Aknin, L. B., Van de Vondervoort, J. W., & Hamlin, J. K. (2018). Positive feelings reward and promote prosocial behavior. Curr OpinPsychol, 20, 55-59. doi:10.1016/j.copsyc.2017.08.017

5. Albert, P. R. (2015). Why is depression more prevalent in women? J Psychiatry Neurosci, 40(4), 219-221. doi:10.1503/jpn.150205

6. Alegria, A. A., Wulff, M., Brinson, H., Barker, G. J., Norman, L. J., Brandeis, D., . . . Rubia, K. (2017). Real-time fMRI neurofeedback in adolescents with attention deficit hyperactivity disorder. Hum Brain Mapp, 38(6), 3190-3209. doi:10.1002/hbm.23584

7. Alexander, R., Aragon, O. R., Bookwala, J., Cherbuin, N., Gatt, J. M., Kahrilas, I. J., . . . Styliadis, C. (2021). The neuroscience of positive emotions and affect: Implications for cultivating happiness and wellbeing. Neurosci Biobehav Rev, 121, 220-249. doi:10.1016/j.neubiorev.2020.12.002

8. Amodio, D. M., & Frith, C. D. (2006). Meeting of minds: the medial frontal cortex and social cognition. Nat Rev Neurosci, 7(4), 268-277. doi:10.1038/nrn1884

9. An, J., Wang, L., Li, K., Zeng, Y., Su, Y., Jin, Z., . . . Si, T. (2017). Differential effects of antidepressant treatment on long-range and short-range functional connectivity strength in patients with major depressive disorder. Scientific Reports, 7(1), 10214. doi:10.1038/s41598-017-10575-9

10. Anand, A., Li, Y., Wang, Y., Gardner, K., & Lowe, M. J. (2007). Reciprocal effects of antidepressant treatment on activity and connectivity of the mood regulating circuit: an FMRI study. J Neuropsychiatry Clin Neurosci, 19(3), 274-282. doi:10.1176/jnp.2007.19.3.274

11. Anticevic, A., Cole, M. W., Murray, J. D., Corlett, P. R., Wang, X. J., & Krystal, J. H. (2012). The role of default network deactivation in cognition and disease. Trends Cogn Sci, 16(12), 584-592. doi:10.1016/j.tics.2012.10.008

12. Arnsten, A. F. T., Joyce, M. K. P., & Roberts, A. C. (2023). The Aversive Lens: Stress effects on the prefrontal-cingulate cortical pathways that regulate emotion. Neuroscience & Biobehavioral Reviews, 145, 105000. doi:https://doi.org/10.1016/j.neubiorev.2022.105000

13. Aron, A. R. (2007). The neural basis of inhibition in cognitive control. Neuroscientist, 13(3), 214-228. doi:10.1177/1073858407299288

14. Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2004). Inhibition and the right inferior frontal cortex. Trends Cogn Sci, 8(4), 170-177. doi:10.1016/j.tics.2004.02.010

15. Ashburner, J. (2007). A fast diffeomorphic image registration algorithm. Neuroimage, 38(1), 95-113. doi: 10.1016/j .neuroimage.2007.07.007

16. Ashburner, J., & Friston, K. (2004). Rigid Body Registration. Human Brain Function: Second Edition. doi:10.1016/B978-012372560-8/50004-8

17. Ashburner, J., & Friston, K. J. (2005). Unified segmentation. Neuroimage, 26(3), 839-851. doi:10.1016/j.neuroimage.2005.02.018

18. Ashworth, E., Brooks, S. J., & Schioth, H. B. (2021). Neural activation of anxiety and depression in children and young people: A systematic meta-analysis of fMRI studies. Psychiatry ResNeuroimaging, 311, 111272. doi:10.1016/j.pscychresns.2021.111272

19. Attwell, D., & Iadecola, C. (2002). The neural basis of functional brain imaging signals. TrendsNeurosci, 25(12), 621-625. doi:10.1016/s0166-2236(02)02264-6

20. Aziz-Safaie, T., Muller, V. I., Langner, R., Eickhoff, S. B., & Cieslik, E. C. (2024). The effect of task complexity on the neural network for response inhibition: An ALE meta-analysis. Neurosci Biobehav Rev, 158, 105544. doi:10.1016/j.neubiorev.2024.105544

21. Bagarinao, E., Matsuo, K., Nakai, T., & Sato, S. (2003). Estimation of general linear model coefficients for real-time application. Neuroimage, 19(2 Pt 1), 422-429. doi:10.1016/s1053-8119(03)00081-8

22. Banks, S. J., Eddy, K. T., Angstadt, M., Nathan, P. J., & Phan, K. L. (2007). Amygdala-frontal connectivity during emotion regulation. Soc Cogn Affect Neurosci, 2(4), 303-312. doi:10.1093/scan/nsm029

23. Barkus, E., & Badcock, J. C. (2019). A Transdiagnostic Perspective on Social Anhedonia. Front Psychiatry, 10, 216. doi:10.3389/fpsyt.2019.00216

24. Beck, A. T., Steer, R. A., Ball, R., & Ranieri, W. (1996). Comparison of Beck Depression Inventories -IA and -II in psychiatric outpatients. J Pers Assess, 67(3), 588-597. doi:10.1207/s15327752jpa6703_13

25. Benschop, L., Vanhollebeke, G., Li, J., Leahy, R. M., Vanderhasselt, M. A., & Baeken, C. (2022). Reduced subgenual cingulate-dorsolateral prefrontal connectivity as an electrophysiological marker for depression. Sci Rep, 12(1), 16903. doi:10.1038/s41598-022-20274-9

26. Berboth, S., & Morawetz, C. (2021). Amygdala-prefrontal connectivity during emotion regulation: A meta-analysis of psychophysiological interactions. Neuropsychologia, 153, 107767. doi: 10.1016/j .neuropsychologia.2021.107767

27. Bezmaternykh, D. D., Mel'nikov, M. E., Petrovskii, E. D., Mazhirina, K. G., Savelov, A. A., Kalgin, K. V., . . . Koush, Y. A. (2023). Effective Connectivity of the Bilateral Amygdala, Dorsomedial Prefrontal, and Subgenual Anterior Cingulate Cortices: Feasibility of Positive Social Emotion Regulation Models for Real-Time Functional Magnetic Resonance Imaging. Bull Exp Biol Med, 175(4), 487-491. doi:10.1007/s10517-023-05892-1

28. Bezmaternykh, D. D., Melnikov, M. Y., Savelov, A. A., Kozlova, L. I., Petrovskiy, E. D., Natarova, K. A., & Shtark, M. B. (2021). Brain Networks Connectivity in Mild to Moderate Depression: Resting State fMRI Study with Implications to Nonpharmacological Treatment. NeuralPlast, 2021, 8846097. doi:10.1155/2021/8846097

29. Bowman, F. D., Guo, Y., & Derado, G. (2007). Statistical approaches to functional neuroimaging data. Neuroimaging Clin N Am, 17(4), 441-458, viii. doi:10.1016/j.nic.2007.09.002

30. Bradley, M. M., & Lang, P. J. (1994). Measuring emotion: the Self-Assessment Manikin and the Semantic Differential. J Behav Ther Exp Psychiatry, 25(1), 49-59. doi:10.1016/0005-7916(94)90063-9

31. Braunstein, L. M., Gross, J. J., & Ochsner, K. N. (2017). Explicit and implicit emotion regulation: a multi-level framework. Soc Cogn Affect Neurosci, 12(10), 1545-1557. doi:10.1093/scan/nsx096

32. Brennan, K. A., Clark, C. L., & Shaver, P. (1998). Self-report measurement of adult attachment: An integrative overview. Attachment Theory and Close Relationships, 46-76.

33. Britton, J. C., Phan, K. L., Taylor, S. F., Welsh, R. C., Berridge, K. C., & Liberzon, I. (2006). Neural correlates of social and nonsocial emotions: An fMRI study. Neuroimage, 31(1), 397-409. doi:10.1016/j.neuroimage.2005.11.027

34. Buchbinder, B. R. (2016). Functional magnetic resonance imaging. Handb Clin Neurol, 135, 61-92. doi:10.1016/B978-0-444-53485-9.00004-0

35. Buckner, R. L., & Carroll, D. C. (2007). Self-projection and the brain. Trends Cogn Sci, 11(2), 49-57. doi:10.1016/j.tics.2006.11.004

36. Buhle, J. T., Silvers, J. A., Wager, T. D., Lopez, R., Onyemekwu, C., Kober, H., . . . Ochsner, K. N. (2014). Cognitive reappraisal of emotion: a meta-analysis of human neuroimaging studies. Cereb Cortex, 24(11), 2981-2990. doi:10.1093/cercor/bht154

37. Burnett, S., & Blakemore, S. J. (2009). Functional connectivity during a social emotion task in adolescents and in adults. Eur J Neurosci, 29(6), 1294-1301. doi:10.1111/j.1460-9568.2009.06674.x

38. Buxton, R. B. (2013). The physics of functional magnetic resonance imaging (fMRI). Rep ProgPhys, 76(9), 096601. doi:10.1088/0034-4885/76/9/096601

39. Buxton, R. B., Wong, E. C., & Frank, L. R. (1998). Dynamics of blood flow and oxygenation changes during brain activation: the balloon model. Magn Reson Med, 39(6), 855864. doi:10.1002/mrm.1910390602

40. Bzdok, D., Langner, R., Schilbach, L., Engemann, D. A., Laird, A. R., Fox, P. T., & Eickhoff, S. B. (2013). Segregation of the human medial prefrontal cortex in social cognition. Front Hum Neurosci, 7, 232. doi:10.3389/fnhum.2013.00232

41. Caballero-Gaudes, C., & Reynolds, R. C. (2017). Methods for cleaning the BOLD fMRI signal. Neuroimage, 154, 128-149. doi:10.1016/j.neuroimage.2016.12.018

42. Caria, A., Sitaram, R., Veit, R., Begliomini, C., & Birbaumer, N. (2010). Volitional control of anterior insula activity modulates the response to aversive stimuli. A real-time functional magnetic resonance imaging study. Biol Psychiatry, 68(5), 425-432. doi:10.1016/j.biopsych.2010.04.020

43. Carretie, L., Tapia, M., Lopez-Martin, S., & Albert, J. (2019). EmoMadrid: An emotional pictures database for affect research. Motivation and Emotion, 43. doi:10.1007/s11031-019-09780-y

44. Coan, J. A. (2011). The social regulation of emotion. In The Oxford handbook of social neuroscience. (pp. 614-623). New York, NY, US: Oxford University Press.

45. Coan, J. A., & Allen, J. J. (2004). Frontal EEG asymmetry as a moderator and mediator of emotion. Biol Psychol, 67(1-2), 7-49. doi:10.1016/j.biopsycho.2004.03.002

46. Collignon, A. M. F., Maes, F., Delaere, D., Vandermeulen, D., Suetens, P., & Marchal, G. (1995). Automated multi-modality image registration based on information theory.

