博文

目前显示的是 2010的博文

谈得投机,才能情投意合

图片
在恋爱关系中,双方的相似性起着很重要的作用。比如兴趣、价值观、性格等,常常决定着初期的选择,并可以预测长期的稳定程度。 相似性还表现在交流过程中的相互匹配,比如手势,目光注视和姿势等。对语言相似度的研究通常关注虚词使用的相似度。虚词又称功能词,经常被使用,但是与对话的内容无关。因此心理学家认为虚词的使用与恋爱关系会存在关联。在两性交往中,最主要的功能词是人称代词。如果夫妻间使用我们 (we)多,而使用你 (you)少,则离婚的概率降低,而且对婚姻的满意度更高。 语言是一个互动的过程,单方面的考察词语使用并不是好办法,相反要看的双方使用词语的匹配程度。因此心理学家开发了语言风格匹配 (language style matching, LSM)技术,来统计对话双方使用某一类词语频率的相关性。 具体做法是,将两人对话文本分成人称代词,非人称代词、冠词、连词、介词、助动词、频率、否定词和量词九类,分别计算每一类词语两人使用的概率的相关性,再将9类的相关性平均。 研究者一共做了两个实验。 实验一是在一次快速约会中,记录了40对男女的对话场景,然后计算两人对话的LSM。随后参与者需要向实验者报告否愿意与对方继续交往。结果发现,谈话时语言匹配度越高的双方更倾向于开始恋爱关系。 实验二关注的是语言匹配对恋爱关系稳定性的影响。实验者记录了84名参与者10天的IM聊天记录,并在3个月后调查参与者是否还维持着恋爱关系。结果符合预期,那些在聊天中更“和谐”的伴侣,更容易保持稳定的恋爱关系。 需要注意的是,语言匹配程度与参与者主观报告的两人相似性是相对独立的。如果去除主观相似性的影响,语言匹配的相似仍可以预测恋爱关系的起始以及稳定程度。这说明谈话中的相似程度双方不一定能够意识到,但确实会影响两人恋爱中的关系。 另外,这篇文章还提出了可以利用QQ或MSN聊天记录来预测恋爱关系的稳定程度。Geek们如果可以把这个功能实现,还是很有应用前景的 :) 。 Molly E. Ireland, Richard B. Slatcher, Paul W. Eastwick, Lauren E. Scissors, Eli J. Finkel, & James W. Pennebaker (2010). Language Style Matching Predic

随机共振 (Stochastic Resonance)

图片
噪声是无处不在的,比如要听一个人说话,就要尽量排除周围无意义的声音的影响。对于一个抽象的信号加工系统,噪音的存在通常会影响系统传递信息和检测信号的能力。因此理论上讲,噪音是系统的敌人。但在实际的系统中,经常会发现当系统中存在不可预期的随机震荡时,系统的表现不仅不会降低,反而会增加。这就是传说中的随机共振现象 (Stochastic Resonance)。对于一个理想的线性系统,噪声自然会影响系统的表现。但对于复杂的非线性系统,特别是自然界中实际存在的系统,常常会表现出随机共振。 随机共振最早由Roberto Benzi与1980年提出,用来研究冰河纪的周期变化。对于复杂的神经系统,自然也是随机共振研究的热点领域之一。1991年,Bulsara等人第一次提出了单个神经元的包含随机共振的模型。心理物理学研究也发现,加入一定空间和时间噪声之后,视知觉阈限会降低。下图中横坐标代表噪声强度,纵坐标代表图片的检测阈限。阈限最低的点并不是噪声最小的点,相反噪声强度在一定水平时阈限才是最低的。 图片来源: Simonott et al., 1997 对人脑成像的研究也有一个有意思的结果。McIntosh等人 (2008)的研究发现,虽然在儿童发育过程中,行为表现的稳定性会提高 (trial by trial variability),但诱发电位的变异却是增加的。这说明大脑活动的变异水平可能与认知能力的高低有关。当然,心理学和脑成像的实验都只是观察到了符合随机共振的现象,还不能对随机共振的原理进行解释。不过随机振荡现象对人脑中存在的众多噪声的作用的理解可能有很大的帮助,比如fMRI信号的低频振荡。 另外,随机共振现象在生物医学工程领域也有应用价值。比如在老年人的运动训练中加入触觉振动刺激,可以提高老年人的身体平衡能力。人工耳蜗移植后使用随机听觉刺激也可以帮助听觉神经的恢复。 McDonnell, M., & Abbott, D. (2009). What Is Stochastic Resonance? Definitions, Misconceptions, Debates, and Its Relevance to Biology PLoS Computational Biology, 5 (5) DOI: 10.1371/journal.pcbi

