牛文章瞻仰 I Neuroimage

这是研究方法课的作业，要搜索Psychological bulletin上被引次数最多的10篇文章。小研究了PsycInfo一下，未果，后来发现Google Scholar可以完成这个任务。在完成作业的同时，顺便搜索了一下本领域的两个期刊Neuroimage和Human brain mapping的被引次数最多的文章。发现被引最多的文章竟然已有上千次，足见本领域近年来的发展与繁荣。top-10的文章主要以方法性的文章和元分析为主，大牛Friston竟然有5篇文章上榜，可见其影响力！(每篇文章最前面的黑体数字为被引用次数)

879. Ashburner J, Friston K J, Voxel-Based Morphometry - The Methods. NeuroImage, 2000, 11(6), 805-821.

697. Worsley K J, Friston K J, Analysis of fMRI Time-Series Revisited—Again. NeuroImage, 1995, 2(3), 173-181.

670. Friston K J, Holmes A P, Poline J-B, Grasby P J, Williams S C R, Frackowiak R S J, Turner R, Analysis of fMRI Time-Series Revisited. NeuroImage, 1995, 2(1), 45-53.

535. Braver T S, Cohen J D, Nystrom L E, Jonides J, Smith E E, Noll D C, A, Parametric Study of Prefrontal Cortex Involvement in Human Working Memory. NeuroImage, 1997, 5(1), 49-62.

524. Poldrack R A, Wagner A D, Prull M W, Desmond J E, Glover G H, Gabrieli J D E, Functional Specialization for Semantic and Phonological Processing in the Left Inferior Prefrontal Cortex. NeuroImage, 1999, 10(1), 15-35.

492. Genovese C R, Lazar N A, Nichols T, Thresholding of Statistical Maps in Functional Neuroimaging Using the False Discovery Rate. Neuroimage, 2002, 15(4), 870-878.

478. Friston K J, Fletcher P, Josephs O, Holmes A P, Rugg M D, Turner R, Event-related fMRI: characterizing differential responses. NeuroImage, 1998, 7(1), 30-40.

442. Dale A M, Fischl B, Sereno M I, Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage, 1999, 9(2), 179～194.

426. Price C J, Friston K J, Cognitive conjunction: a new approach to brain activation experiments. Neuroimage, 1997, 5(4), 261–270.

423. Phan K L,Wager T,Taylor S F,Liberzon I, Functional neuroanatomy of emotion:a meta-analysis of emotion activation studies in PET and fMRI. Neuroimage, 2002, 16(2), 331-348.

评论

发表评论

此博客中的热门博文

如何画出漂亮的图

图片
    题目其实是个标题党。我一直都在尝试各种方法把paper中图片做的更漂亮，但效果总是不理想。而读paper时经常能看到让人眼前一亮的图。比如最近Journal of neuroscience一篇关于视觉系统 随机共振 的研究。     所谓随机共振，就是当一个非线性系统在加入少量噪声时的工作效果要比完全没有噪声时好。人的神经系统就是个典型的非线性系统。上图是原文中的一个figure。要注意的是最上面的原始图像两个斜杠之间的细节。斜杠中的斜杠是阈下的，通常很难被知觉到，但如果加入适当的噪声，就可以清晰地看到斜杠中间的细节 (中图)。     初看到这幅图，我的感觉这是对随机共振效应的最好的演示。因为之前对随机共振的介绍都是理论或者语言描述，从来没有给过这样直观的演示。但说实话，很难看出如何只加入噪声就可以把第一幅图像变成第二幅图像的样子。我自己用MATLAB对原始图像加随机噪声，完全得不到这种效果。当然我自己的图像处理水平有限，电脑显示器也比较低级。不知道哪位高手可以实现。OR, 这其实只是个示意图？ Schwarzkopf, D., Silvanto, J., & Rees, G. (2011). Stochastic Resonance Effects Reveal the Neural Mechanisms of Transcranial Magnetic Stimulation Journal of Neuroscience, 31 (9), 3143-3147 DOI: 10.1523/JNEUROSCI.4863-10.2011
阅读全文