47. Compare, A., Zarbo, C., Shonin, E., Van Gordon, W., & Marconi, C. (2014). Emotional Regulation and Depression: A Potential Mediator between Heart and Mind. Cardiovasc Psychiatry Neurol, 2014, 324374. doi:10.1155/2014/324374

48. Compere, L., Siegle, G. J., Lazzaro, S., Strege, M., Canovali, G., Barb, S., . . . Young, K. (2023). Real-time functional magnetic resonance imaging neurofeedback training of amygdala upregulation increases affective flexibility in depression. J Psychiatry Neurosci, 48(3), E232-E239. doi:10.1503/jpn.220208

49. Crone, D. L., Bode, S., Murawski, C., & Laham, S. M. (2018). The Socio-Moral Image Database (SMID): A novel stimulus set for the study of social, moral and affective processes. PLoS One, 13(1), e0190954. doi:10.1371/journal.pone.0190954

50. Cusi, A. M., Nazarov, A., Holshausen, K., Macqueen, G. M., & McKinnon, M. C. (2012). Systematic review of the neural basis of social cognition in patients with mood disorders. J Psychiatry Neurosci, 37(3), 154-169. doi:10.1503/jpn.100179

51. Cuthbert, B. N., & Insel, T. R. (2013). Toward the future of psychiatric diagnosis: the seven pillars of RDoC. BMC Med, 11, 126. doi:10.1186/1741-7015-11-126

52. D'Esposito, M., Deouell, L. Y., & Gazzaley, A. (2003). Alterations in the BOLD fMRI signal with ageing and disease: a challenge for neuroimaging. Nat Rev Neurosci, 4(11), 863-872. doi:10.1038/nrn1246

53. Dan-Glauser, E. S., & Scherer, K. R. (2011). The Geneva affective picture database (GAPED): a new 730-picture database focusing on valence and normative significance. Behav Res Methods, 43(2), 468-477. doi:10.3758/s13428-011-0064-1

54. Dannlowski, U., Ohrmann, P., Konrad, C., Domschke, K., Bauer, J., Kugel, H., . . . Suslow, T. (2009). Reduced amygdala-prefrontal coupling in major depression: association with MAOA genotype and illness severity. Int J Neuropsychopharmacol, 12(1), 11-22. doi:10.1017/S1461145708008973

55. David, O., Kiebel, S. J., Harrison, L. M., Mattout, J., Kilner, J. M., & Friston, K. J. (2006). Dynamic causal modeling of evoked responses in EEG and MEG. Neuroimage, 30(4), 1255-1272. doi:10.1016/j.neuroimage.2005.10.045

56. Davidson, R. J. (2004). What does the prefrontal cortex "do" in affect: perspectives on frontal EEG asymmetry research. Biol Psychol, 67(1-2), 219-233. doi:10.1016/j.biopsycho.2004.03.008

57. Davydov, N., Peek, L., Auer, T., Prilepin, E., Gninenko, N., Van De Ville, D., . . . Koush, Y. (2022). Real-time and Recursive Estimators for Functional MRI Quality Assessment. Neuroinformatics, 20(4), 897-917. doi:10.1007/s12021-022-09582-7

58. De la Pena-Arteaga, V., Berruga-Sanchez, M., Steward, T., Martinez-Zalacain, I., Goldberg, X., Wainsztein, A., . . . Soriano-Mas, C. (2021). An fMRI study of cognitive reappraisal in major depressive disorder and borderline personality disorder. Eur Psychiatry, 64(1), e56. doi:10.1192/j .eurpsy.2021.2231

59. deCharms, R. C., Maeda, F., Glover, G. H., Ludlow, D., Pauly, J. M., Soneji, D., . . . Mackey, S. C. (2005). Control over brain activation and pain learned by using real-time functional MRI. Proc Natl Acad Sci U S A, 102(51), 18626-18631. doi:10.1073/pnas.0505210102

60. Deichmann, R., Josephs, O., Hutton, C., Corfield, D. R., & Turner, R. (2002). Compensation of susceptibility-induced BOLD sensitivity losses in echo-planar fMRI imaging. Neuroimage, 15(1), 120-135. doi:10.1006/nimg.2001.0985

61. Delaveau, P., Jabourian, M., Lemogne, C., Guionnet, S., Bergouignan, L., & Fossati, P. (2011). Brain effects of antidepressants in major depression: a meta-analysis of emotional processing studies. J Affect Disord, 130(1-2), 66-74. doi:10.1016/j.jad.2010.09.032

62. Diener, C., Kuehner, C., Brusniak, W., Ubl, B., Wessa, M., & Flor, H. (2012). A metaanalysis of neurofunctional imaging studies of emotion and cognition in major depression. Neuroimage, 61(3), 677-685. doi:10.1016/j.neuroimage.2012.04.005

63. Diener, E., Napa Scollon, C., & Lucas, R. E. (2009). The Evolving Concept of Subjective Well-Being: The Multifaceted Nature of Happiness. In E. Diener (Ed.), Assessing Well-Being: The Collected Works of Ed Diener (pp. 67-100). Dordrecht: Springer Netherlands.

64. Dillon, D. G., & Pizzagalli, D. A. (2007). Inhibition of Action, Thought, and Emotion: A Selective Neurobiological Review. Appl Prev Psychol, 12(3), 99-114. doi:10.1016/j.appsy.2007.09.004

65. Disner, S. G., Beevers, C. G., Haigh, E. A., & Beck, A. T. (2011). Neural mechanisms of the cognitive model of depression. Nat Rev Neurosci, 12(8), 467-477. doi:10.1038/nrn3027

66. Dobbins, I. C. S., Bastos, M., Ratis, R. C., Silva, W., & Bonini, J. S. (2023). Effects of neurofeedback on major depressive disorder: a systematic review. Einstein (Sao Paulo), 21, eRW0253. doi:10.31744/einsteinJournal/2023RW0253

67. Dominguez-Borras, J., & Vuilleumier, P. (2022). Chapter 21 - Amygdala function in emotion, cognition, and behavior. In G. Miceli, P. Bartolomeo, & V. Navarro (Eds.), Handbook of Clinical Neurology (Vol. 187, pp. 359-380): Elsevier.

68. Donofry, S. D., Roecklein, K. A., Wildes, J. E., Miller, M. A., & Erickson, K. I. (2016). Alterations in emotion generation and regulation neurocircuitry in depression and eating disorders: A comparative review of structural and functional neuroimaging studies. Neurosci Biobehav Rev,

68. 911-927. doi:10.1016/j.neubiorev.2016.07.011

69. Drabant, E. M., McRae, K., Manuck, S. B., Hariri, A. R., & Gross, J. J. (2009). Individual differences in typical reappraisal use predict amygdala and prefrontal responses. Biol Psychiatry, 65(5), 367-373. doi:10.1016/j.biopsych.2008.09.007

70. Drevets, W. C., Savitz, J., & Trimble, M. (2008). The subgenual anterior cingulate cortex in mood disorders. CNS Spectr, 13(8), 663-681. doi:10.1017/s1092852900013754

71. Emmert, K., Kopel, R., Koush, Y., Maire, R., Senn, P., Van De Ville, D., & Haller, S. (2017). Continuous vs. intermittent neurofeedback to regulate auditory cortex activity of tinnitus patients using real-time fMRI - A pilot study. Neuroimage Clin, 14, 97-104. doi:10.1016/j.nicl.2016.12.023

72. Engen, H. G., & Singer, T. (2015). Compassion-based emotion regulation up-regulates experienced positive affect and associated neural networks. Soc Cogn Affect Neurosci, 10(9), 12911301. doi:10.1093/scan/nsv008

73. Enneking, V., Krussel, P., Zaremba, D., Dohm, K., Grotegerd, D., Forster, K., . . . Dannlowski, U. (2019). Social anhedonia in major depressive disorder: a symptom-specific neuroimaging approach. Neuropsychopharmacology, 44(5), 883-889. doi:10.1038/s41386-018-0283-6

74. Ferrari, A. J., Charlson, F. J., Norman, R. E., Patten, S. B., Freedman, G., Murray, C. J., . . . Whiteford, H. A. (2013). Burden of depressive disorders by country, sex, age, and year: findings from the global burden of disease study 2010. PLoS Med, 10(11), e1001547. doi:10.1371/journal.pmed.1001547

75. Ferrari, A. J., Somerville, A. J., Baxter, A. J., Norman, R., Patten, S. B., Vos, T., & Whiteford, H. A. (2013). Global variation in the prevalence and incidence of major depressive disorder: a systematic review of the epidemiological literature. Psychol Med, 43(3), 471-481. doi:10.1017/S0033291712001511

76. Fitzgerald, J. M., Klumpp, H., Langenecker, S., & Phan, K. L. (2019). Transdiagnostic neural correlates of volitional emotion regulation in anxiety and depression. Depress Anxiety, 36(5), 453-464. doi:10.1002/da.22859

77. Fitzgerald, J. M., MacNamara, A., Kennedy, A. E., Rabinak, C. A., Rauch, S. A., Liberzon, I., & Phan, K. L. (2017). Individual differences in cognitive reappraisal use and emotion regulatory brain function in combat-exposed veterans with and without PTSD. Depress Anxiety, 34(1), 7988. doi:10.1002/da.22551

78. Fitzgerald, P. B., Laird, A. R., Maller, J., & Daskalakis, Z. J. (2008). A meta-analytic study of changes in brain activation in depression. Hum Brain Mapp, 29(6), 683-695. doi:10.1002/hbm.20426

79. Forbes, P. A. G., Pronizius, E., Feneberg, A. C., Nater, U. M., Piperno, G., Silani, G., . . . Lamm, C. (2023). The effects of social interactions on momentary stress and mood during COVID-19 lockdowns. Br J Health Psychol, 28(2), 306-319. doi:10.1111/bjhp.12626

80. Forster, K., & Kanske, P. (2022). Upregulating positive affect through compassion: Psychological and physiological evidence. Int J Psychophysiol, 176, 100-107. doi:10.1016/j.ijpsycho.2022.03.009

81. Fredrickson, B. L. (2001). The role of positive emotions in positive psychology. The broaden-and-build theory of positive emotions. Am Psychol, 56(3), 218-226. doi:10.1037//0003-066x.56.3.218

82. Friston, K., Mattout, J., Trujillo-Barreto, N., Ashburner, J., & Penny, W. (2007). Variational free energy and the Laplace approximation. Neuroimage, 34(1), 220-234. doi:10.1016/j.neuroimage.2006.08.035

83. Friston, K., & Penny, W. (2011). Post hoc Bayesian model selection. Neuroimage, 56(4), 2089-2099. doi:10.1016/j.neuroimage.2011.03.062

84. Friston, K. J. (2011). Functional and effective connectivity: a review. Brain Connect, 1(1), 13-36. doi:10.1089/brain.2011.0008

85. Friston, K. J., Glaser, D. E., Henson, R. N., Kiebel, S., Phillips, C., & Ashburner, J. (2002). Classical and Bayesian inference in neuroimaging: applications. Neuroimage, 16(2), 484-512. doi:10.1006/nimg.2002.1091

86. Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. Neuroimage, 19(4), 1273-1302. doi:10.1016/s1053-8119(03)00202-7

87. Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J.-P., Frith, C. D., & Frackowiak, R. S. J. (1994). Statistical parametric maps in functional imaging: A general linear approach. Human Brain Mapping, 2(4), 189-210. doi:https://doi.org/10.1002/hbm.460020402

88. Friston, K. J., Kahan, J., Biswal, B., & Razi, A. (2014). A DCM for resting state fMRI. Neuroimage, 94(100), 396-407. doi:10.1016/j.neuroimage.2013.12.009

89. Friston, K. J., Litvak, V., Oswal, A., Razi, A., Stephan, K. E., van Wijk, B. C. M., . . . Zeidman, P. (2016). Bayesian model reduction and empirical Bayes for group (DCM) studies. Neuroimage, 128, 413-431. doi:10.1016/j.neuroimage.2015.11.015

90. Friston, K. J., Mechelli, A., Turner, R., & Price, C. J. (2000). Nonlinear responses in fMRI: the Balloon model, Volterra kernels, and other hemodynamics. Neuroimage, 12(4), 466-477. doi:10.1006/nimg.2000.0630

91. Friston, K. J., Penny, W., Phillips, C., Kiebel, S., Hinton, G., & Ashburner, J. (2002). Classical and Bayesian inference in neuroimaging: theory. Neuroimage, 16(2), 465-483. doi:10.1006/nimg.2002.1090

92. Friston, K. J., Williams, S., Howard, R., Frackowiak, R. S., & Turner, R. (1996). Movement-related effects in fMRI time-series. Magn Reson Med, 35(3), 346-355. doi:10.1002/mrm.1910350312

93. Fusar-Poli, P., Placentino, A., Carletti, F., Landi, P., Allen, P., Surguladze, S., . . . Politi, P. (2009). Functional atlas of emotional faces processing: a voxel-based meta-analysis of 105 functional magnetic resonance imaging studies. J Psychiatry Neurosci, 34(6), 418-432.