攻击性、基因和文化

图片
在新知客九月号写了一篇文章介绍MAO-A基因与攻击性的关系。MAO-A是一种控制神经递质血清素和肾上腺素释放的酶。荷兰研究者Brunner等于1993年最早发现,编码这种酶的基因与攻击性行为相关。神经科学的研究发现MAO-A-L型基因型的被试的杏仁核对情绪线索更敏感,而眶额皮层抑制能力减弱,从而可能导致冲动性的攻击行为。 针对白种人的研究,MAO-A基因与攻击性的联系是比较明确的。有两件事引起了争议。首先是2009年,意大利的法庭第一次因为杀人犯携带MAO-A-L型基因,减少了刑期。这引发了遗传与刑事责任之间关系的争论,Nature也作了 报道 。 另一件是在2006年,有研究者在一个国际会议中报告了在新西兰土著毛利人群中,携带MAO-A-L型基因的比例高达56%。而对于高加索人种,MAO-A-L型基因携带比例约为34%。因为传说毛利人有食人的历史,这一结果似乎会加深人们对毛利人野蛮的印象。因此新西兰媒体进行了广泛的讨论。最终研究者认为,MAO-A与不仅与攻击性行为相关,还与冒险行为有关。因为毛利人可能是乘坐独木舟冒险跨海到达的新西兰,这个历史可能对MAO-A基因做了正向的选择。而且,MAO-A基因与攻击性的联系目前只在高加索人群中研究过,其他种族的研究都很少。毛利人中MAO-A基因与攻击性是否存在联系还没有证据。 这篇 文章 其实还有一个有趣的结果,就是中国人中MAO-A-L型基因携带的比例高达77%,为全世界最高。当然,数据只来源于台湾学者的一个小样本研究 (n=55),大陆这方面的数据还没有。但这个结果还是让我很惊讶。因为印象中,中国人的性格并不好斗,反而偏阴柔。 当然,好斗只是一方面。研究还发现MAO-A基因还与对社会拒绝的敏感性有关。因此MAO-A基因与攻击性的联系可能由对社会拒绝的敏感性中介。在今年的一个研究中,Lieberman还发现国家人群中MAO-A基因的百分比与这个国家个人主义-集体主义倾向相关。MAO-A-L基因型人比例越高的国家,就越可能是集体主义取向 (上图)。Lieberman的研究实际上是之前介绍过的五羟色胺基因 研究 的继续。这两个研究都明确的表明了基因与文化之间的交互关系。对于中国等东亚国家来说,集体主义价值观可能起到缓解社会拒绝焦虑的作用,从而会减少由此引发的反社会攻击性行为。 反过来讲,中国人的攻击性倾向

