静息态人脑功能网络的小世界特性

合集下载

《基于熵的人脑静息态fMRI信号复杂度分析及其应用》

《基于熵的人脑静息态fMRI信号复杂度分析及其应用》一、引言近年来，随着神经影像学技术的飞速发展，功能磁共振成像（fMRI）作为一种非侵入性的脑部成像技术，已经成为研究人脑功能与结构的重要手段。

其中，人脑静息态fMRI信号的分析尤为引人关注。

在众多分析方法中，基于熵的复杂度分析因其能够量化信号的复杂性和随机性，被广泛应用于人脑静息态fMRI信号的研究中。

本文旨在探讨基于熵的人脑静息态fMRI信号复杂度分析方法及其应用。

二、熵理论在静息态fMRI信号分析中的应用熵是一种衡量系统不确定性和复杂性的重要指标，被广泛应用于信息论、统计学和生物学等领域。

在静息态fMRI信号分析中，熵理论被用来量化脑部活动的复杂性和随机性。

通过计算不同脑区在静息态下的熵值，可以了解脑部活动的动态变化和功能连接。

三、基于熵的静息态fMRI信号复杂度分析方法（一）方法概述基于熵的静息态fMRI信号复杂度分析方法主要包括数据预处理、特征提取和复杂度分析三个步骤。

首先，对fMRI数据进行预处理，包括去噪、配准和标准化等操作；然后，提取感兴趣区域的信号特征，如均值、标准差和熵等；最后，利用熵理论对提取的特征进行复杂度分析，以量化脑部活动的复杂性和随机性。

（二）具体实施1. 数据预处理：采用合适的预处理方法对fMRI数据进行去噪、配准和标准化等操作，以保证数据的可靠性和准确性。

2. 特征提取：根据研究目的，提取感兴趣区域的信号特征，如时间序列数据、功率谱密度等。

同时，计算各区域的熵值，包括香农熵、近似熵等。

3. 复杂度分析：利用熵理论对提取的特征进行复杂度分析。

例如，可以通过比较不同脑区熵值的差异，了解脑部活动的复杂性和随机性的差异。

此外，还可以利用复杂网络理论，构建脑部功能连接网络，进一步分析脑部活动的复杂性和功能连接。

四、应用领域基于熵的静息态fMRI信号复杂度分析在神经科学领域具有广泛的应用。

例如，可用于研究脑部疾病的发病机制、诊断和治疗；也可用于探索脑部功能的发育和成熟过程；还可用于研究脑部活动的动态变化和功能连接等。

AD患者脑功能偏侧性改变的静息态fMRI研究

AD患者脑功能偏侧性改变的静息态fMRI研究张乐乐;赵小虎;林起湘;席芊【摘要】目的采用功能磁共振技术,探讨阿尔茨海默病(Alzheimer disease,AD)患者静息状态下的脑功能偏侧性的改变.方法实验数据均来自ADNI(Alzheimer disease Neuroimaging Initiative)数据库,以17例右利手阿尔茨海默病患者为研究对象,19例右利手正常老年人作为对照.将全脑灰质随机划分为左右半球对称的256对种子区,基于功能连接分析法计算偏侧性指数(laterality index,LI),量化分析静息态下脑功能偏侧性程度;计算0＜|LI|＜0.2、0.2≤|LI| ＜0.4、0.4≤|LI| ＜0.8、|LI| ≥0.8四段阈值下的左偏LI之和及右偏LI之和,探索AD患者较正常老年人静息状态下的脑功能偏侧性是否存在改变.结果对照组在0＜|LI| ＜0.2、0.2≤|LI| ＜0.4、0.4≤|LI| ＜0.8阈值内左右半球偏侧性未见明显不同,在|LI|≥0.8的阈值内表现出明显的差异,体现出显著的左侧优势(P =0.005);与对照组比较,AD患者在|LI| ≥0.8阈值内左侧优势消失(P=0.06),在0.4≤|LI| ＜0.8阈值内出现显著的右侧优势(P=0.03).结论对照组静息态脑功能存在一定的偏侧性,该偏侧性主要体现在偏侧性较强范围内(|LI|≥0.8),表现为左侧优势;AD组在偏侧性较强的范围内(0.8≤| LI|)左侧优势消失,可能是其特征性改变;AD组在偏侧性较弱的范围内(0.4≤|LI| ＜0.8)表现出右侧优势,可能是与认知有关的脑功能代偿所致.【期刊名称】《同济大学学报（医学版）》【年(卷),期】2016(037)004【总页数】6页(P60-64,69)【关键词】静息态功能磁共振;功能连接;阿尔茨海默病;偏侧性指数【作者】张乐乐;赵小虎;林起湘;席芊【作者单位】同济大学附属同济医院影像科,上海200065;同济大学附属同济医院影像科,上海200065;北京师范大学认知神经科学与学习国家重点实验室,北京100875;同济大学附属东方医院实验室,上海200120【正文语种】中文【中图分类】R445.2正常两大脑半球在解剖结构和功能上具有一定的偏侧性。