94. Gamond, L., & Cattaneo, Z. (2016). The dorsomedial prefrontal cortex plays a causal role in mediating in-group advantage in emotion recognition: A TMS study. Neuropsychologia, 93(Pt A), 312-317. doi:10.1016/j.neuropsychologia.2016.11.011

95. Gao, W., Biswal, B., Chen, S., Wu, X., & Yuan, J. (2021). Functional coupling of the orbitofrontal cortex and the basolateral amygdala mediates the association between spontaneous reappraisal and emotional response. Neuroimage, 232, 117918. doi:10.1016/j.neuroimage.2021.117918

96. Gao, W., Yan, X., & Yuan, J. (2022). Neural correlations between cognitive deficits and emotion regulation strategies: understanding emotion dysregulation in depression from the perspective of cognitive control and cognitive biases. Psychoradiology, 2(3), 86-99. doi:10.1093/psyrad/kkac014

97. Gaviria, J., Rey, G., Bolton, T., Ville, D. V., & Vuilleumier, P. (2021). Dynamic functional brain networks underlying the temporal inertia of negative emotions. Neuroimage, 240, 118377. doi:10.1016/j.neuroimage.2021.118377

98. Geissler, A., Gartus, A., Foki, T., Tahamtan, A. R., Beisteiner, R., & Barth, M. (2007). Contrast-to-noise ratio (CNR) as a quality parameter in fMRI. J Magn Reson Imaging, 25(6), 12631270. doi:10.1002/jmri.20935

99. Gerlach, A. R., Karim, H. T., Pecina, M., Ajilore, O., Taylor, W. D., Butters, M. A., & Andreescu, C. (2022). MRI predictors of pharmacotherapy response in major depressive disorder. Neuroimage Clin, 36, 103157. doi:10.1016/j.nicl.2022.103157

100. Girouard, H., & Iadecola, C. (2006). Neurovascular coupling in the normal brain and in hypertension, stroke, and Alzheimer disease. J Appl Physiol (1985), 100(1), 328-335. doi:10.1152/japplphysiol.00966.2005

101. Goeleven, E., De Raedt, R., Baert, S., & Koster, E. H. (2006). Deficient inhibition of emotional information in depression. J Affect Disord, 93(1-3), 149-157. doi:10.1016/j.jad.2006.03.007

102. Goldberg, II, Harel, M., & Malach, R. (2006). When the brain loses its self: prefrontal inactivation during sensorimotor processing. Neuron, 50(2), 329-339. doi:10.1016/j.neuron.2006.03.015

103. Goldway, N., Jalon, I., Keynan, J. N., Hellrung, L., Horstmann, A., Paret, C., & Hendler, T. (2022). Feasibility and utility of amygdala neurofeedback. Neurosci Biobehav Rev, 138, 104694. doi:10.1016/j.neubiorev.2022.104694

104. Goossens, L., Kukolja, J., Onur, O. A., Fink, G. R., Maier, W., Griez, E., . . . Hurlemann, R. (2009). Selective processing of social stimuli in the superficial amygdala. Hum Brain Mapp, 30(10), 3332-3338. doi:10.1002/hbm.20755

105. Gotlib, I. H., Sivers, H., Gabrieli, J. D., Whitfield-Gabrieli, S., Goldin, P., Minor, K. L., & Canli, T. (2005). Subgenual anterior cingulate activation to valenced emotional stimuli in major depression. Neuroreport, 16(16), 1731-1734. doi:10.1097/01.wnr.0000183901.70030.82

106. Greenberg, P. E., Fournier, A. A., Sisitsky, T., Simes, M., Berman, R., Koenigsberg, S. H., & Kessler, R. C. (2021). The Economic Burden of Adults with Major Depressive Disorder in the United States (2010 and 2018). Pharmacoeconomics, 39(6), 653-665. doi:10.1007/s40273-021-01019-4

107. Greening, S. G., Osuch, E. A., Williamson, P. C., & Mitchell, D. G. (2013). Emotion-related brain activity to conflicting socio-emotional cues in unmedicated depression. J Affect Disord, 150(3), 1136-1141. doi:10.1016/j.jad.2013.05.053

108. Greening, S. G., Osuch, E. A., Williamson, P. C., & Mitchell, D. G. (2014). The neural correlates of regulating positive and negative emotions in medication-free major depression. Soc Cogn AffectNeurosci, 9(5), 628-637. doi:10.1093/scan/nst027

109. Groenewold, N. A., Opmeer, E. M., de Jonge, P., Aleman, A., & Costafreda, S. G. (2013). Emotional valence modulates brain functional abnormalities in depression: Evidence from a meta-analysis of fMRI studies. Neuroscience & Biobehavioral Reviews, 37(2), 152-163. doi:https://doi.org/10.1016/j .neubiorev.2012.11.015

110. Gross, J. J., & John, O. P. (2003). Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. J Pers Soc Psychol, 85(2), 348362. doi:10.1037/0022-3514.85.2.348

111. Guedj, C., & Vuilleumier, P. (2023). Modulation of pulvinar connectivity with cortical areas in the control of selective visual attention. Neuroimage, 266, 119832. doi:10.1016/j.neuroimage.2022.119832

112. Gutierrez-Rojas, L., Porras-Segovia, A., Dunne, H., Andrade-Gonzalez, N., & Cervilla, J. A. (2020). Prevalence and correlates of major depressive disorder: a systematic review. Braz J Psychiatry, 42(6), 657-672. doi:10.1590/1516-4446-2020-0650

113. Hamilton, J. P., Etkin, A., Furman, D. J., Lemus, M. G., Johnson, R. F., & Gotlib, I. H. (2012). Functional neuroimaging of major depressive disorder: a meta-analysis and new integration of base line activation and neural response data. Am J Psychiatry, 169(7), 693-703. doi:10.1176/appi.ajp.2012.11071105

114. Hamilton, J. P., Glover, G. H., Bagarinao, E., Chang, C., Mackey, S., Sacchet, M. D., & Gotlib, I. H. (2016). Effects of salience-network-node neurofeedback training on affective biases in major depressive disorder. Psychiatry Res Neuroimaging, 249, 91-96. doi:10.1016/j.pscychresns.2016.01.016

115. Hamilton, J. P., Glover, G. H., Hsu, J. J., Johnson, R. F., & Gotlib, I. H. (2011). Modulation of subgenual anterior cingulate cortex activity with real-time neurofeedback. Hum Brain Mapp, 32(1), 22-31. doi:10.1002/hbm.20997

116. Hamilton, M. (1960). A rating scale for depression. J Neurol Neurosurg Psychiatry, 23(1), 56-62. doi:10.1136/jnnp.23.1.56

117. Hare, T. A., Camerer, C. F., Knoepfle, D. T., & Rangel, A. (2010). Value computations in ventral medial prefrontal cortex during charitable decision making incorporate input from regions involved in social cognition. J Neurosci, 30(2), 583-590. doi:10.1523/JNEUROSCI.4089-09.2010

118. He, Z., Li, S., Mo, L., Zheng, Z., Li, Y., Li, H., & Zhang, D. (2023). The VLPFC-Engaged Voluntary Emotion Regulation: Combined TMS-fMRI Evidence for the Neural Circuit of Cognitive Reappraisal. J Neurosci, 43(34), 6046-6060. doi:10.1523/JNEUROSCI.1337-22.2023

119. Heller, A. S., Johnstone, T., Shackman, A. J., Light, S. N., Peterson, M. J., Kolden, G. G., . . . Davidson, R. J. (2009). Reduced capacity to sustain positive emotion in major depression reflects diminished maintenance of fronto-striatal brain activation. Proc Natl Acad Sci U S A, 106(52), 22445-22450. doi:10.1073/pnas.0910651106

120. Hellrung, L., Dietrich, A., Hollmann, M., Pleger, B., Kalberlah, C., Roggenhofer, E., . . . Horstmann, A. (2018). Intermittent compared to continuous real-time fMRI neurofeedback boosts

control over amygdala activation. Neuroimage, 166, 198-208. doi:10.1016/j.neuroimage.2017.10.031

121. Hill, K. E., Pegg, S., Dao, A., Boldwyn, E., Dickey, L., Venanzi, L., . . . Kujawa, A. (2023). Characterizing positive and negative valence systems function in adolescent depression: An RDoC-informed approach integrating multiple neural measures. J Mood Anxiety Disord, 3. doi: 10.1016/j .xjmad.2023.100025

122. Hiser, J., & Koenigs, M. (2018). The Multifaceted Role of the Ventromedial Prefrontal Cortex in Emotion, Decision Making, Social Cognition, and Psychopathology. Biol Psychiatry, 83(8), 638-647. doi:10.1016/j.biopsych.2017.10.030

123. Hopfinger, J. B., Buchel, C., Holmes, A. P., & Friston, K. J. (2000). A study of analysis parameters that influence the sensitivity of event-related fMRI analyses. Neuroimage, 11(4), 326333. doi:10.1006/nimg.2000.0549

124. Hosford, P. S., & Gourine, A. V. (2019). What is the key mediator of the neurovascular coupling response? NeurosciBiobehavRev, 96, 174-181. doi:10.1016/j.neubiorev.2018.11.011

125. Hutton, C., Bork, A., Josephs, O., Deichmann, R., Ashburner, J., & Turner, R. (2002). Image distortion correction in fMRI: A quantitative evaluation. Neuroimage, 16(1), 217-240. doi:10.1006/nimg.2001.1054

126. Jamieson, A. J., Harrison, B. J., Razi, A., & Davey, C. G. (2022). Rostral anterior cingulate network effective connectivity in depressed adolescents and associations with treatment response in a randomized controlled trial. Neuropsychopharmacology, 47(6), 1240-1248. doi:10.1038/s41386-021-01214-z

127. Janiri, D., Moser, D. A., Doucet, G. E., Luber, M. J., Rasgon, A., Lee, W. H., . . . Frangou, S. (2020). Shared Neural Phenotypes for Mood and Anxiety Disorders: A Meta-analysis of 226 Task-Related Functional Imaging Studies. JAMA Psychiatry, 77(2), 172-179. doi:10.1001/jamapsychiatry.2019.3351

128. Jenkinson, M. (2003). Fast, automated, N-dimensional phase-unwrapping algorithm. Magn ResonMed, 49(1), 193-197. doi:10.1002/mrm.10354

129. Jezzard, P., & Balaban, R. S. (1995). Correction for geometric distortion in echo planar images from B0 field variations. Magn Reson Med, 34(1), 65-73. doi:10.1002/mrm.1910340111

130. Jezzard, P., & Clare, S. (1999). Sources of distortion in functional MRI data. Hum Brain Mapp, 8(2-3), 80-85. doi:10.1002/(sici)1097-0193(1999)8:2/3<80::aid-hbm2>3.0.co;2-c

131. Johnson, K. A., Hartwell, K., LeMatty, T., Borckardt, J., Morgan, P. S., Govindarajan, K., . . . George, M. S. (2012). Intermittent "real-time" fMRI feedback is superior to continuous presentation for a motor imagery task: a pilot study. J Neuroimaging, 22(1), 58-66. doi:10.1111/j.1552-6569.2010.00529.x

132. Johnston, S. J., Boehm, S. G., Healy, D., Goebel, R., & Linden, D. E. (2010). Neurofeedback: A promising tool for the self-regulation of emotion networks. Neuroimage, 49(1), 1066-1072. doi:10.1016/j.neuroimage.2009.07.056

133. Johnstone, T., van Reekum, C. M., Urry, H. L., Kalin, N. H., & Davidson, R. J. (2007). Failure to regulate: counterproductive recruitment of top-down prefrontal-subcortical circuitry in major depression. J Neurosci, 27(33), 8877-8884. doi:10.1523/JNEUROSCI.2063-07.2007