认知神经科学2.0

认知神经科学发展至今已取得了丰硕的成果。特别是fMRI技术的应用,使得研究的数量几何增长。但这一领域研究的问题依然普遍存在:比如BOLD信号的来源一直有人质疑,还比如很严重的数据分析的双重提取问题 (double dipping)。作为一门科学,不仅要不断积累实验数据,还要将积累的数据整合成系统的知识。Trends in Cognitive Sciences上的这篇文章,就对脑功能研究的积累以及整合提出了构想。 fMRI研究最大的问题其实是由数据性质及分析方法决定的,即高空间分辨率的大量测量数据,以及大量单变量统计 (mass univariate)的分析方法。这会导致一系列问题: 一是统计效力 (power)低。受资金的制约,fMRI研究的被试一般只有15-20人,但因为大量单变量统计需要多重比较校正,因此要采用严格的阈值 (比如其实还不算严格的p<0.001)。这导致fMRI研究只能关注最显著的效应,而对于微小的效应通常无能为力。 二是误报 (false positive)很常见。多重比较矫正的越严格,研究的敏感性就越低。因此需要研究者在敏感性和可靠性之间权衡,采用一个大家都可以接受的阈值 (比如p<0.001)。但这样结果中就会有很多误报。据估计误报的激活区域大概占总结果的15%。 三是重复实验很困难。首先是因为做研究要突出新意,所以很少直接重复别人的实验。而且由于SPM统计方法的缘故,也很难评价两个研究的结果是否一致。 四是研究逻辑的问题,即如何将特定任务与特定的脑区相联系。要得出这个结论,必须要表明这个区域与这个任务相关,但与其他任务都不相关。但这样要进行大量的对照实验,按照目前的现状也很难实现。 整合研究的第一步是建立研究结果的数据库,编码特定的任务范式以及结果。这一步已经有很多group在做,比如  Human Brain Project  和  Brainmap  等等... 接下来可以对现有结果进行定量分析,即元分析。元分析是十分必要的,因为单个fMRI研究统计效力不足,而且有很多误报,特别是医学影像领域。而且元分析不仅可以整合现有的结果,而且还可以产生并验证新的假设。比如之前一直认为杏仁核主要负责加工恐惧情绪,但元分析结果表明杏仁核对恶心/厌恶情绪的激活更强。常用的元分析方法有activation likelihoo

牛文章瞻仰 - Nature

最近在家闲着无聊,就继续两年前的 工作 ,搜索了一下Nature里关于fmri研究的文章。在Google Scholar中用 "fmri" OR "functional magnetic resonance imaging"关键字搜索Nature期刊上的文章,按照被引用次数排序,前十名的文章如下。序号后面的数字为引用次数。 2177. Logothetis et al., (2001). Neurophysiological investigation of the basis of the fMRI signal. Nature 412(6843):150-7.     被引用第一的文章不是研究脑功能的,而是Logothetis研究BOLD信号起源的研究。同时记录fMRI信号以及颅内动作电位 (spike acyivity)和局部场电位 (LFP)。结果发现fMRI信号只与局部场电位相关,与动作电位无关。这个研究不仅验证了用BOLD研究神经活动的合理性,据说也推动了单细胞记录研究对LFP的重视。 1111. Cohen et al., (1997). Temporal dynamics of brain activation during a working memory task. Nature 386(6625):604-8.     大牛Cohen关于工作记忆的研究。发现前额页皮层不只负责工作记忆中的执行控制,也负责内容的保持。 935. Karni et al., (1995). Functional MRI evidence for adult motor cortex plasticity during motor skill learning. Nature 377(6545):155-8.     关于运动学习的研究,区别了长时学习和短时学习对初级运动皮层的不同影响。 920. Epstein, et al., (1998). A cortical representation of the local visual environment. Nature 392(6676):598-601.     Kanwisher的研究,第一次定义了PPA。 888. D'Esposito,