大脑的工作模式和休息模式

图片
[ 十五言 是个不错的地方。也许以后类似的文章都会现在那里发表，欢迎 关注 。] 大脑不休息 与人体其的他器官不同，大脑在人的一生中一直处在活动状态。从能量代谢的角度讲，肌肉在休息时的耗能几乎可以忽略不计，但在收缩运动时会消耗1000倍以上的能量。相反，大脑无论在工作还是休息时都要消耗大概身体总代谢量的20%。而在工作时的耗能水平只比休息时高5%。正是因为如此，休息时的大脑更应该被看成是一种独特的状态，而并不是简单的休息。圣路易斯华盛顿大学的Marcus Raichle等人在2001年时将这种状态 (resting-state)命名为默认模式 (default mode)，并将一些在休息状态时神经活动更高的区域组成的网络称为为默认网络 (default mode network)。这一网络中的区域的神经活动在人执行特定的任务的时候反而会下降，通常认为是负责产生自发的想法以及无目的的思考。 对于大脑的休息状态，另一个重要的发现要追溯到1995年。当时在威斯康辛医学院的Bharat Biswal等人发现在完全没有运动的休息状态，大脑左右两侧运动皮层的fMRI信号仍然会显示出很强的相关性。fMRI技术是一种无创的记录脑活动的方法，它通过测量脑血流中含氧血红蛋白和脱氧血红蛋白的比例间接地反映神经活动。这是一个非常重要的发现。因为之前虽然知道左右两侧的运动皮层在完成双手协调任务时会同时激活，但并没有人会想到人在没有动双手的时候负责控制两侧手的区域仍然会同步活动。这提示了一个大脑重要的属性。大脑中存在着自发的脑活动，而且这些自发脑活动不是杂乱无章的，而是有组织的。在接下来的一系列研究都发现，凡是已知的功能相关的脑区之间，在静息态时也都会显示出很强的相关。这一组组相互关联的区域就组成了不同的脑功能网络，比如视觉网络、运动网络和注意网络等等。这种使用静息态fMRI数据分析大脑功能网络的技术目前正日趋流行，而且是当前美国的人脑连接组项目(human connectome project)的基础技术之一。 既然休息时的脑活动已经能反映大脑的网络结构，那么，大脑活动时的状态又会有什么差别呢？大脑可以大致的分为两个系统：一个是之前提到的默认网络系统；另一个是负责各种具体任务的区域的集合，通常被称为任务正网络。这两个网络的神经活动是负相关的：一个网络的活动升高，另一个网络的活动...
阅读全文

两个DTI研究

图片
现在DTI的研究越来越火了，而且总看到牛文章出来。听说很多实验室在做fMRI实验的时候都会扫描DTI像，即使暂时用不着，以后也会派上用场的。 弥散张量成像 (diffusion tensor imaging, DTI)是一种可以无损伤检测大脑解剖连通性的技术。它测量的是水分子的弥散方向。水分子在一般的脑组织中的运动是没有方向性的，而在脑白质纤维束中的弥散具有很强的方向性。因此通过数学方法就可以重构水分子的弥散轨迹，也就是脑白质纤维的轨迹。因为大脑皮层的各个脑区是由白质纤维束相连的，因此用DTI就可以研究大脑皮层个区域之间连接。目前的脑成像研究不止关注那一脑区负责某一个功能，还关注这些脑区之间的功能整合。因此DTI也成为目前非常流行而且有前途的脑成像技术之一。 最近Nature Neuroscience上的两篇DTI的文章都很有意思。一篇文章研究了先天面孔失认症 (Thomas et al. 2008)。这种病人视觉和智力都是正常的，但是却对识别人脸有困难。以前的研究发现这类病人在加工面孔时与面孔加工相关的脑区——比如梭状回面孔区 (FFA)和颞叶额叶的某些区域——都与正常人没有差别。因此这篇文章的作者采用DTI技术来看这些面孔加工区域之间的硬件联系是否发生了损坏。研究主要关注连接梭状回到前颞叶区的下纵束 (inferior longitudinal fasciculus, ILF)，和连接梭状回到额叶的下额枕束 (inferior frontal occipital fasciculus, IFOF)。结果发现先天面孔失认症患者与正常控制组相比两个白质束都存在损伤。而且白质束的大小与各向异性程度也与被试完成面孔识别任务的表现显著相关。这篇文章是一个很好的例子，清晰的显示了两个脑区的活动都没有损伤而脑区间的联系受到了损伤后，产生了面孔识别的认知功能的受损。 (图片来自Thomas et al., 2008) 原文: Thomas C, Avidan G, Humphreys K, Jung K, Gao F, Berhrmann M (2008). Reduced structural connectivity in ventral visual cortex in congenital prosopagnosia. Nature Neuroscience doi:1...
阅读全文