宫颈癌放疗后癌因性失眠患者的大脑功能网络与个体-经颅磁刺激干预的相关性：基于图论分析

Changes of brain network in patients with insomnia following radiotherapy for cervical cancer and their correlation with IT-TMS treatment efficacy:a graph-theory analysisLIU Huan 1,RAO Yang 2,SUN Chuanzhu 2,WANG Yangtao 2,QI Shun 2,3,LI Xiang 4,TIAN Meng 5,YU Xun 2,MU Yunfeng 61School of Mathematics and Statistics,3Research Center for Brain-Inspired Intelligence,4School of Life Science and Technology//Institute of Health and Rehabilitation Science//The Key Laboratory of Biomedical Information Engineering of Ministry of Education,Xi'an Jiaotong University,Xi'an 710049,China;2Shaanxi Brain Modulation and Scientific Research Center,Xi'an 710075,China;5Mi Shi Internal Medicine,Shaanxi Academy of Traditional Chinese Medicine,Xi'an 710003,China;6Department of Gynecological Oncology,Shaanxi Provincial Cancer Hospital,Xi'an 710065,China摘要：目的基于图论分析探讨宫颈癌放疗后癌因性失眠患者脑功能网络小世界和节点属性的变化，并明确功能网络与个体-靶向经颅磁刺激（IT-TMS ）治疗失眠效果的相关性。

正常人脑静息态功能磁共振的脑功能连接1

正常人脑静息态功能磁共振的脑功能连接1石庆丽;燕浩;陈红燕;王凯;姚婧璠;韩在柱;张玉梅;张贵云;高玉苹【摘要】Objective To detect the effective connectivity of resting-state functional magnetic resonance imaging (fMRI) in normal adults. Methods 36 normal adults were performed resting-state fMRI scanning, and 5 brain netwokes were included as regions of interests. Independent component (ICA) was used to evaluate the effective connectivity, and multivariate Granger causality analysis (mGCA) was used to analyze the casuality between the networks. All preprocessing steps were carried out using Statistical Parametric Mapping 5.0 soft-ware. Results 5 classic resting brain networks including default mode network (DMN), memory network (MeN), motor network (MoN), au-ditory network (AN) and executive control network (ECN) were aquired. The mGCA presented significant casuality between DMN and oth-er 4 networks, MeN and ECN, AN and MoN, ECN and AN. Conclusion There are specific brain effective connectivity of resting-state fMRI in normal adults, and there is significant causal link between these networks.%目的：探讨正常人脑静息状态下的不同专属脑网络间的连接强度及其意义。

静息态脑功能网络的社团结构研究

ｈｍｒｉ．Ｔｅｂａｕｃｉａｄｔｏ２ｅｌｙｓｂｃｓｗｒｏｌｔｙｆｎｔｎｇｅｉＲｓｎｎｅＩａｉｇｕａｂａｎｎｈｒｉｆｎｔｎｌａａｆ８ｈａｈｕｊｔｅｃｌｃｄｂｕｃｏａＭａｎｔｅｏａｃｍｇｎｏｔｅｅｅｅｉｌｃｎ
ＷＡＧＹｎｑｎＩａ— ｎ，ＧＯＨｏＨＮＪｎｊＮａ —ｕ，ＬｉａｇＨｆＵａ，ＣＥｕ－ｅｉ
（ｏｅｅｏｏｐ￣ｃｎｅａｄＴｃｎｌｙａｙａｎｅｓｙｏＴｃｎｌ，Ｔ￣ａｈｎｉ３０４ｈｎ）ＣｌｇｌｆＣｍｕｒｉｃｎｅｈｏｏ，ＴｉｎＵｉｒｔｆｅｈｏＳｅｇｕｖｉｏｇｙａｕｎＳａｘ００２，Ｃｉａ
ＪｕｎｆｍｐｔｒＡｐｌａｉｎｏｒａｏｌＣｏｕｅｐｉｔｓｃｏ
ＩＳ１０１９０ＳＮ０．８１
２２— ７— ０１００１
计算机应用，０２３（）２４２４２１，２７：０４— ０８文章编号：０９８（０２０１１— ０１２１）７—２４０００４－５
断治疗。ｒ
关键词：杂网络；团结构；阈值；复社跨脑功能网络；块度模
中图分类号：Ｐ８Ｔ１文献标志码：Ａ
Ｒｅｅｒｈｉｔｏｓａｃｎｏｃｍｍｕｔｔｕｔｅｏｅｔｎ－ｔｔｒｉｆｃｉｎａｔｒｎｉｙｓｒｃｕｒｆｒｓｉｇｓａｅｂａｎｕｎｔｏｌｎｅｗｏｋ