什么都不想很困难

放假了,本应是是个放松的时候,但有工作的事经常在脑海中挥之不去。 大脑中经常有一首歌的旋律萦绕,想要停止却很难做到。 上面的场景我们经常遇到。科学家发现,要停止思考一件事情,可能比去思考一件事要难。这篇发表在Journal of Cerebral Blood Flow & Metabolism上的文章用计算机模拟的方法建模了兴奋性神经元、抑制性神经元以及星形胶质细胞相互作用时的代谢过程。发现抑制性神经元工作时消耗的能量最多,而且不可能持续很长时间。这就提示了为什么我们很难停止思考一件事情——抑制性神经元持续工作。文章具体细节不是很熟悉,因此翻译了ScienceDaily的一篇报道。 ----------------------------------------------分割线 ---------------------------------------------- 为什么什么都不想这么困难:停止思考吞噬大脑能量 原文链接 想知道为什么想要在假期中忘掉工作,或者想停止脑中一遍遍重复的恼人的歌曲这么困难? 凯斯西储大学的数学家可能找到了部分答案。 他们发现,正如思考消耗能量一样,停止思考同样消耗能量——就像要停住正在下坡的卡车一样。 “也许这就是为什么放松和什么都不想这么累,”Daniela Calvetti说。她是一位数学教授,这项新研究的作者之一。他们的工作发表在在线优先出版的《大脑血流与代谢杂志》上 (Journal of Cerebral Blood Flow & Metabolism)。 打开大脑以详细监测大脑活动是不切实际的。因此,为了了解能量使用情况,Calvetti与数学教授Erkki Somersalo以及Rossana Occhipinti合作。Occhipinti因为这一工作在去年获得数学博士学位,现在他在凯斯西储大学生理学与生物物理学系做博士后研究员。他们提出了方程和统计方法,并建立了大脑代谢的计算机模型。 这项研究的计算机模拟使用了Metabolica软件——它是Calvetti和Somersalo为研究复杂代谢系统而设计的。该软件可以对连接产生思维的兴奋性神经元和刹车作用的抑制性神经元之间的通路,以及星形胶质细胞进行数字呈现。星形胶质细胞支持这两种神经元的基本化学和功能需求。 要停止一个想法,大脑使用抑制神经元防止

中国网民喜欢负面新闻

图片
一则新闻 最近网上流传一则新闻,说中国网民最喜欢传播负面信息。新闻中提到的Nielsen公司的亚太区报告我没找到,只找到了一份全球范围的 报告 。结合网上的新闻,大致可知的结果是:全世界范围内,亚-太地区网民最愿意分享负面感受,比例达到49%;拉美、中东和非洲其次;而欧洲和北美网民愿意分享负面感受比例最少,分别为33%和32%。而在亚-太地区,中国人愿意分享负面感受的比利时最高的,高达62%。 (图片来源: 这里 ) 对于这个结果,自然各有各的解释。比如质疑中国日益尖锐的社会问题,或者批判国人的国民性。但我最近读了一些基因的文章,发现基因也可以对中国人更愿意传播负面信息作出解释。 5-HTTLPR基因 五羟色胺转运体基因 (5-HTTLPR)是目前被研究最多的一个与情感功能相关的基因。带有短型5-HTTLPR基因的个体,社会敏感性更高,特别对负性事件更敏感。他们也更容易受到生活中应激事件 (如离婚、伴侣死亡等)的影响而产生情感障碍,如抑郁。 (图片来源: Chiao & Blizinsky, 2010 ) Chiao & Blizinsky (2010)统计了29个国家共50135名个体5-HTTLPR基因的出现频率,得到各个国家5-HTTLPR短型基因的频率分布。从上图可以看出,中日韩等东亚国家5-HTTLPR短型所占比例最高,大约为70%;拉美国家合土耳其居中;而欧洲和北美国家5-HTTLPR短型所占比例最低。这一结果大致可以与与Neilsen公司的调查结果对应。 在我看来,这是个很有意思的结果。在中国,大约2/3的人带有高社会敏感性的基因,他们更容易对负性的事件敏感,也可能更容易分享合传播负性事件。这也许就是所谓“国民性”的生物学起源。 基因-文化共同进化理论 还有一个问题是,大多数中国人对负面信息敏感,但为什么中国人患情感障碍性疾病的人并不多呢?早期在西方的研究发现,5-HTTLPR短型个体更容易遭受情感障碍。但对于5-HTTLPR短型个体占多数的中国来说,患情感障碍的比例却远远小于西方。Chiao & Blizinsky (2010)认为,这是由于集体主义文化的作用。按照基因-文化共同进化理论,基因的进化伴随着文化价值对环境的适应与影响。集体主义社会中的社会支持对社会敏感性高的个体有保护作用。 (