134. Joormann, J., & Gotlib, I. H. (2010). Emotion regulation in depression: relation to cognitive inhibition. Cogn Emot, 24(2), 281-298. doi:10.1080/02699930903407948

135. Joormann, J., & Quinn, M. E. (2014). Cognitive processes and emotion regulation in depression. Depress Anxiety, 31(4), 308-315. doi:10.1002/da.22264

136. Kang, S. G., & Cho, S. E. (2020). Neuroimaging Biomarkers for Predicting Treatment Response and Recurrence of Major Depressive Disorder. Int J Mol Sci, 21(6). doi:10.3390/ijms21062148

137. Kanske, P., Heissler, J., Schonfelder, S., & Wessa, M. (2012). Neural correlates of emotion regulation deficits in remitted depression: the influence of regulation strategy, habitual regulation use, and emotional valence. Neuroimage, 61(3), 686-693. doi:10.1016/j.neuroimage.2012.03.089

138. Keller, M., Mendoza-Quinones, R., Cabrera Munoz, A., Iglesias-Fuster, J., Virues, A. V., Zvyagintsev, M., . . . Mathiak, K. (2022). Transdiagnostic alterations in neural emotion regulation circuits - neural substrates of cognitive reappraisal in patients with depression and post-traumatic stress disorder. BMC Psychiatry, 22(1), 173. doi:10.1186/s12888-022-03780-y

139. Keller, M., Zweerings, J., Klasen, M., Zvyagintsev, M., Iglesias, J., Mendoza Quiñones, R., & Mathiak, K. (2021). FMRI neurofeedback-enhanced cognitive reappraisal training in depression: A double-blind comparison of left and right vlPFC regulation. Frontiers in Psychiatry, 12. doi:10.3389/fpsyt.2021.715898

140. Kessler, R. C. (2012). The costs of depression. Psychiatr Clin North Am, 35(1), 1-14. doi:10.1016/j.psc.2011.11.005

141. Kim, S. H., & Hamann, S. (2007). Neural correlates of positive and negative emotion regulation. J Cogn Neurosci, 19(5), 776-798. doi:10.1162/jocn.2007.19.5.776

142. Kindred, R., & Bates, G. W. (2023). The Influence of the COVID-19 Pandemic on Social Anxiety: A Systematic Review. Int J Environ Res Public Health, 20(3). doi:10.3390/ijerph20032362

143. Klimecki, O. M. (2015). The plasticity of social emotions. Soc Neurosci, 10(5), 466-473. doi:10.1080/17470919.2015.1087427

144. Klimecki, O. M., Leiberg, S., Lamm, C., & Singer, T. (2013). Functional neural plasticity and associated changes in positive affect after compassion training. Cereb Cortex, 23(7), 15521561. doi:10.1093/cercor/bhs 142

145. Koenigsberg, H. W., Fan, J., Ochsner, K. N., Liu, X., Guise, K., Pizzarello, S., . . . Siever, L. J. (2010). Neural correlates of using distancing to regulate emotional responses to social situations. Neuropsychologia, 48(6), 1813-1822. doi:10.1016/j.neuropsychologia.2010.03.002

146. Kok, B. E., Coffey, K. A., Cohn, M. A., Catalino, L. I., Vacharkulksemsuk, T., Algoe, S. B., . . . Fredrickson, B. L. (2013). How positive emotions build physical health: perceived positive social connections account for the upward spiral between positive emotions and vagal tone. PsycholSci, 24(7), 1123-1132. doi:10.1177/0956797612470827

147. Kong, L., Chen, K., Tang, Y., Wu, F., Driesen, N., Womer, F., . . . Wang, F. (2013). Functional connectivity between the amygdala and prefrontal cortex in medication-naive individuals with major depressive disorder. J Psychiatry Neurosci, 38(6), 417-422. doi:10.1503/jpn.120117

148. Koush, Y., Ashburner, J., Prilepin, E., Sladky, R., Zeidman, P., Bibikov, S., . . . De Ville, D. V. (2017). OpenNFT: An open-source Python/Matlab framework for real-time fMRI neurofeedback training based on activity, connectivity and multivariate pattern analysis. Neuroimage, 156, 489-503. doi:10.1016/j.neuroimage.2017.06.039

149. Koush, Y., Meskaldji, D. E., Pichon, S., Rey, G., Rieger, S. W., Linden, D. E., . . . Scharnowski, F. (2017). Learning Control Over Emotion Networks Through Connectivity-Based Neurofeedback. Cereb Cortex, 27(2), 1193-1202. doi:10.1093/cercor/bhv311

150. Koush, Y., Pichon, S., Eickhoff, S. B., Van De Ville, D., Vuilleumier, P., & Scharnowski, F. (2019). Brain networks for engaging oneself in positive-social emotion regulation. Neuroimage, 189, 106-115. doi:10.1016/j.neuroimage.2018.12.049

151. Koush, Y., Rosa, M. J., Robineau, F., Heinen, K., S, W. R., Weiskopf, N., . . . Scharnowski, F. (2013). Connectivity-based neurofeedback: dynamic causal modeling for real-time fMRI. Neuroimage, 81, 422-430. doi:10.1016/j.neuroimage.2013.05.010

152. Koush, Y., Zvyagintsev, M., Dyck, M., Mathiak, K. A., & Mathiak, K. (2012). Signal quality and Bayesian signal processing in neurofeedback based on real-time fMRI. Neuroimage, 59(1), 478-489. doi:10.1016/j.neuroimage.2011.07.076

153. Krylova, M., Skouras, S., Razi, A., Nicholson, A. A., Karner, A., Steyrl, D., . . . Koush, Y. (2021). Progressive modulation of resting-state brain activity during neurofeedback of positive-social emotion regulation networks. Sci Rep, 11(1), 23363. doi:10.1038/s41598-021-02079-4

154. Kung, P. H., Davey, C. G., Harrison, B. J., Jamieson, A. J., Felmingham, K. L., & Steward, T. (2023). Frontoamygdalar Effective Connectivity in Youth Depression and Treatment Response. Biol Psychiatry, 94(12), 959-968. doi:10.1016/j.biopsych.2023.06.009

155. Kupferberg, A., Bicks, L., & Hasler, G. (2016). Social functioning in major depressive disorder. NeurosciBiobehavRev, 69, 313-332. doi:10.1016/j.neubiorev.2016.07.002

156. Kurdi, B., Lozano, S., & Banaji, M. R. (2017). Introducing the Open Affective Standardized Image Set (OASIS). Behav Res Methods, 49(2), 457-470. doi:10.3758/s13428-016-0715-3

157. Lang, P. J., Greenwald, M. K., Bradley, M. M., & Hamm, A. O. (1993). Looking at pictures: affective, facial, visceral, and behavioral reactions. Psychophysiology, 30(3), 261-273. doi:10.1111/j.1469-8986.1993.tb03352.x

158. Laxton, A. W., Neimat, J. S., Davis, K. D., Womelsdorf, T., Hutchison, W. D., Dostrovsky, J. O., . . . Lozano, A. M. (2013). Neuronal coding of implicit emotion categories in the subcallosal cortex in patients with depression. Biol Psychiatry, 74(10), 714-719. doi: 10.1016/j .biopsych.2013.03.029

159. LeDuke, D. O., Borio, M., Miranda, R., & Tye, K. M. (2023). Anxiety and depression: A top-down, bottom-up model of circuit function. Ann N Y Acad Sci, 1525(1), 70-87. doi:10.1111/nyas.14997

160. Lee, K. H., Lee, H. Y., Park, I., Jeon, J. E., Kim, N., Oh, S. M., . . . Kim, S. J. (2022). Life stress, sleep disturbance and depressive symptoms: The moderating role of prefrontal activation during emotion regulation. Aust N Z J Psychiatry, 56(6), 709-720. doi:10.1177/00048674211025729

161. Lei, H., Zhang, X., Cai, L., Wang, Y., Bai, M., & Zhu, X. (2014). Cognitive emotion regulation strategies in outpatients with major depressive disorder. Psychiatry Res, 218(1-2), 8792. doi:10.1016/j.psychres.2014.04.025

162. LeWinn, K. Z., Strigo, I. A., Connolly, C. G., Ho, T. C., Tymofiyeva, O., Sacchet, M. D., . . . Yang, T. T. (2018). An exploratory examination of reappraisal success in depressed adolescents: Preliminary evidence of functional differences in cognitive control brain regions. J Affect Disord, 240, 155-164. doi:10.1016/j.jad.2018.07.020

163. Li, C., Hu, Q., Zhang, D., Hoffstaedter, F., Bauer, A., & Elmenhorst, D. (2022). Neural correlates of affective control regions induced by common therapeutic strategies in major depressive disorders: An activation likelihood estimation meta-analysis study. Neuroscience & Biobehavioral Reviews, 137, 104643. doi:https://doi.org/10.1016/j.neubiorev.2022.104643

164. Li, F., Yin, S., Feng, P., Hu, N., Ding, C., & Chen, A. (2018). The cognitive up- and down-regulation of positive emotion: Evidence from behavior, electrophysiology, and neuroimaging. Biol Psychol, 136, 57-66. doi:10.1016/j.biopsycho.2018.05.013

165. Li, F. F., Chen, X. L., Zhang, Y. T., Li, R. T., & Li, X. (2021). The role of prepotent response inhibition and interference control in depression. Cogn Neuropsychiatry, 26(6), 441-454. doi:10.1080/13546805.2021.1987872

166. Li, S., Xie, H., Zheng, Z., Chen, W., Xu, F., Hu, X., & Zhang, D. (2022). The causal role of the bilateral ventrolateral prefrontal cortices on emotion regulation of social feedback. Hum BrainMapp, 43(9), 2898-2910. doi:10.1002/hbm.25824

167. Li, X., Hartwell, K. J., Borckardt, J., Prisciandaro, J. J., Saladin, M. E., Morgan, P. S., . . . George, M. S. (2013). Volitional reduction of anterior cingulate cortex activity produces decreased cue craving in smoking cessation: a preliminary real-time fMRI study. Addict Biol, 18(4), 739748. doi:10.1111/j.1369-1600.2012.00449.x

168. Liew, S. L., Rana, M., Cornelsen, S., Fortunato de Barros Filho, M., Birbaumer, N., Sitaram, R., . . . Soekadar, S. R. (2016). Improving Motor Corticothalamic Communication After Stroke Using Real-Time fMRI Connectivity-Based Neurofeedback. Neurorehabil Neural Repair, 30(7), 671-675. doi:10.1177/1545968315619699

169. Light, S. N., Heller, A. S., Johnstone, T., Kolden, G. G., Peterson, M. J., Kalin, N. H., & Davidson, R. J. (2011). Reduced right ventrolateral prefrontal cortex activity while inhibiting

positive affect is associated with improvement in hedonic capacity after 8 weeks of antidepressant treatment in major depressive disorder. Biol Psychiatry, 70(10), 962-968. doi: 10.1016/j .biopsych.2011.06.031

170. Linden, D. E., Habes, I., Johnston, S. J., Linden, S., Tatineni, R., Subramanian, L., . . . Goebel, R. (2012). Real-time self-regulation of emotion networks in patients with depression. PLoS One, 7(6), e38115. doi:10.1371/journal.pone.0038115

171. Linhartova, P., Latalova, A., Kosa, B., Kasparek, T., Schmahl, C., & Paret, C. (2019). fMRI neurofeedback in emotion regulation: A literature review. Neuroimage, 193, 75-92. doi:10.1016/j.neuroimage.2019.03.011

172. Liu, D. Y., & Thompson, R. J. (2017). Selection and implementation of emotion regulation strategies in major depressive disorder: An integrative review. Clin Psychol Rev, 57, 183-194. doi:10.1016/j.cpr.2017.07.004