脑et熵值的正常值

脑et熵值的正常值脑熵值是一种计算脑电波信号规则性的方法，可作为评估脑活动和认知状态的指标。

正常脑熵值是指健康人群在特定任务或休息状态下所具有的特征值范围。

脑熵值的正常范围因人而异，受到年龄、性别、教育水平、任务类型等多种因素的影响。

1. 脑熵值的定义和作用：脑熵值是通过分析脑电波信号的规则性来衡量脑活动的复杂程度。

脑电波信号是大脑神经元电活动的产物，通过测量脑电波信号可以了解大脑的功能状态。

脑熵值可以用于评估脑功能异常和认知状态的变化，例如在注意力缺陷、认知能力下降、精神疾病等方面的研究。

2. 影响脑熵值的因素：(1) 年龄：随着年龄的增长，大脑功能逐渐衰退，脑熵值有一定的倾向性降低。

(2) 性别：男女在脑熵值上有一定差异，女性通常比男性具有更高的脑熵值。

(3) 教育水平：较高的教育水平与较高的脑熵值之间存在一定的相关性。

(4) 任务类型：不同类型的认知任务对脑熵值的影响不同，例如，执行高认知负荷的任务会导致脑熵值降低。

3. 脑熵值的测量方法：(1) 神经电生理学：通过脑电图（EEG）可以获取脑电波信号，进而计算脑熵值。

(2) 线性和非线性特征分析：脑熵值可以通过研究脑电信号的频谱、相位和幅度等特征来计算。

(3) 脑图分析：利用网络神经科学的方法，将脑电波信号转化为脑图，通过网络特征来计算脑熵值。

4. 正常脑熵值的范围：(1) 静息态脑熵值：在安静休息状态下，正常成年人的脑熵值范围一般在0.4到1.2之间。

(2) 认知任务脑熵值：在执行认知任务时，脑熵值通常降低，正常范围可在0.2到0.8之间。

5. 脑熵值的临床应用：(1) 诊断脑功能障碍：脑熵值可以作为一种辅助手段，用于帮助诊断精神疾病、认知障碍等脑功能异常的疾病。

(2) 监测治疗效果：通过连续监测脑熵值的变化，可以评估治疗效果，指导临床决策。

(3) 脑机接口技术：脑熵值可以应用于脑机接口技术的开发，帮助实现脑-计算机交互。

总之，脑熵值是一种衡量脑活动复杂性的指标，其正常范围受到多种因素的影响。

静息态功能磁共振成像在脑功能区定位中的初步应用

ｅｐｄｅｎｅｎｄｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＩＣＡ）．１Ｒｅｓｕｌｔ］Ｗｅｃａｌｌｓｉｍｕｌｔａｎｅｏｕｓｌｙｅｘｔｒａｃｔａｎｄｉｅｎｄｔｉｆｙ１９ｈｕｍａｎｂｒａｉｎｆｕｅｔｉｏｎｌａｓｙｓｔｅｍｓａ－
ｄｉｆｅｒｅｎｔｆｕｎｃｔｉｏｎａｌｓｙｓｔｅｍｓｗｉｔｈｏｎｌｙｏｎｃｅｓｃｎａ，ｉｎｃｌｕｄｉｎｇｅｌｅｍｅｎｔａｒｙｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｎｄａａｄｖｎｃａｅｄｆｕｎｃｉｔｏｎａｌｎｅｗｏｔｒｋ，ｌｅａｄｉｎｇｔｏｎｌｏｅｒｃｏｍｐｌｅｅｔｎｄａａｃｃｕｒａｅｔｐｒｅｓｕｒｇｉｃａｌｅｖｌｕａａｉｔｏｎ。Ｋｅｙｗｏｒｄｓ：ｅｓｒｉｔｎｇｓｔａｅ；ｔｆｕｎｃｉｔｏｎａｌｍａｇｎｅｉｔｃｅｓｒｏｎａｎｃ￣ｉｍａｇｉｎｇ；ｎｄｉｅｅｎｐｅｎｄｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ；ｆｕｎｃｉｔｏｎａｌｃｏｎｎｅｃｉｆｖｉｔｉｅ
￣ｌｉｍｉｍｒｙａｐｐｉｆｃａｉｆｏｎｏｆｒｅｓｔｉｎｇ— — ｓｔａｔｅｆｕｎｃｔｉｏｎａｌｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ

腰背痛时各脑区间的功能连接变换

腰背痛时各脑区间的功能连接变换脑默认网络作为静息状态下重要的网络，包括后扣带回、楔前叶、前额叶中部和颞叶内侧皮质，维持各脑区正激活与负激活平衡，是大脑结构连接和功能连接的关键节点。

一项在健康志愿者制作成腰背痛模型的研究报告说，人体大脑在静息状态下，腰背痛受试者默认网络与岛叶的功能连接存在异常。

静息态功能连接研究的是静息状态时各脑区之间的低频涨落信号波动的相关性，近年来凭借其无创性及可明确脑区之间连接性等特点，成为研究人脑功能活动的有效工具，但目前针对腰背痛静息态的功能连接研究较少，尤其是各个脑区之间的功能联系机制尚不明确。

中国南方医科大学珠江医院张珊珊等所课题组发现，正常人在腰背痛状态下脑默认网络的功能连接存在异常，岛叶与前额叶中部、颞叶内侧皮质连接增高，与后扣带回、楔前叶、顶下小叶连接减低。

此外，前扣带回与前后岛叶的功能连接结果不同，与后岛叶显示功能连接增强，与前岛叶的功能连接减低。

作者认为，疼痛时广泛的皮质及皮质下区域功能连接受损，可能与疼痛刺激引起一系列认知与情绪功能的改变有关。

文章发表在《中国神经再生研究（英文版）》杂志2014年1月第2期。

腰背痛受试者静息状态下疼痛时各感兴趣区(mPFC, PCC, LTC, aIC and pIC)正、负（A,B）功能连接变化图(P ＜0.001，K≥10，未校正) 彩色区域显示疼痛状态与正常时相比有差异的脑区。