kiss时头往哪边偏

图片
你在接吻时头往哪边偏? 据统计,接吻时头向右偏的比例是向左偏的2倍。这个结论很容易用Google验证。我蛋疼的用 Google.com 搜索kissing,搜索内容images,types选择faces ( 点这里看结果 )。在搜索结果的前两页的40幅图片中,有20幅是没有重复的可以判别方向的图片。在这20幅图片中,果然有13幅向右偏,7幅左偏,比例接近2比1。 人体右侧占主导的偏策划实际上很常见,比如大多数人是右利手、右利脚和右眼主导。但对于接吻有点不同的是,接吻是两个人的事。如果两个右偏的人或者两个左偏的人接吻是没有问题的,但当一个右偏遇到一个左偏呢? 两个心理学家蛋疼的研究了这个问题。他们让被试去吻一个真人大小的模特。第一次模特的头是竖直的,通过这次接吻可以判断被试的左右偏好。接着实验者调节模特的头像左或向右偏5, 15或25度。被试在每个角度上都会接吻5次,这样研究者就可以计算出各个角度上被试像左或向右偏的概率。 上图是结果,学过心理物理法的童鞋应该很熟悉。简单说来,右偏的被试更倾向于坚持向右偏。当模特的头向左偏了5度时,被试还有50%的概率试图更向右偏头。而左偏的被试则更灵活。当模特的头向右偏了5度时,被试也就会跟着变成向右偏。这个结果是很容易理解的,因为左偏的人更容易遇到冲突的情况,因此他们在很多时候需要做出妥协。这就是少数派的代价。 感谢 Improbable Research 介绍了这篇文章。 van der Kamp, J., & Canal-Bruland, R. (2010). Kissing right? On the consistency of the head-turning bias in kissing Laterality: Asymmetries of Body, Brain and Cognition, 1-11 DOI: 10.1080/13576500903530778

神经电影学:用电影同步大脑

图片
    电影就是要抓住观众的思想。导演们都希望自己的电影可以让观众能够沉浸其中,吸引观众的注意,诱发观众达到想要的思想状态和情绪体验。制片过程中可以用很多手段来诱导观众的思维,比如用蒙太奇或联戏剪辑的手段。但用电影来操控观众思维的愿望却一直没有办法来直接验证。而目前渐渐兴起的神经电影学 (neurocinematics),使得用神经活动来评价电影成为可能。     Hasson 在2004年在Science上发表的文章验证了用功能磁共振 (fmri)评价电影的可能性。他们的思路很简单却很巧妙,如果电影可以引起观众神经活动的起伏响应,哪么不同观众在看相同电影时的神经响应应该是相似的。因此,他们让被试躺在MRI机器中观看电影片段,而后采用了他们采用了试间相关 (ISC)的方法计算不同观众相同大脑区域神经活动的同步性。在没有在看电影时,不同观众的大脑活动显然都是无关的。但如果这些观众在看同一部电影,由电影诱发的神经活动就会显示出相似的模式。相应大脑区域的ISC值就会很高。如下图所示,大脑的视觉加工皮层,听觉加工皮层以及颞叶和顶叶等区域都会显示出很高的同步性。但负责高级认知加工的额叶皮层却很少同步。     上图所示的激活区域是合理的。在看电影时,视觉与听觉加工都会随着电影的进程而紧密响应,因此会同步。而一些负责特异性加工的专门区域,也会产生同步。比如颞叶和枕叶中负责面孔加工的梭状回面孔区 (FFA)会在电影中出现面孔时激活,而负责场景加工的海马旁回 (PPA)会在电影中出现场景时激活,而当电影中的角色使用工具时 (比如用手点烟或者开枪),顶叶皮层将会同步激活。但是,每个人看电影都会有自己的理解,因此负责高级认知加工的的额叶皮层几乎没有同步活动。     不同观众神经活动的同步性可以被称为群体卷入性 (collective engagement)。考察不通电影引起的同步活动的区域的大小,可以在一定程度上反映电影对观众控制程度的大小。比如上图4部电影拍南端的比较结果,现希区柯克的《断魂枪声》片段引起了65%大脑区域的同步激活,莱翁的《黄金三镖客》片段引起了45%大脑区域的同步激活,而拉里・戴维的《抑制热情》片段只引起了18%的大脑区域的同步激活,最后是一段在纽约华盛顿广场公园拍摄的自然场景视频,只引起了5%的大脑区域的同步激活。     同步性的高低在一