173. Liu, H., Wang, C., Lan, X., Li, W., Zhang, F., Hu, Z., . . . Zhou, Y. (2024). Functional connectivity of the amygdala subregions and the antidepressant effects of repeated ketamine infusions in major depressive disorder. Eur Psychiatry, 67(1), e33. doi:10.1192/j.eurpsy.2024.1744

174. Liu, J., Xu, X., Luo, Q., Luo, Y., Chen, Y., Lui, S., . . . Gong, Q. (2017). Brain grey matter volume alterations associated with antidepressant response in major depressive disorder. Sci Rep, 7(1), 10464. doi:10.1038/s41598-017-10676-5

175. Lockwood, P. L., & Wittmann, M. K. (2018). Ventral anterior cingulate cortex and social decision-making. Neurosci Biobehav Rev, 92, 187-191. doi:10.1016/j.neubiorev.2018.05.030

176. Loeffler, L. A. K., Radke, S., Habel, U., Ciric, R., Satterthwaite, T. D., Schneider, F., & Derntl, B. (2018). The regulation of positive and negative emotions through instructed causal attributions in lifetime depression - A functional magnetic resonance imaging study. Neuroimage Clin, 20, 1233-1245. doi:10.1016/j.nicl.2018.10.025

177. Long, E., Patterson, S., Maxwell, K., Blake, C., Boso Perez, R., Lewis, R., . . . Mitchell, K. R. (2022). COVID-19 pandemic and its impact on social relationships and health. J Epidemiol Community Health, 76(2), 128-132. doi:10.1136/jech-2021-216690

178. Lou, Y., Chen, S., Hu, G., Astikainen, P., Otieno-Leppanen, S., Lei, Y., & Leppanen, P. H. T. (2023). Altered temporoparietal junction activity during reflected self-evaluation in sub-clinical depression. Cereb Cortex, 33(12), 7553-7563. doi:10.1093/cercor/bhad060

179. Lu, W., Dong, K., Cui, D., Jiao, Q., & Qiu, J. (2019). Quality assurance of human functional magnetic resonance imaging: a literature review. Quant Imaging Med Surg, 9(6), 1147-1162. doi:10.21037/qims.2019.04.18

180. Ma, Y. (2015). Neuropsychological mechanism underlying antidepressant effect: a systematic meta-analysis. MolPsychiatry, 20(3), 311-319. doi:10.1038/mp.2014.24

181. Marazziti, D., Mucci, F., Tripodi, B., Carbone, M. G., Muscarella, A., Falaschi, V., & Baroni, S. (2019). Emotional Blunting, Cognitive Impairment, Bone Fractures, and Bleeding as Possible Side Effects of Long-Term Use of SSRIs. Clin Neuropsychiatry, 16(2), 75-85.

182. Marchewka, A., Zurawski, L., Jednorog, K., & Grabowska, A. (2014). The Nencki Affective Picture System (NAPS): introduction to a novel, standardized, wide-range, high-quality, realistic picture database. Behav Res Methods, 46(2), 596-610. doi:10.3758/s13428-013-0379-1

183. Mayberg, H. S., Lozano, A. M., Voon, V., McNeely, H. E., Seminowicz, D., Hamani, C., . . . Kennedy, S. H. (2005). Deep brain stimulation for treatment-resistant depression. Neuron, 45(5), 651-660. doi:10.1016/j.neuron.2005.02.014

184. Mayeli, A., Misaki, M., Zotev, V., Tsuchiyagaito, A., Al Zoubi, O., Phillips, R., . . . Bodurka, J. (2020). Self-regulation of ventromedial prefrontal cortex activation using real-time fMRI neurofeedback-Influence of default mode network. Hum Brain Mapp, 41(2), 342-352. doi:10.1002/hbm.24805

185. McRae, K., Misra, S., Prasad, A. K., Pereira, S. C., & Gross, J. J. (2012). Bottom-up and top-down emotion generation: implications for emotion regulation. Soc Cogn Affect Neurosci, 7(3), 253-262. doi:10.1093/scan/nsq103

186. McRae, K., Ochsner, K. N., Mauss, I. B., Gabrieli, J. J. D., & Gross, J. J. (2008). Gender Differences in Emotion Regulation: An fMRI Study of Cognitive Reappraisal. Group Process Intergroup Relat, 11(2), 143-162. doi:10.1177/1368430207088035

187. McRae, K., Rekshan, W., Williams, L. M., Cooper, N., & Gross, J. J. (2014). Effects of antidepressant medication on emotion regulation in depressed patients: an iSPOT-D report. J Affect Disord, 159, 127-132. doi:10.1016/j.jad.2013.12.037

188. Medeiros, G. C., Rush, A. J., Jha, M., Carmody, T., Furman, J. L., Czysz, A. H., . . . Trivedi, M. H. (2020). Positive and negative valence systems in major depression have distinct clinical features, response to antidepressants, and relationships with immunomarkers. Depress Anxiety, 37(8), 771-783. doi:10.1002/da.23006

189. Mehler, D. M. A., Sokunbi, M. O., Habes, I., Barawi, K., Subramanian, L., Range, M., . . . Linden, D. E. J. (2018). Targeting the affective brain-a randomized controlled trial of real-time fMRI neurofeedback in patients with depression. Neuropsychopharmacology, 43(13), 2578-2585. doi:10.1038/s41386-018-0126-5

190. Mel'nikov, M. E., Petrovskii, E. D., Bezmaternykh, D. D., Kozlova, L. I., Shtark, M. B., Savelov, A. A., . . . Natarova, K. A. (2018). fMRI Responses in Healthy Individuals and in Patients with Mild Depression to Presentation of Pleasant and Unpleasant Images. Bull Exp Biol Med, 164(5), 601-604. doi:10.1007/s10517-018-4040-y

191. Mel'nikov, M. Y., Bezmaternykh, D. D., Savelov, A. A., Petrovskiy, E. D., Kozlova, L. I., Natarova, K. A., . . . Mathiak, K. (2023). Real-time fMRI neurofeedback compared to cognitive behavioral therapy in a pilot study for the treatment of mild and moderate depression. Eur Arch Psychiatry Clin Neurosci, 273(5), 1139-1149. doi:10.1007/s00406-022-01462-0

192. Melnikov, M. Y. (2021). The Current Evidence Levels for Biofeedback and Neurofeedback Interventions in Treating Depression: A Narrative Review. Neural Plast, 2021, 8878857. doi:10.1155/2021/8878857

193. Millgram, Y., Mizrahi Lakan, S., Joormann, J., Nahum, M., Shimony, O., & Tamir, M. (2023). Choosing to avoid the positive? Emotion regulation strategy choice in depression. J Psychopathol Clin Sci, 132(6), 669-680. doi:10.1037/abn0000835

194. Misaki, M., Phillips, R., Zotev, V., Wong, C. K., Wurfel, B. E., Krueger, F., . . . Bodurka, J. (2018). Real-time fMRI amygdala neurofeedback positive emotional training normalized resting-state functional connectivity in combat veterans with and without PTSD: a connectome-wide investigation. Neuroimage Clin, 20, 543-555. doi:10.1016/j.nicl.2018.08.025

195. Mishlove, M., & Chapman, L. J. (1985). Social anhedonia in the prediction of psychosis proneness. J Abnorm Psychol, 94(3), 384-396. doi:10.1037//0021-843x.94.3.384

196. Moncrieff, J., Cooper, R. E., Stockmann, T., Amendola, S., Hengartner, M. P., & Horowitz, M. A. (2023). The serotonin theory of depression: a systematic umbrella review of the evidence. Molecular Psychiatry, 28(8), 3243-3256. doi:10.1038/s41380-022-01661-0

197. Montgomery, S. A., & Asberg, M. (1979). A new depression scale designed to be sensitive to change. Br J Psychiatry, 134, 382-389. doi:10.1192/bjp.134.4.382

198. Morawetz, C., Bode, S., Baudewig, J., & Heekeren, H. R. (2017). Effective amygdala-prefrontal connectivity predicts individual differences in successful emotion regulation. Soc Cogn Affect Neurosci, 12(4), 569-585. doi:10.1093/scan/nsw169

199. Morawetz, C., Bode, S., Derntl, B., & Heekeren, H. R. (2017). The effect of strategies, goals and stimulus material on the neural mechanisms of emotion regulation: A meta-analysis of fMRI studies. Neurosci Biobehav Rev, 72, 111-128. doi:10.1016/j.neubiorev.2016.11.014

200. Morawetz, C., Riedel, M. C., Salo, T., Berboth, S., Eickhoff, S. B., Laird, A. R., & Kohn, N. (2020). Multiple large-scale neural networks underlying emotion regulation. Neuroscience & BiobehavioralReviews, 116, 382-395. doi:https://doi.org/10.1016/j.neubiorev.2020.07.001

201. Nguyen, G., Oh, S., Schneider, C., Teoh, J. Y., Engstrom, M., Santana-Gonzalez, C., . . . Quevedo, K. (2023). Neurofeedback and Affect Regulation Circuitry in Depressed and Healthy Adolescents. Biology, 12, 1399. doi:10.3390/biology12111399

202. Ochsner, K. N., & Gross, J. J. (2005). The cognitive control of emotion. Trends Cogn Sci, 9(5), 242-249. doi:10.1016/j.tics.2005.03.010

203. Ochsner, K. N., & Gross, J. J. (2008). Cognitive Emotion Regulation: Insights from Social Cognitive and Affective Neuroscience. Curr Dir Psychol Sci, 17(2), 153-158. doi:10.1111/j.1467-8721.2008.00566.x

204. Ochsner, K. N., Ray, R. R., Hughes, B., McRae, K., Cooper, J. C., Weber, J., . . . Gross, J. J. (2009). Bottom-up and top-down processes in emotion generation: common and distinct neural mechanisms. Psychol Sci, 20(11), 1322-1331. doi:10.1111/j.1467-9280.2009.02459.x

205. Ochsner, K. N., Silvers, J. A., & Buhle, J. T. (2012). Functional imaging studies of emotion regulation: a synthetic review and evolving model of the cognitive control of emotion. Ann N Y Acad Sci, 1251, E1-24. doi:10.1111/j.1749-6632.2012.06751.x

206. Ogawa, S., & Lee, T. M. (1990). Magnetic resonance imaging of blood vessels at high fields: in vivo and in vitro measurements and image simulation. Magn Reson Med, 16(1), 9-18. doi:10.1002/mrm.1910160103

207. Ogawa, S., Lee, T. M., Nayak, A. S., & Glynn, P. (1990). Oxygenation-sensitive contrast in magnetic resonance image of rodent brain at high magnetic fields. Magn Reson Med, 14(1), 6878. doi:10.1002/mrm.1910140108

208. Ogawa, S., Tank, D. W., Menon, R., Ellermann, J. M., Kim, S. G., Merkle, H., & Ugurbil, K. (1992). Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging. Proc Natl Acad Sci USA, 89(13), 5951-5955. doi:10.1073/pnas.89.13.5951

209. Ottenstein, C. (2020). Emotion regulation effectiveness accounts for the associations of self-reported emotion differentiation with well-being and depression. Cogn Emot, 34(5), 9941002. doi:10.1080/02699931.2019.1691506

210. Outhred, T., Hawkshead, B. E., Wager, T. D., Das, P., Malhi, G. S., & Kemp, A. H. (2013). Acute neural effects of selective serotonin reuptake inhibitors versus noradrenaline reuptake inhibitors on emotion processing: Implications for differential treatment efficacy. Neurosci BiobehavRev, 37(8), 1786-1800. doi:10.1016/j.neubiorev.2013.07.010

211. Padilla-Coreano, N., Tye, K. M., & Zelikowsky, M. (2022). Dynamic influences on the neural encoding of social valence. Nature Reviews Neuroscience, 23(9), 535-550. doi:10.1038/s41583-022-00609-1

212. Palmer, S. M., Crewther, S. G., Carey, L. M., & Team, S. P. (2014). A meta-analysis of changes in brain activity in clinical depression. Front Hum Neurosci, 8, 1045. doi:10.3389/fnhum.2014.01045