mPFC：前额叶中部；PCC：后扣带回；LTC：颞叶内侧；aIC ：前岛叶；pIC：后岛叶Article: " Resting-state connectivity in the default mode network and insula during experimental low back pain," by Shanshan Zhang1, Wen Wu1, Guozhi Huang1, Ziping Liu1, Shigui Guo1, Jianming Yang2, Kangling Wang1 (1 Department of Rehabilitation Medicine, Zhujiang Hospital, Southern Medical University, Guangzhou 510282, Guangdong Province, China; 2 Department of Radiology, Zhujiang Hospital, Southern Medical University, Guangzhou 510282, Guangdong Province, China)Zhang SS, Wu W, Huang GZ, Liu ZP, Guo SG, Yang JM, Wang KL. Resting-state connectivity in the default mode network and insula during experimental low back pain. Neural Regen Res. 2014;9(2):135-142.欲获更多资讯：Neural Regen ResResting-state functional connectivity during experimental low back painThe default mode network is a key area in the resting state, involving the posterior cingulate cortex, precuneus, medial prefrontal and lateral temporal cortices, and is characterized by balanced positive and negative connections classified as the “hubs” of structural and functional connectivity in brain s tudies. Resting-state functional connectivity MRI is based on the observation that brain regions exhibit correlated slow fluctuations at rest, and has become a widely used tool for investigating spontaneous brain activity. Functional magnetic resonance imaging studies have shown that the insular cortex has a significant role in pain identification and information integration, while the default mode network is associated with cognitive and memory-related aspects of pain perception. However, changes in the functional connectivity between the default mode network and insula during pain remain unclear. Shanshan Zhang and co-workers from Zhujiang Hospital, Southern Medical University in China compared the differences in the functional activity and connectivity of the insula and default mode network between the baseline and pain condition induced by intramuscular injection of hypertonic saline in healthy subjects. Compared with the baseline, the insula was more functionally connected with the medial prefrontal and lateral temporal cortices, whereas there was lower connectivity with the posterior cingulate cortex, precuneus and inferior parietal lobule in the pain condition. In addition, compared with baseline, the anterior cingulate cortex exhibited greater connectivity with the posterior insula, but lower connectivity with the anterior insula, during the pain condition. These data indicate that experimental low back pain led to dysfunction in the connectivity between the insula and default mode network resulting from an impairment of the regions of the brain related to cognition and emotion, suggesting the importance of the interaction between these regions in pain processing. The relevant paper has been published in the Neural Regeneration Research (Vol. 9, No. 2, 2014).Resting-state functional connectivity map showing positively (A) and negatively (B) correlated voxels for seed regions of interest (mPFC, PCC, LTC, aIC and pIC) in low back pain subjects (P < 0.001, K ≥10, uncorrected). Color area: Regions with differences between pain state and normal. mPFC: Medial prefrontal cortex; PCC: posterior cingulate cortex; LTC: lateral temporal cortex; aIC: anterior insula; pIC: posterior insula.Article: " Resting-state connectivity in the default mode network and insula during experimental low back pain," by Shanshan Zhang1, Wen Wu1, Guozhi Huang1, Ziping Liu1, Shigui Guo1, Jianming Yang2, Kangling Wang1 (1 Department of Rehabilitation Medicine, Zhujiang Hospital, Southern Medical University, Guangzhou 510282, Guangdong Province, China; 2 Department of Radiology, Zhujiang Hospital, Southern Medical University, Guangzhou 510282, Guangdong Province, China)Zhang SS, Wu W, Huang GZ, Liu ZP, Guo SG, Yang JM, Wang KL. Resting-state connectivity in the default mode network and insula during experimental low back pain. Neural Regen Res. 2014;9(2):135-142.。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