复习考试可以改变大脑结构

图片
    高考刚过,现在又是广大大中小学生期末考试的时候了。考试是一件很痛苦的事,特别是在中国,人们总是把脑力劳动变成体力劳动。所谓体力劳动,就是重复的、机械的记忆大量无意义的内容。而我最近无意发现一篇论文,高强度的准备考试,竟然会改变学生的大脑结构。     这是一组德国科学家在2006年做的研究。研究设计很简单,就是拉来准备德国医学考试的学生分别在考前3个月、考试后1-2天以及考试后3个月进行大脑磁共振扫描。研究者扫描的并不是反映脑功能的BOLD图像,而只是反映大脑结构的T1像。对于MRI图像,研究者可以把每个被试的图像分割成灰质、白质和脑脊液,然后用形态学分析方法计算大脑中每个位置的灰质密度。这样研究者就可以比较这组被试在不同考试阶段的脑结构的变化。     下图左显示了被试在考试后灰质体积显著大于考试前的区域,主要分布在后部和外侧顶叶皮层。如右图所示,这些区域的灰质体积在3个月的复习后会显著增加,而在另外三个月没有复习的阶段灰质体积保持不变。这一结果有一点出乎意料,因为研究者的假设是高强度学习会改变与记忆有关的海马。不过也有证据表明后部顶叶皮层也与陈述性记忆有关。     三个月的复习就会改变大脑结构,这还是挺让人惊讶的。不知道这种结构的改变是否有极限。我想要研究这个问题,中国的高中生应该是最好的样本了。高中生的整个高中阶段就是为一个一个的期末考试以及最后的高考准备。那么高中生的大脑结构会在每次考试后达到顶点然后下降波动,还是会像登台阶一样一直上升,还是在某一时刻就达到了平台?不管做出什么样的结果,都还是蛮有趣的。     最后还有一个想法,就是应该研究一下读了PhD (博士)后大脑结构的变化。我猜测肯定能做出结果,这样就可以为永久性脑损伤 (Permanent Head Damage)假说提供证据支持了 :) Draganski, B., Gaser, C., Kempermann, G., Kuhn, H.G., Georg, H., Winkler, J., Büchel, C., & May, A (2006). Temporal and Spatial Dynamics of Brain Structure Changes during Extensive Learning Journal of Neuroscience

同步大脑

图片
    我们理解别人的行动与情绪,依赖于所谓镜像神经元 ( wiki )。镜像神经元最早在猴子的电生理研究中被发现,即这一组神经元既在猴子完成某一动作时发放,也在观察别人完成同一动作时发放。当前的理论认为镜像神经元会对他人执行的动作产生共振,从而帮助理解对方的行为。由于技术限制,共振理论一直只是推测,不过最近PNAS上的一篇文章巧妙的记录了执行动作与理解动作的两个大脑,并找到了支持共振理论的证据。     研究者让12对情侣在MRI机器中完成猜词游戏。就是一方通过手部动作描述一个动作或物体,比如骑车、电话,另一方猜出是什么词。因为MRI机器的局限,两个人不能同时扫描。所以一个人先到机器里做7个词语的动作,被录像。随后另一个人进入机器中看录像猜词语,然后再做7个动作给对方猜。如此反复。虽然执行动作和猜动作不是同时进行,但可以根据录像的时间将两个人的神经信号放在一起进行分析,以检验是否大脑中存在同步。     研究者使用Granger causality来研究执行动作和和猜动作者大脑活动的相互关系。与预期相同,结果发现执行动作的大脑中的镜像神经元区域的神经活动可以引起猜词者大脑中镜像神经元区域的共振,而相反则没有。这一结果第一次在两个大脑之间发现了共振的关系。     不过这边文章选择情侣作为被试,似乎混淆了很多因素,比如两人对某一共同事件的回忆或者卷入了情感信息。这限制了研究的可推广性。如果选择两个完全不相关的人完成同样的任务,可能会使结果的解释更纯粹一些。不管怎样,这篇文章告诉我们,所谓心灵相通,就是大脑的同步。:) Schippers, M., Roebroeck, A., Renken, R., Nanetti, L., & Keysers, C. (2010). Mapping the information flow from one brain to another during gestural communication Proceedings of the National Academy of Sciences DOI: 10.1073/pnas.1001791107