213. Palomero-Gallagher, N., Eickhoff, S. B., Hoffstaedter, F., Schleicher, A., Mohlberg, H., Vogt, B. A., . . . Zilles, K. (2015). Functional organization of human subgenual cortical areas: Relationship between architectonical segregation and connectional heterogeneity. Neuroimage, 115, 177-190. doi:10.1016/j.neuroimage.2015.04.053

214. Pelizza, L., & Ferrari, A. (2009). Anhedonia in schizophrenia and major depression: state or trait? Ann Gen Psychiatry, 8, 22. doi:10.1186/1744-859X-8-22

215. Penny, W., Kiebel, S., & Friston, K. (2006). Introduction Chapter 24: Variational Bayes.

216. Penny, W. D., Stephan, K. E., Daunizeau, J., Rosa, M. J., Friston, K. J., Schofield, T. M., & Leff, A. P. (2010). Comparing families of dynamic causal models. PLoS Comput Biol, 6(3), e1000709. doi:10.1371/journal.pcbi.1000709

217. Penny, W. D., Stephan, K. E., Mechelli, A., & Friston, K. J. (2004). Comparing dynamic causal models. Neuroimage, 22(3), 1157-1172. doi:10.1016/j.neuroimage.2004.03.026

218. Perlman, G., Simmons, A. N., Wu, J., Hahn, K. S., Tapert, S. F., Max, J. E., . . . Yang, T. T. (2012). Amygdala response and functional connectivity during emotion regulation: a study of 14 depressed adolescents. J Affect Disord, 139(1), 75-84. doi:10.1016/j.jad.2012.01.044

219. Phelps, E. A., & LeDoux, J. E. (2005). Contributions of the amygdala to emotion processing: from animal models to human behavior. Neuron, 48(2), 175-187. doi:10.1016/j.neuron.2005.09.025

220. Pico-Perez, M., Radua, J., Steward, T., Menchon, J. M., & Soriano-Mas, C. (2017). Emotion regulation in mood and anxiety disorders: A meta-analysis of fMRI cognitive reappraisal studies. Prog Neuropsychopharmacol Biol Psychiatry, 79(Pt B), 96-104. doi:10.1016/j.pnpbp.2017.06.001

221. Piva, M., Velnoskey, K., Jia, R., Nair, A., Levy, I., & Chang, S. W. (2019). The dorsomedial prefrontal cortex computes task-invariant relative subjective value for self and other. Elife, 8. doi:10.7554/eLife.44939

222. Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggar, B. L., & Petersen, S. E. (2012). Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage, 59(3), 2142-2154. doi:10.1016/j.neuroimage.2011.10.018

223. Premkumar, P. (2012). Are you being rejected or excluded? Insights from neuroimaging studies using different rejection paradigms. Clin Psychopharmacol Neurosci, 10(3), 144-154. doi:10.9758/cpn.2012.10.3.144

224. Pruessmann, K. P., Weiger, M., Scheidegger, M. B., & Boesiger, P. (1999). SENSE: sensitivity encoding for fast MRI. Magn Reson Med, 42(5), 952-962.

225. Ray, D., Bezmaternykh, D., Mel'nikov, M., Friston, K. J., & Das, M. (2021). Altered effective connectivity in sensorimotor cortices is a signature of severity and clinical course in depression. Proc Natl Acad Sci U S A, 118(40). doi:10.1073/pnas.2105730118

226. Razi, A., Kahan, J., Rees, G., & Friston, K. J. (2015). Construct validation of a DCM for resting state fMRI. Neuroimage, 106, 1-14. doi:10.1016/j.neuroimage.2014.11.027

227. Read, J., & Williams, J. (2018). Adverse Effects of Antidepressants Reported by a Large International Cohort: Emotional Blunting, Suicidality, and Withdrawal Effects. Curr Drug Saf, 13(3), 176-186. doi:10.2174/1574886313666180605095130

228. Reeck, C., Ames, D. R., & Ochsner, K. N. (2016). The Social Regulation of Emotion: An Integrative, Cross-Disciplinary Model. Trends Cogn Sci, 20(1), 47-63. doi:10.1016/j.tics.2015.09.003

229. Rive, M. M., van Rooijen, G., Veltman, D. J., Phillips, M. L., Schene, A. H., & Ruhe, H. G. (2013). Neural correlates of dysfunctional emotion regulation in major depressive disorder. A systematic review of neuroimaging studies. Neurosci Biobehav Rev, 37(10 Pt 2), 2529-2553. doi:10.1016/j.neubiorev.2013.07.018

230. Rolls, E. T., Huang, C. C., Lin, C. P., Feng, J., & Joliot, M. (2020). Automated anatomical labelling atlas 3. Neuroimage, 206, 116189. doi:10.1016/j.neuroimage.2019.116189

231. Roy, M., Shohamy, D., & Wager, T. D. (2012). Ventromedial prefrontal-subcortical systems and the generation of affective meaning. Trends Cogn Sci, 16(3), 147-156. doi:10.1016/j.tics.2012.01.005

232. Rush, A. J. (2007). The varied clinical presentations of major depressive disorder. J Clin Psychiatry, 68 Suppl 8, 4-10.

233. Sacu, S., Wackerhagen, C., Erk, S., Romanczuk-Seiferth, N., Schwarz, K., Schweiger, J. I., . . . Walter, H. (2023). Effective connectivity during face processing in major depression -distinguishing markers of pathology, risk, and resilience. Psychol Med, 53(9), 4139-4151. doi:10.1017/S0033291722000824

234. Sagud, M., Tudor, L., Simunic, L., Jezernik, D., Madzarac, Z., Jaksic, N., . . . Pivac, N. (2021). Physical and social anhedonia are associated with suicidality in major depression, but not in schizophrenia. Suicide Life Threat Behav, 51(3), 446-454. doi:10.1111/sltb.12724

235. Salazar Kämpf, M., Adam, L., Rohr, M. K., Exner, C., & Wieck, C. (2023). A Meta-Analysis of the Relationship Between Emotion Regulation and Social Affect and Cognition. Clinical Psychological Science, 11(6), 1159-1189. doi:10.1177/21677026221149953

236. Scharnowski, F., Nicholson, A. A., Pichon, S., Rosa, M. J., Rey, G., Eickhoff, S. B., . . . Koush, Y. (2020). The role of the subgenual anterior cingulate cortex in dorsomedial prefrontal-amygdala neural circuitry during positive-social emotion regulation. Hum Brain Mapp, 41(11), 3100-3118. doi:10.1002/hbm.25001

237. Scheinost, D., Hsu, T. W., Avery, E. W., Hampson, M., Constable, R. T., Chun, M. M., & Rosenberg, M. D. (2020). Connectome-based neurofeedback: A pilot study to improve sustained attention. Neuroimage, 212, 116684. doi:10.1016/j.neuroimage.2020.116684

238. Scheinost, D., Stoica, T., Saksa, J., Papademetris, X., Constable, R. T., Pittenger, C., & Hampson, M. (2013). Orbitofrontal cortex neurofeedback produces lasting changes in contamination anxiety and resting-state connectivity. Transl Psychiatry, 3(4), e250. doi:10.1038/tp.2013.24

239. Sheline, Y. I., Barch, D. M., Price, J. L., Rundle, M. M., Vaishnavi, S. N., Snyder, A. Z., . . . Raichle, M. E. (2009). The default mode network and self-referential processes in depression. Proc Natl Acad Sci U S A, 106(6), 1942-1947. doi:10.1073/pnas.0812686106

240. Sheng, F., Wang, Y., Li, R., Li, X., Chen, X., Zhang, Z., . . . Wang, G. (2024). Altered effective connectivity among face-processing systems in major depressive disorder. J Psychiatry Neurosci, 49(3), E145-E156. doi:10.1503/jpn.230123

241. Sherwood, M. S., Weisend, M. P., Kane, J. H., & Parker, J. G. (2016). Combining RealTime fMRI Neurofeedback Training of the DLPFC with N-Back Practice Results in Neuroplastic Effects Confined to the Neurofeedback Target Region. Front Behav Neurosci, 10, 138. doi:10.3389/fnbeh.2016.00138

242. Shuman, V. (2013). Studying the social dimension of emotion regulation. Front Psychol, 4, 922. doi:10.3389/fpsyg.2013.00922

243. Sitaram, R., Veit, R., Stevens, B., Caria, A., Gerloff, C., Birbaumer, N., & Hummel, F. (2012). Acquired control of ventral premotor cortex activity by feedback training: an exploratory real-time FMRI and TMS study. Neurorehabil Neural Repair, 26(3), 256-265. doi: 10.1177/1545968311418345

244. Sladky, R., Friston, K. J., Trostl, J., Cunnington, R., Moser, E., & Windischberger, C. (2011). Slice-timing effects and their correction in functional MRI. Neuroimage, 58(2), 588-594. doi:10.1016/j.neuroimage.2011.06.078

245. Sladky, R., Hahn, A., Karl, I. L., Geissberger, N., Kranz, G. S., Tik, M., . . . Windischberger, C. (2022). Dynamic Causal Modeling of the Prefrontal/Amygdala Network During Processing of Emotional Faces. Brain Connect, 12(7), 670-682. doi:10.1089/brain.2021.0073

246. Snaith, R. P., Hamilton, M., Morley, S., Humayan, A., Hargreaves, D., & Trigwell, P. (1995). A scale for the assessment of hedonic tone the Snaith-Hamilton Pleasure Scale. Br J Psychiatry, 167(1), 99-103. doi:10.1192/bjp.167.1.99

247. Snippe, E., Jeronimus, B. F., Aan Het Rot, M., Bos, E. H., de Jonge, P., & Wichers, M. (2018). The Reciprocity of Prosocial Behavior and Positive Affect in Daily Life. J Pers, 86(2), 139-146. doi:10.1111/jopy. 12299

248. Sokolowski, A., Morawetz, C., Folkierska-Zukowska, M., & Lukasz Dragan, W. (2022). Brain activation during cognitive reappraisal depending on regulation goals and stimulus valence. Soc Cogn Affect Neurosci, 17(6), 559-570. doi:10.1093/scan/nsab117

249. Spielberger, C., Gorsuch, R., Lushene, R., Vagg, P. R., & Jacobs, G. (1983). Manual for the State-Trait Anxiety Inventory (Form Y1 - Y2) (Vol. IV).

