Never

fMRI数据分析变得越来越复杂，复杂到做数据分析的人可能根本不懂底下的数学原理。因此出现了 ten simple rules 这样的系列文章。最近 Friston 也发表了一篇关于 Dynamic Causal Modelling 的文章。文中多是对 DCM 分析中具体问题进行了解释和建议，回答了我很多疑问。虽然这帮大牛们总是不建议新手们使用 DCM 分析，但是随着 fMRI 研究的应用越来越广泛，这种趋势是不可避免的。Ten Simple Rules 也算是一种折衷吧。 关于 MRI 数据分析的 Ten Simple Rules 系列： Stephan K.E., et al. (2009). Ten Simple Rules for Dynamic Causal Modelling. NeuroImage doi: 10.1016/j.neuroimage.2009.11.015 Ridgway G.R., et al. (2008).Ten simple rules for reporting voxel-based morphometry studies. NeuroImage doi: 10.1016/j.neuroimage.2008.01.003 Poldrack R.A., et al. (2008). Guidelines for reporting an fMRI study. NeuroImage doi: 10.1016/j.neuroimage.2007.11.048 另外还有 PLoS Computational Biology 主编写的  Ten Simple Rules 系列，关于如何发表文章，如何读研究生等等，也值得一看。

人对自我的感觉，以及对未来的感觉都要比实际情况好，这种现象在心理学中被称为正性错觉 (positive illusion)。比如，我们经常会计划了一堆事情要在一段时间内完成，但实际完成的数量要远远小于预期的数量。这通常是由于人们的预期过于乐观而造成的。在心理学中研究最多的是所谓高于均数效应 (above-average effect)。如果让一群人估计自己的某一项能力，所有人都会估计自己的能力在平均水平以上，但实际上这是不可能的。 虽然正性错觉是对现实情况的歪曲，但实际它起着重要作用。它可能是进化的结果，一个有正性错觉的人更可能做一些超越现实的努力，更容易在困难的任务中坚持到最后并取得成功。相反，如果一个人过于“现实”，可能在困难面前会过早地放弃努力。其次，正性错觉还对人的心理健康起着重要作用。有了正性错觉，可以让我们自我感觉良好一点，而且让我们可以对未来充满希望。 在最新的Neuroimage上，研究人员用功能磁共振成像 (fMRI)方法研究了正性错觉的神经机制。被试躺在机器中看一系列描述性格的形容词，并比较自己在这些形容词上与其他人的平均水平相比是好是坏。 研究者先比较了被试在判断宽泛的和具体的形容词时大脑活动的差异，发现激活了内侧前额叶皮层 (MPFC), 眶额皮层 (OFC)和背侧前额叶 (dACC)。其中MPFC是已经被发现的与自我加工相关的区域。接着研究者再看不同被试正性错觉的程度是否与这些区域的激活水平相关。意外的是，MPFC并没有发现与正性错觉相关；而相反，OFC及dACC都显示了与自我正性错觉程度的负相关。即被试OFC和dACC的激活水平越弱，则正性错觉越强。这个负相关很有趣，似乎说明大脑中缺少了某种神经加工过程，反而会增加正性错觉。与此相对应的是脑损伤病人的行为表现。如果病人OFC损伤，则他会比其他人更认为自己的行为是好的。大脑的眶额皮层 (OFC)也许对人们正确的认识世界起着重要作用。 Beer, J., & Hughes, B. (2009). Neural Systems of Social Comparison and the “Above-Average” Effect NeuroImage DOI: 10.1016/j.neuroimage.2009.10.075