Benford定律

图片
    今天李淼老师在他的 博客 上介绍了Benford定律。所谓Benford定律就是指从以1开头的数字到以9开头的数字,数字出现的频率以指数的衰减的规律。我一开始没太注意,但阿饭很激动。我本来不太相信,正好写论文写的无聊,就用Google验证了一下。我分别搜索了11, 21, 31, ..., 91这九个数字,以Google返回的结果数作为指标。下面是结果:     下面是归一化的结果,11的出现频率占了整个结果的33.2%, 而91只占了2.7%。我没有做函数拟合,但看起来还是符合指数衰减的。这个结果实际上已经可以回答阿饭的问题了,因为Google搜索结果可以作为词频的估计 (详见 这里 ),而词频可以影响人的加工速度已经是很确定的结论了。     当然,作为一个严谨的blogger,我还做了对照。下面是用Google搜索11, 12, 13, ..., 19 这九个数字的结果。这次并没有出现指数衰减,9个数字的频率差不多。这是为什么,其实我也没太搞清楚...

刮风导致股市下跌

图片
    股市会受到天气的影响?听起来荒诞,但其实挺靠谱的。这里首先要搞明白两个关系。第一是股市不仅受客观经济规律的影响,而且还会受到心理作用的影响。人们投资并不会完全理性的将自己的利益最大化,而常常会受到非理性因素的影响,其中情绪是很重要的一方面。第二是人们的情绪会显著受到天气的影响,晴天会高兴,雨天会抑郁,刮风会烦躁。将这两点关联起来,就可以推测天气也许会影响股市的走势。      Improbable Research 介绍了台湾学者的一个研究,证实了刮风会影响股市的收益。作者研究了欧洲18个国家1994年到2004年的股市走势与天气的影响。作者发现了风速与股市回报的显著负相关,即风越大则股市表现越差。而晴天对股市却没有什么影响,这说明风对人们心情的影响比阳光要大。不管怎样,这个研究告诉广大股民们,不要看股评了,看天气预报也许更靠谱。 Shu, H., & Hung, M. (2009). Effect of wind on stock market returns: evidence from European markets Applied Financial Economics, 19 (11), 893-904 DOI: 10.1080/09603100802243766

DCM笔记

之前提到Ten simple rules for dynamic causal modeling这篇文章,最近因为要处理数据所以仔细看了一下。文章提到了很具体的操作建议,而且对一些常见疑问进行了回答。下面是我的笔记。 1 DCM的因果关系不只来源于观测信号的先后关系,还和模型的设置有关系 (主要是外部输入信号)。 2 使用DCM模型主要是为了做两类推测。推测模型空间vs.推测具体的模型参数。 3 DCM没有给出模型与数据的拟合性指标。即使整体拟合程度不好,仍然可以比较哪一个模型更好一些。 4 即使目的是估计一两个具体的模型参数,第一步仍然要做模型选择bayesian model selection。 5 DCM模型最适合估计连通性受实验操纵的改变 (modulatory effect)。 6 连接强度的改变可能源于膜兴奋性改变 (membrane exitability)或突触可塑性的改变。 7 所有的模型都是错的,但是有些是有用的“Essentially, all models are wrong, but some are useful.”-Box 8 要系统的定义模型空间。 9 模型选择的组分析。FFX假设每个被试的最佳模型是相同的;RFT每个被试的模型可能是不同的。 10 不同数据的模型不能用BMS比较。因此对于fMRI来说,区域数量不同的模型是不能比较的,因为观测数据就是区域的时间序列。但对于EEG/MEG,可以通过对比找到最合适的源。 11 对具体参数进行组分析需要注意多重比较校正。 12 优化fMRI实验的策略同样适用于DCM。但DCM最适用于参数设计,最好可以区分driving effect和modulatory effect。 13 扫描不同层信号的采集时间不同,但1s范围内的时间差别是可以忍受的。因此,TA最好限制在2s以内,并且用中间层作为分析的参照。基于上面的原因,最好采用升序或降序采集,而不是interleaved采集。 14 DTI纤维束可以作为DCM模型中连接的先验知识。解剖连接的发育会限制effective connectivity,但并不是完全决定effective connectivity。 15 计算模型的参数也可以用来建模DCM,比如prediction error。 &rft St

