1、背景介紹

我們的大腦可視為一個網絡。它是由空問上分離,但功能上相互關聯(lián)的腦區(qū)祖成,這些腦區(qū)持續(xù)的進行信息交互。腦區(qū)之間功能上的交互可能在復雜認知任務中起到重要作用,其促進了不同腦區(qū)間的信息整合。在過去三十年中,大量結構和功能的神經成像研究極大豐富了我們對靈長類動物和人類大腦的認識,尤其是各個腦區(qū)扮演的角色和功能。功能成像領域的發(fā)展為測量和發(fā)掘腦區(qū)之間功能上的關聯(lián)提供了新的工具,推動了對大腦功能連接的研究。為理解功能連接的變異究竟是神經活動抑或噪聲,需要同時記錄神經活動以及生理信號。與此同時還需要比較這種變異性在個體間或是群體上的差異是否顯著。也有研究關注靜息態(tài)下功能連接的變異和自發(fā)電生理信號的相關性,結果表明功能連接的變異有神經活動的貢獻,并且還可能與認知或警覺狀態(tài)的變化有關。也有研究發(fā)現(xiàn)功能連接的變異還和疾病引起的變化有關,進一步論證了其神經基礎,也提示我們功能連接的這種時間特性可能作為疾病的生物指標。因此,即便我們目前的研究方法存在諸多不足,功能連接動態(tài)性的起源仍有很多疑問,但么不妨礙他們提出動態(tài)性的問題,從這個問題出發(fā),我們化能進一步理解大腦的運行機制。
.......

2、研究一:瞬態(tài)共變方法在真假指壓反饋任務中的應用

2.1問題提出

現(xiàn)階段,大腦功能網絡的一種新的特性引起了研究人員的注意。這種特性稱之為動態(tài)功能網絡,或是隨時間變化的功能連接,它將大腦的運作看成是一種非穩(wěn)態(tài)的過程。大量算法被開發(fā)出來用于研究這一特性。其中,瞬態(tài)共變算法因其不依賴統(tǒng)計假設、受參數(shù)影響較小以及方法簡單明了而有優(yōu)勢。這一算法的核A、思想是:將種子點時間序列中,超過一定闊值的時刻點挑選出來,再根據這些時刻點全腦信號的空間相化性進行分類,得到不同的活動模式。這些不同的模式可以被解擇為在不同時刻下,種子腦區(qū)和其他腦區(qū)短時程的相互作用。然而,在提出這一算法的文章中,作者只是將其應用于靜息態(tài)功能構共振數(shù)據,對結果的解釋和生理意義的探究仍顯單薄。而在之后的文章中,作者做了方法上的改動,將所有的時刻點都納入到分類的過程中,而不依靠預設的種子點時間。這妨礙我們對這一方法背后機制以及生理意義的挖掘。據我們所知,該方法還未被應用于任務態(tài)的實驗中,方法所得到的動態(tài)模式也就無法在不同的任務條件下進行比較,這些動態(tài)模式的具體功能也就無法進一步理解。

2.2研究目的

在這一研究中,我們將這一方法應用于一個持續(xù)的、狀態(tài)相關的任務態(tài)功能磁共振試驗中,試圖發(fā)現(xiàn)在不同條件下動態(tài)特性的差異。我們假設,通過8對實驗條件的操控,可對一些棋式的動態(tài)特征進行調控。具體地,我們在一組健康被試上進行了持續(xù)指壓反饋實驗。該實驗有真、假反饋兩種條件。在真反饋條件下,被試可以獲得本人指壓壓力的實時視覺反饋;在假反饋條件下,被試獲得的是非本人指壓壓為的實時視覺反饋。之前利用這一數(shù)據的研究已經,發(fā)現(xiàn),在不同實驗條件下,默認網絡的激活和比率低頻振幅有差異。另外,基于模塊設計的功核磁共振實驗發(fā)現(xiàn),在多種運動反饋任務中,對側運動皮層的激活有差異。神經反饋可以提高兒童的執(zhí)行功能,預示大腦執(zhí)行控制網絡的變化�；谝陨涎芯康慕Y論,我們選擇了PCC、LMC和DLPFC作為種子點,它們分別是默認網絡、感覺運動網絡和執(zhí)行控制網絡的關鍵節(jié)點。