２ＷｕａｎｔｕｒｅｒｓｉｎｅａｄＮｕｎｎｅｉ，ｏｔ—ｅｔｎｖｒｔｆａｏａｔｓＷｕａ３０４，ｈｎ）ｈｎＩｓｔｔｆｕｏｃｅｃｎｅｍｅｅｒｇＳｕｈＣｎｒＵｉｅｉｒｔｎｌｉ，ｈｎ４０７ＣｉａｉｅｏＮｎｌａｓｙｏＮｉｉｅ
波变换从健康志愿者静息态的功能磁共振成像中提取时间序列，计算９个脑区的相关性，阈值建立脑功能网０设定
络的无向简单图，然后计算特征路径长度和聚类系数，并对度分布进行拟合．结果显示：功能网络具有规则网络脑的大聚集系数又具有随机网络的小特征路径长度，度的拟合显示具有指数截断幂律分布，即脑功能网络具有小世
Ｓｐ２１ｅ．０１
静息态人脑功能网络的小世界特性
黄文涛，冯又层
（１中南民族大学电子信息工程学院，武汉４０７２中南民族大学武汉神经科学和神经工程研究所，３０４；武汉４０７）３０４摘要研究了静息态下健康人脑的功能连接模式有助于理解人脑在正常或疾病状态下的功能活动规律．用小利
ＡｂｔａｔＩｉｉｏａｔｔｔｄｈｅｔｇｓａｅｆｎｔｎａｔｒｆｈａｔｙｈｍａｒｉｅａｓｔｗｉｉＳｔｓｒｃｔｓｍｐ￣ｏｓｕｙｔｅｒｓｉｔｔｕｃｉａｐｔｎｏｅｈｕｎｂａｎｂｃｕｅｉｌａｄＵｏｎｎｏｌｅｌｌ
界特性．
关键词
复杂网络；小世界；脑功能连接；静息标识码４４；７１０Ａ文章编号１７－２（０１０－５－４６２３１２１）３０７０４０
中图分类号
ＳａｌｏｌｏｅｔｅｆＲｅｔｇＳａｅＨｕａａｎＦｎｔｎｌＮｅｗｏｋｍｌＷｒｄＰｒｐｒｉｓｏｓｉｔｔｍｎＢｒｉｕｃｉａｔｒｓ－ｎｏ
ｓｌｌｃａａｔｒｔａｈｌｎｈｉｌｒａａｄｍｅｗｏｋ，ｄｇｅｉｔｂｔｎｍｅｘｏｅｔｌｒｎａｅｏｒｌｗｍａｈｒｃｅｓｉｐｔｅｇｓｓｍｉｓｒｏｎｔｒｓｅｅｄｓｒｕｉｔｅｐｎｎｉｙｔｕｃｔｄｐｗｅ — ｉｃｔａｎｒｉｏｌａａ
第３Ｏ卷第３期
２１０１年９月