250. Stephan, K. E., Harrison, L. M., Kiebel, S. J., David, O., Penny, W. D., & Friston, K. J. (2007). Dynamic causal models of neural system dynamics:current state and future extensions. J Biosci, 32(1), 129-144. doi:10.1007/s12038-007-0012-5

251. Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., & Friston, K. J. (2009). Bayesian model selection for group studies. Neuroimage, 46(4), 1004-1017. doi:10.1016/j.neuroimage.2009.03.025

252. Stephan, K. E., Weiskopf, N., Drysdale, P. M., Robinson, P. A., & Friston, K. J. (2007). Comparing hemodynamic models with DCM. Neuroimage, 38(3), 387-401. doi:10.1016/j.neuroimage.2007.07.040

253. Steward, T., Davey, C. G., Jamieson, A. J., Stephanou, K., Soriano-Mas, C., Felmingham, K. L., & Harrison, B. J. (2021). Dynamic Neural Interactions Supporting the Cognitive Reappraisal of Emotion. Cereb Cortex, 31(2), 961-973. doi:10.1093/cercor/bhaa268

254. Studholme, C., Hill, D. L. G., & Hawkes, D. J. (1999). An overlap invariant entropy measure of 3D medical image alignment. Pattern Recognition, 32(1), 71-86. doi:https://doi.org/10.1016/S0031-3203(98)00091-0

255. Subramanian, L., Hindle, J. V., Johnston, S., Roberts, M. V., Husain, M., Goebel, R., & Linden, D. (2011). Real-time functional magnetic resonance imaging neurofeedback for treatment of Parkinson's disease. J Neurosci, 31(45), 16309-16317. doi:10.1523/JNEUROSCI.3498-11.2011

256. Sulzer, J., Haller, S., Scharnowski, F., Weiskopf, N., Birbaumer, N., Blefari, M. L., . . . Sitaram, R. (2013). Real-time fMRI neurofeedback: progress and challenges. Neuroimage, 76, 386-399. doi:10.1016/j.neuroimage.2013.03.033

257. Surguladze, S., Brammer, M. J., Keedwell, P., Giampietro, V., Young, A. W., Travis, M. J., . . . Phillips, M. L. (2005). A differential pattern of neural response toward sad versus happy facial expressions in major depressive disorder. Biol Psychiatry, 57(3), 201-209. doi: 10.1016/j .biopsych.2004.10.028

258. Tabibnia, G., Monterosso, J. R., Baicy, K., Aron, A. R., Poldrack, R. A., Chakrapani, S., . .

. London, E. D. (2011). Different forms of self-control share a neurocognitive substrate. J Neurosci, 31(13), 4805-4810. doi:10.1523/JNEUROSCI.2859-10.2011

259. Tak, S., Lee, S., Park, C. A., Cheong, E. N., Seok, J. W., Sohn, J. H., & Cheong, C. (2021). Altered Effective Connectivity within the Fronto-Limbic Circuitry in Response to Negative Emotional Task in Female Patients with Major Depressive Disorder. Brain Connect, 11(4), 264277. doi:10.1089/brain.2020.0859

260. Takamura, M., Okamoto, Y., Shibasaki, C., Yoshino, A., Okada, G., Ichikawa, N., & Yamawaki, S. (2020). Antidepressive effect of left dorsolateral prefrontal cortex neurofeedback in patients with major depressive disorder: A preliminary report. J Affect Disord, 271, 224-227. doi:10.1016/j.jad.2020.03.080

261. Tang, Y., Kong, L., Wu, F., Womer, F., Jiang, W., Cao, Y., . . . Wang, F. (2013). Decreased functional connectivity between the amygdala and the left ventral prefrontal cortex in treatment-naive patients with major depressive disorder: a resting-state functional magnetic resonance imaging study. Psychol Med, 43(9), 1921-1927. doi:10.1017/S0033291712002759

262. Taschereau-Dumouchel, V., Cushing, C. A., & Lau, H. (2022). Real-Time Functional MRI in the Treatment of Mental Health Disorders. Annu Rev Clin Psychol, 18, 125-154. doi:10.1146/annurev-clinpsy-072220-014550

263. Tassone, V. K., Demchenko, I., Salvo, J., Mahmood, R., Di Passa, A.-M., Kuburi, S., . . . Bhat, V. (2022). Contrasting the amygdala activity and functional connectivity profile between antidepressant-free participants with major depressive disorder and healthy controls: A systematic review of comparative fMRI studies. Psychiatry Research: Neuroimaging, 325, 111517. doi:https://doi.org/10.1016/j.pscychresns.2022.111517

264. Thibault, R. T., MacPherson, A., Lifshitz, M., Roth, R. R., & Raz, A. (2018). Neurofeedback with fMRI: A critical systematic review. Neuroimage, 172, 786-807. doi:10.1016/j.neuroimage.2017.12.071

265. Tozzi, L., Zhang, X., Pines, A., Olmsted, A. M., Zhai, E. S., Anene, E. T., . . . Williams, L. M. (2024). Personalized brain circuit scores identify clinically distinct biotypes in depression and anxiety. Nat Med, 30(7), 2076-2087. doi:10.1038/s41591-024-03057-9

266. Trambaiolli, L. R., Kohl, S. H., Linden, D. E. J., & Mehler, D. M. A. (2021). Neurofeedback training in major depressive disorder: A systematic review of clinical efficacy, study quality and reporting practices. NeurosciBiobehavRev, 125, 33-56. doi:10.1016/j.neubiorev.2021.02.015

267. Treynor, W., Gonzalez, R., & Nolen-Hoeksema, S. (2003). Rumination Reconsidered: A Psychometric Analysis. Cognitive Therapy and Research, 27(3), 247-259. doi:10.1023/A:1023910315561

268. Trivedi, M. H., Rush, A. J., Wisniewski, S. R., Nierenberg, A. A., Warden, D., Ritz, L., . . . Team, S. D. S. (2006). Evaluation of outcomes with citalopram for depression using measurement-based care in STAR*D: implications for clinical practice. Am J Psychiatry, 163(1), 28-40. doi:10.1176/appi.ajp.163.1.28

269. Urry, H. L., van Reekum, C. M., Johnstone, T., Kalin, N. H., Thurow, M. E., Schaefer, H. S., . . . Davidson, R. J. (2006). Amygdala and ventromedial prefrontal cortex are inversely coupled during regulation of negative affect and predict the diurnal pattern of cortisol secretion among older adults. JNeurosci, 26(16), 4415-4425. doi:10.1523/JNEUROSCI.3215-05.2006

270. Vanderlind, W. M., Millgram, Y., Baskin-Sommers, A. R., Clark, M. S., & Joormann, J. (2020). Understanding positive emotion deficits in depression: From emotion preferences to emotion regulation. Clin Psychol Rev, 76, 101826. doi:10.1016/j.cpr.2020.101826

271. Vetter, N. C., Weigelt, S., Dohnel, K., Smolka, M. N., & Kliegel, M. (2014). Ongoing neural development of affective theory of mind in adolescence. Soc Cogn Affect Neurosci, 9(7), 1022-1029. doi:10.1093/scan/nst081

272. Victor, T. A., Furey, M. L., Fromm, S. J., Ohman, A., & Drevets, W. C. (2010). Relationship between amygdala responses to masked faces and mood state and treatment in major depressive disorder. Arch Gen Psychiatry, 67(11), 1128-1138. doi:10.1001/archgenpsychiatry.2010.144

273. Visted, E., Vollestad, J., Nielsen, M. B., & Schanche, E. (2018). Emotion Regulation in Current and Remitted Depression: A Systematic Review and Meta-Analysis. Front Psychol, 9, 756. doi:10.3389/fpsyg.2018.00756

274. Vogeley, K., Bussfeld, P., Newen, A., Herrmann, S., Happe, F., Falkai, P., . . . Zilles, K. (2001). Mind reading: neural mechanisms of theory of mind and self-perspective. Neuroimage, 14(1 Pt 1), 170-181. doi:10.1006/nimg.2001.0789

275. Vrticka, P., Sander, D., & Vuilleumier, P. (2011). Effects of emotion regulation strategy on brain responses to the valence and social content of visual scenes. Neuropsychologia, 49(5), 10671082. doi:10.1016/j.neuropsychologia.2011.02.020

276. Vrticka, P., Sander, D., & Vuilleumier, P. (2012). Lateralized interactive social content and valence processing within the human amygdala. Front Hum Neurosci, 6, 358. doi:10.3389/fnhum.2012.00358

277. Wackerhagen, C., Veer, I. M., Erk, S., Mohnke, S., Lett, T. A., Wustenberg, T., . . . Walter,

H. (2020). Amygdala functional connectivity in major depression - disentangling markers of pathology, risk and resilience. Psychol Med, 50(16), 2740-2750. doi:10.1017/S0033291719002885

278. Wager, T. D., Davidson, M. L., Hughes, B. L., Lindquist, M. A., & Ochsner, K. N. (2008). Prefrontal-subcortical pathways mediating successful emotion regulation. Neuron, 59(6), 10371050. doi:10.1016/j.neuron.2008.09.006

279. Wang, Y., Bernanke, J., Peterson, B. S., McGrath, P., Stewart, J., Chen, Y., . . . Posner, J. (2019). The association between antidepressant treatment and brain connectivity in two doubleblind, placebo-controlled clinical trials: a treatment mechanism study. Lancet Psychiatry, 6(8), 667-674. doi:10.1016/S2215-0366(19)3 0179-8

280. Watson, D., Clark, L. A., Weber, K., Assenheimer, J. S., Strauss, M. E., & McCormick, R. A. (1995). Testing a tripartite model: II. Exploring the symptom structure of anxiety and depression in student, adult, and patient samples. J Abnorm Psychol, 104(1), 15-25. doi:10.1037//0021-843x.104.1.15

281. Weierich, M., Kleshchova, O., Rieder, J., & Reilly, D. (2019). The Complex Affective Scene Set (COMPASS): Solving the Social Content Problem in Affective Visual Stimulus Sets. 5, 53. doi:10.1525/collabra.256

282. Weiskopf, N., Hutton, C., Josephs, O., & Deichmann, R. (2006). Optimal EPI parameters for reduction of susceptibility-induced BOLD sensitivity losses: a whole-brain analysis at 3 T and

I.5 T. Neuroimage, 33(2), 493-504. doi:10.1016/j.neuroimage.2006.07.029

283. Weiskopf, N., Hutton, C., Josephs, O., Turner, R., & Deichmann, R. (2007). Optimized EPI for fMRI studies of the orbitofrontal cortex: compensation of susceptibility-induced gradients in the readout direction. MAGMA, 20(1), 39-49. doi:10.1007/s10334-006-0067-6

284. Wen, X., Liu, Y., Zhao, P., Liu, Z., Li, H., Li, W., . . . Wu, X. (2021). Disrupted communication of the temporoparietal junction in patients with major depressive disorder. Cogn AffectBehavNeurosci, 21(6), 1276-1296. doi:10.3758/s13415-021-00918-5

285. Weng, H. Y., Fox, A. S., Shackman, A. J., Stodola, D. E., Caldwell, J. Z., Olson, M. C., . . . Davidson, R. J. (2013). Compassion training alters altruism and neural responses to suffering. PsycholSci, 24(7), 1171-1180. doi:10.1177/0956797612469537

286. Wheeler, R. E., Davidson, R. J., & Tomarken, A. J. (1993). Frontal brain asymmetry and emotional reactivity: a biological substrate of affective style. Psychophysiology, 30(1), 82-89. doi: 10.1111/j .1469-8986.1993.tb03207.x

287. Whitfield-Gabrieli, S., & Nieto-Castanon, A. (2012). Conn: a functional connectivity toolbox for correlated and anticorrelated brain networks. Brain Connect, 2(3), 125-141. doi:10.1089/brain.2012.0073

288. Williams, L. A., & DeSteno, D. (2014). How positive social emotions motivate actions for the future self: Building bonds, attaining ambitions, and establishing esteem. In Positive emotion: Integrating the light sides and dark sides. (pp. 206-224). New York, NY, US: Oxford University Press.