2、研究一:瞬態(tài)共變方法在真假指壓反饋任務中的應用.....8

2.1問題提出........8
2.2研究目的.......8
2.3材料和方法.........9
2.4結果........12
3、研究二:基于獨立成分分析對瞬態(tài)共變方法的改進..........19
3.1問題提出.....19
3.2研究目的.......19
3.3材料和方法........20
4、總結和展望.........27

3、研究二:基于獨立成分分析對瞬態(tài)共變方法的改進

3.1問題提出

瞬態(tài)共變研究基于預先定義的種子點,去探究大腦動態(tài)功能網絡。在提出該方法的文章中,作者將后扣帶回和頂內溝作為種子點,把種子點活動高的時刻點上的全腦信號做動態(tài)分類。這種分類實際上是基于某一種子點,而非整個網絡,盡管該種子點可能為網絡的關鍵節(jié)點。但是,從功能整合的角度看,單一腦區(qū)不能代表整個網絡。只基于單一種子點而非網絡,分類便不夠徹底,生理意義化更不明確。獨立成分分析在腦成像光其是功能磁共振領域是比較常用的方法。基于該方法,大腦可被認為是多種成分的組合,相互之間是空間上獨立的。每種成分對應一條時間序列,反映該成分的活動情況。這些成分在空間上獨立,但在時間上會有依存性,可以用來計算網絡之間的功能連接。

3.2研究目的

我們認為,如果關鍵時刻點是依據整個網絡的波動提取出來的,那么動態(tài)時間點的分類會更完全,也更有生理意義�；诖�,我們提出了基于網絡的動態(tài)功能連接的方法,即利用獨立成分分析的方法提取出目標網絡的波動信號,再根據此信號找到關鍵時刻點,進行動態(tài)分類。該方法避免了單一種子點帶來的偏差,同時因為獨立成分分析固有的分離噪聲的能為,也使得結果受噪聲和偽跡的影響。功能連接網絡可以分成不同模式的出現(xiàn)能夠反映出模式之間的層級關系。在上一個研究中,為探究不同反饋任務對大腦的調節(jié)差異,他們比較了真、假指壓反饋任務下各模式出現(xiàn)次數(shù)的差異。而在本研究中,被試都在睜眼和閑暇兩種狀態(tài)下進行了掃描,各模式在這兩種狀態(tài)間出現(xiàn)次數(shù)的差異也值得探究,可以反映出睜眼對大腦動態(tài)活動的影響。
.........

4、總結和展望

大腦動態(tài)特性是近期研究的熱門話題。與傳統(tǒng)某一時間段內大腦整體活動不同,動態(tài)性關注在更短時間窗甚至具休時刻點上大腦的活動情況。本論文中,我們從己有的動態(tài)分析方法入手,首次將瞬態(tài)共變方法應用于任務態(tài),觀察并比較在真、假指壓反債條件下,大腦不同網絡之間的相互關系。結果表明,任務態(tài)下大腦不同網絡之間需要協(xié)調配合,而且是以幾種不同的配合模式存在。同時,不同任務條件對大腦動態(tài)功能有調節(jié)作用,具體體現(xiàn)在同一模式出現(xiàn)的頻率上。為突出大腦功能網絡之間的動態(tài)性,我們利用獨立成分分析算法對原方法做了改進。具體地,即以ICA得到的網絡時間序列代替原有種子點時間序列,提取出網絡內部腦區(qū)活動一致性高的時刻點。從原理上排,這種改進得到的結果真正體現(xiàn)了網絡與網絡間的相互關系。隨著更高分辨率的磁共振機器的出現(xiàn),大腦動態(tài)特性的研究方興未艾。將來給我們可以在更精細的時間與空間層面上分析腦區(qū)活動,我們對于大腦功能的理解會來到一個新的層面。

.......

參考文獻（略）

，

本文編號：148738