中南民族大学学报（自然科学版）Ｊｕｎｌｆｏｔ－ｅｔｌｎｖｒｉｒａｉａｉｅ（ａ．ｅ．ｄｔｎｏｒａｕｈＣｎｒｉｓｙｆｔｎｌｉｓＮｔＳｉＥｉｏ）ｏＳａＵｅｔｏＮｏｔｉ
Ｖ０．ＯＮｏ３１３．
Ｈｕｇｎａ，ＦｅｇｏｃｎａｎＷｅｔｏ一ｎＹｕｅｇ
（ｏｅｅｏＥｅｔｎｃｎｆｍｔｎＥｇｎｅｎ，ｏｔ—ｅｔｌｎｖｒｔｆａｉａｉｅ，ｈｎ４０７，ｈｎ；１ＣｌｇｆｌｒｉａｄＩｏａｉｎｉｅｒｇＳｕｈＣｎｒｉｓｙｏＮｔｎｌｉＷｕａ３０４ＣｉａｌｃｏｓｎｒｏｉａＵｅｉｒｏｔｓ
ｕｄｒｔｎｈａｆｆｎｔｎｌａｔｉｅｆｈｍａｒｉｎｎｒａｒｄｓａｅｓａｅ．Ｕｓｎａｅｅｒｎｆｒａｉｎ，ｔｎｅｓａｄｔｅｌｗｏｃｉａｃｉｔｓｏｕｎｂａｎｉｏｕｏｖｉｍｌｏｉｅｓｔｔｓｉｇｗｖｌｔｔｓｏａｍｔｏｉｍｅ
ｓｒｓｏ０ｂａｎｒｇｏｓｗｅｅｅｔｃｅｒｍｕｃｉｎｌｍａｎｔｅｏａｃｍａｉｅｆｒｓｉｇｓａｅｈａｔｙｖｌｎｅｒ．ｅｅｆｒｉｅｉｎｒｘｒｔｄｆｏｆｎｔａｇｅｉｒｓｎｎｅｉｇｎｓｏｅｔｔｔｅｌｏｕｔｅｓｉ９ａｏｃｎｈＦｎｔｎｌｃｒｌｔｎｅｗｅｒｉｅｉｎｒａｃｌｔｄ，ａｄｔｅｔｒｓｏｄｗｓｓｔｔｓａｌｈｔｅｓｌｎｉｃｅｕｃｉａｏｒａｉｓｂｔｅｎｂａｎｒｇｏｓｗｅｅｃｕａｅｏｅｏｌｎｈｈｅｈｌａｅｏｅｔｂｉｈｉｅｕｄｒｔｄｓｍｐｅｇａｈ，ｔｅｈｒｃｅｓｉｐｔｅｇｈａｄｃｕｔｒｇｃｅｆｉｎｒｏｕｅｉａｌｈｅｅｉｔｂｔｎｗｓｆｔｄｒｐｈｎｃａａｔｒｔａｈｌｎｔｎｌｓｅｎｏｆｃｅｔｗｅｅｃｍｐｔｄ，ｆｌｔｅｄｇｅｄｓｒｕｉａｔ．ｉｃｉｉｎｙｒｉｏｉｅＴｅｒｓｌｅｎｔａｅｈｔｔｅｂａｎｆｎｔｎｌｎｔｏｋａｏｈｂｇｃｕｔｒｇｃｅｆｉｎｓｌｅｒｇｌｒｎｔｏｋｄｈｅｕｔｄｍｏｓｒｔｄｔａｈｒｉｕｃｉａｅｗｒｓｈｄｂｔｉｌｓｅｎｏｆｃｅｔｉｅｕａｅｗｒｓａｓｏｉｉｋｎ