289. Willinger, D., Karipidis, I. I., Haberling, I., Berger, G., Walitza, S., & Brem, S. (2022). Deficient prefrontal-amygdalar connectivity underlies inefficient face processing in adolescent major depressive disorder. Translational Psychiatry, 12(1), 195. doi:10.1038/s41398-022-01955-5

290. Winecoff, A., Clithero, J. A., Carter, R. M., Bergman, S. R., Wang, L., & Huettel, S. A.

(2013). Ventromedial prefrontal cortex encodes emotional value. J Neurosci, 33(27), 11032-11039. doi:10.1523/JNEUROSCI.4317-12.2013

291. Yamaguchi, K., Ito, M., & Takebayashi, Y. (2018). Positive emotion in distress as a potentially effective emotion regulation strategy for depression: A preliminary investigation. PsycholPsychother, 91(4), 509-525. doi:10.1111/papt.12176

292. Yitzhak, N., Shimony, O., Oved, N., Bonne, O., & Nahum, M. (2023). Less inhibited and more depressed? The puzzling association between mood, inhibitory control and depressive symptoms. Compr Psychiatry, 124, 152386. doi:10.1016/j.comppsych.2023.152386

293. Yoon, H. J., Seo, E. H., Kim, J. J., & Choo, I. H. (2019). Neural Correlates of Self-referential Processing and Their Clinical Implications in Social Anxiety Disorder. Clin Psychopharmacol Neurosci, 17(1), 12-24. doi:10.9758/cpn.2019.17.1.12

294. Young, K. D., Friedman, E. S., Collier, A., Berman, S. R., Feldmiller, J., Haggerty, A. E., . . . Siegle, G. J. (2020). Response to SSRI intervention and amygdala activity during self-referential processing in major depressive disorder. Neuroimage Clin, 28, 102388. doi:10.1016/j.nicl.2020.102388

295. Young, K. D., Misaki, M., Harmer, C. J., Victor, T., Zotev, V., Phillips, R., . . . Bodurka, J. (2017). Real-Time Functional Magnetic Resonance Imaging Amygdala Neurofeedback Changes Positive Information Processing in Major Depressive Disorder. Biol Psychiatry, 82(8), 578-586. doi:10.1016/j.biopsych.2017.03.013

296. Young, K. D., Siegle, G. J., Zotev, V., Phillips, R., Misaki, M., Yuan, H., . . . Bodurka, J. (2017). Randomized Clinical Trial of Real-Time fMRI Amygdala Neurofeedback for Major Depressive Disorder: Effects on Symptoms and Autobiographical Memory Recall. Am J Psychiatry, 174(8), 748-755. doi:10.1176/appi.ajp.2017.16060637

297. Young, K. D., Zotev, V., Phillips, R., Misaki, M., Drevets, W. C., & Bodurka, J. (2018). Amygdala real-time functional magnetic resonance imaging neurofeedback for major depressive disorder: A review. Psychiatry Clin Neurosci, 72(7), 466-481. doi:10.1111/pcn.12665

298. Young, K. D., Zotev, V., Phillips, R., Misaki, M., Yuan, H., Drevets, W. C., & Bodurka, J.

(2014). Real-time FMRI neurofeedback training of amygdala activity in patients with major depressive disorder. PLoS One, 9(2), e88785. doi:10.1371/journal.pone.0088785

299. Yu, W., Li, Y., Cao, X., Mo, L., Chen, Y., & Zhang, D. (2023). The role of ventrolateral prefrontal cortex on voluntary emotion regulation of social pain. Human Brain Mapping, 44(13), 4710-4721. doi: https://doi.org/10.1002/hbm.26411

300. Yuan, H., Young, K. D., Phillips, R., Zotev, V., Misaki, M., & Bodurka, J. (2014). Resting-state functional connectivity modulation and sustained changes after real-time functional magnetic

resonance imaging neurofeedback training in depression. Brain Connect, 4(9), 690-701. doi:10.1089/brain.2014.0262

301. Zaki, J., & Ochsner, K. N. (2012). The neuroscience of empathy: progress, pitfalls and promise. Nat Neurosci, 15(5), 675-680. doi:10.1038/nn.3085

302. Zeidman, P., Jafarian, A., Corbin, N., Seghier, M. L., Razi, A., Price, C. J., & Friston, K. J. (2019). A guide to group effective connectivity analysis, part 1: First level analysis with DCM for fMRI. Neuroimage, 200, 174-190. doi:10.1016/j.neuroimage.2019.06.031

303. Zeidman, P., Jafarian, A., Seghier, M. L., Litvak, V., Cagnan, H., Price, C. J., & Friston, K. J. (2019). A guide to group effective connectivity analysis, part 2: Second level analysis with PEB. Neuroimage, 200, 12-25. doi:10.1016/j.neuroimage.2019.06.032

304. Zhang, G., Yao, L., Zhang, H., Long, Z., & Zhao, X. (2013). Improved working memory performance through self-regulation of dorsal lateral prefrontal cortex activation using real-time fMRI. PLoS One, 8(8), e73735. doi:10.1371/journal.pone.0073735

305. Zhang, S., Yoshida, W., Mano, H., Yanagisawa, T., Mancini, F., Shibata, K., . . . Seymour, B. (2020). Pain Control by Co-adaptive Learning in a Brain-Machine Interface. Curr Biol, 30(20), 3935-3944 e3937. doi:10.1016/j.cub.2020.07.066

306. Zhao, L., Wang, D., Xue, S. W., Tan, Z., Luo, H., Wang, Y., . . . Kuai, C. (2021). Antidepressant Treatment-Induced State-Dependent Reconfiguration of Emotion Regulation Networks in Major Depressive Disorder. Front Psychiatry, 12, 771147. doi:10.3389/fpsyt.2021.771147

307. Zigmond, A. S., & Snaith, R. P. (1983). The hospital anxiety and depression scale. Acta Psychiatr Scand, 67(6), 361-370. doi:10.1111/j.1600-0447.1983.tb09716.x

308. Zilverstand, A., Parvaz, M. A., & Goldstein, R. Z. (2017). Neuroimaging cognitive reappraisal in clinical populations to define neural targets for enhancing emotion regulation. A systematic review. Neuroimage, 151, 105-116. doi:10.1016/j.neuroimage.2016.06.009

309. Zilverstand, A., Sorger, B., Sarkheil, P., & Goebel, R. (2015). fMRI neurofeedback facilitates anxiety regulation in females with spider phobia. Front Behav Neurosci, 9, 148. doi:10.3389/fnbeh.2015.00148

310. Zotev, V., & Bodurka, J. (2020). Effects of simultaneous real-time fMRI and EEG neurofeedback in major depressive disorder evaluated with brain electromagnetic tomography. Neuroimage Clin, 28, 102459. doi:10.1016/j.nicl.2020.102459

311. Zotev, V., Krueger, F., Phillips, R., Alvarez, R. P., Simmons, W. K., Bellgowan, P., . . . Bodurka, J. (2011). Self-regulation of amygdala activation using real-time FMRI neurofeedback. PLoS One, 6(9), e24522. doi:10.1371/journal.pone.0024522

312. Zotev, V., Mayeli, A., Misaki, M., & Bodurka, J. (2020). Emotion self-regulation training in major depressive disorder using simultaneous real-time fMRI and EEG neurofeedback. Neuroimage Clin, 27, 102331. doi:10.1016/j.nicl.2020.102331

313. Zotev, V., Phillips, R., Young, K. D., Drevets, W. C., & Bodurka, J. (2013). Prefrontal control of the amygdala during real-time fMRI neurofeedback training of emotion regulation. PLoS One, 8(11), e79184. doi:10.1371/journal.pone.0079184

314. Zotev, V., Yuan, H., Misaki, M., Phillips, R., Young, K. D., Feldner, M. T., & Bodurka, J. (2016). Correlation between amygdala BOLD activity and frontal EEG asymmetry during realtime fMRI neurofeedback training in patients with depression. Neuroimage Clin, 11, 224-238. doi:10.1016/j.nicl.2016.02.003

315. Zweerings, J., Hummel, B., Keller, M., Zvyagintsev, M., Schneider, F., Klasen, M., & Mathiak, K. (2019). Neurofeedback of core language network nodes modulates connectivity with the default-mode network: A double-blind fMRI neurofeedback study on auditory verbal hallucinations. Neuroimage, 189, 533-542. doi:10.1016/j.neuroimage.2019.01.058

ПРИЛОЖЕНИЕ

Медикаментозное лечение и точный диагноз пациентов с депрессией

МКБ-10 HAMD Ежедневная доза АД Стаб. прием АД, мес Группа АД Другое лечение

F33.1 13 Пароксетин, 20 мг 35.0 SSRI -

F32.2 25 Эсциталопрам, 10 мг 8.0 SSRI -

F32.2 27 Миртазапин, 45 мг 12.8 тетрацикл. Вальпроевая кислота, 500 мг

F32.2 28 Миртазапин, 30 мг 1.2 тетрацикл. Алимемазин, 5 мг

F32.2 17 Эсциталопрам, 10 мг 9.8 SSRI -

F32.2 28 Эсциталопрам, 10 мг 2.9 SSRI Алимемазин, 5 мг

F32.2 17 Пароксетин, 20 мг 1.6 SSRI Алимемазин, 5 мг

F32.2 16 Пароксетин, 20 мг 1.5 SSRI -

F32.2 27 Эсциталопрам, 10 мг 1.1 SSRI Алимемазин, 15 мг

F32.2 20 Пароксетин, 20 мг 1.7 SSRI -

F32.2 17 Амитриптилин, 35 мг 1.3 трицикл. Вальпроевая кислота, 500 мг

F32.1 17 Миртазапин, 30 мг 2.5 тетрацикл. Алимемазин, 5 мг

F32.1 17 Эсциталопрам, 10 мг 8.4 SSRI Алимемазин, 15 мг

F32.1 20 Флуоксетин, 10 мг 1.1 SSRI -

F32.2 23 Сертралин, 100 мг 0.9 SSRI Ламотриджин, 100 мг

F33.1 15 Миртазапин, 30 мг 3.4 тетрацикл. Алимемазин, 5 мг

F32.1 16 Тразодон, 150 мг 1.7 SARI -

F32.1 18 Флуоксетин, 20 мг 2.0 SSRI Алимемазин, 5 мг

F32.1 17 Флуоксетин, 20 мг 4.7 SSRI -

F32.1 17 Флуоксетин, 20 мг 1.7 SSRI Алимемазин, 5 мг

Контрасты ANOVA-модели

Контраст

Область

для первой трансферной сессии группы пациентов М№ координаты пика

Т-статистика р

X Y Z

SFG -10 54 32 7.10 <.001

dmPFC -6 62 28 6.23 <.001

IFG -46 40 -4 10.29 <.001

IFG (BA 45, pvlPFC) -52/58 30/26 10/22 11.07/7.87 <.001/<.001

IFG (BA 44) -52 14 16 14.43 <.001

SMA -2 14 54 16.02 <.001

PreCG -40/42 2/4 56/50 14.54/7.40 <.001/<.001

AMY -14/26 -6/2 -18/-14 5.95/4.74 <.001/<.001*

Hippocampus -18/22 -24/-16 -14/-10 5.15/5.05 .016/.026

a. Insula -46/46 12/14 0/-2 10.34/7.13 <.001/<.001

Caudate/Thalamus -14/16 -4/0 16/16 7.09/6.89 <.001/<.001

Putamen/Pallidum -30/24 8/4 2/4 7.06/6.80 <.001/<.001

SPL -16/18 -70/-66 58/52 7.86/7.26 <.001/<.001

TPJ -54 -44 26 6.93 <.001

STS -48/50 -42/-34 2/4 7.16/6.17 <.001/<.001

Temporal Pole 52 18 -24 6.31 <.001

FFA -42/46 -44/-40 -18/-18 6.04/6.37 <.001/<.001

V5/MT -46/48 -76/-74 6/10 12.80/11.23 <.001/<.001

регуляция эмоций > пассивный просмотр

пассивный просмотр > регуляция эмоций

IFG (arvlPFC)

dlPFC

lOFC

ACC

p. Insula

PCC

Precuneus

IPL

STG

Lingual

Cuneus

46 -26/32 -22/14 6

-40/44 6 14 -56/56 -52/56 -12/14 -4/12

48 34/44 38/40

44 -20/-10 -34 -64 -60/-52 -4/-6 -64/-64 -78/-80

-8 38/24 -12/-18 -4

4/-2 42 30 40/38 6/6 -4/-2 30/28

6.88 5.01/5.49 6.96/7.78

8.27 6.73/6.24 7.09 8.26 7.05/9.71 8.30/8.42 6.41/5/91 9.03/7.65

регуляция эмоций > фиксация

<.001 .030/.004 <.001/<.001 <.001 <.001/<.001 <.001 <.001 <.001/<.001 <.001/<.001 <.001/<.001 <.001/<.001

SFG -12/12 56/52 36/44 6.60/5.12 <.001/.018

dmPFC -2 54 40 5.53 .003

vmPFC -4 64 -16 6.97 <.001

IFG (BA 47) -50/58 26/24 -8/-4 10.01/8.83 <.001/<.001

IFG (BA 45, pvlPFC) -54/58 20/22 30/18 10.90/9.08 <.001/<.001