静中之动

图片
绘画是二维平面的艺术,如何在二维平面中表现出超出二维的信息 (如立体感),是绘画创作中的一个挑战性的问题 (纯外行,有错请拍砖)。除了空间感,另一个重要的维度就是时间。因此如何在绘画中表现动态感,也是一个很有意思的问题。我对绘画艺术不在行,但是还是看到过一些让我印象深刻的作品,比如法国画家杜尚的《下楼梯的裸女》 (右图)。这幅画用错乱的线条,将每一帧下楼梯的动作定格在画面上,从而展现出整个下楼梯的动态过程。不过说实话,我一直觉得创作这样作品的艺术家可能有某类精神疾病,比如李献计的差时症? 在东方绘画中有一种截然不同的表达方法,比如日本画家葛饰北斋 (Katsushika Hokusai)的一组 北斋漫画 (Hokusai Manga)。北斋漫画是包含3000多幅木版画的漫画集,内容覆盖很多方面。其中一些人物图像以一种不稳定的姿势表现,如下图左侧的人物。画者通过这种极其不稳定的、挑战地心引力姿势来创造强烈的运动感觉。 人脑看到这样的图片会有什么反应呢?最近,日本京都大学的研究者研究了人们在观看北斋漫画时的大脑活动。被试躺在磁共振机器 (MRI)里观看不同类型的漫画图片,同时进行fMRI扫描。漫画分三种类型:第一类是处于不稳定姿势的人物图片,第二类是静止的人物图片,最后一类是静止的物体。通过对比在观看这三类图片大脑活动的差异,研究者发现,被试在观看带有运动信息的图片时会显著激活与运动加工相关的MT区。 这个结果其实并不奇怪,因为早就有研究发现蕴含运动信息的照片会激活MT区。不过对于人为创作的绘画作品来说,如何表现运动信息,表现的程度如何,也许可以通过脑成像的方法来验证。也许这门学科可以称之为艺术认知神经科学吧:) Osaka, N., Matsuyoshi, D., Ikeda, T., & Osaka, M. (2010). Implied motion because of instability in Hokusai Manga activates the human motion-sensitive extrastriate visual cortex: an fMRI study of the impact of visual art NeuroReport, 21 (4), 264-267 DOI: 10.1097/WNR.0b

人脑中的网格细胞

图片
网格细胞 (grid cell)的发现,为我们理解大脑中如何表征空间位置提供了很直接的证据。2005年,一组挪威科学家在Nature上最先报道了大鼠脑中网格细胞的存在。研究者让大鼠在1平米左右的空间内自由活动,同时记录大鼠内嗅皮层 (entorhinal cortex)内神经元的发放模式。其中有一类很有意思,当大鼠走到环境中特定位置时神经元会激活,而且引起神经元发放的位置在空间中呈规则的形状排列。如下图所示,黑色或红色的线代表老鼠运动的轨迹,红色线表示网格细胞激活的位置。在整个空间中,网格细胞发放的点成规则的等边三角形排列,使整个空间成六边形蜂窝状。这个发现第一次揭示了老鼠大脑中对外部环境空间的表征方式。 图片来自 这里 那么人类脑中是否存在网格细胞呢?对于人来说研究网格细胞有两个困难。第一,无法对人进行单细胞记录,要记录活体人类的大脑神经活动,目前最好的办法只能是fMRI。但以fMRI的分辨率只能记录成千上万神经元的集合。第二,MRI扫描需要被试躺在机器里保持静止,被试根本无法在空间自由走动。 图片来自  这里 不过最近英国伦敦大学学院 (UCL)的一组科学家巧妙的用fMRI发现了支持人类存在网格细胞的证据。首先研究者采用虚拟现实技术,给被试呈现如上图一样的场景。被试可以操作键盘在场景中走来走去,同时完成一些任务。因为fMRI只能记录神经元群的活动,因此研究者先研究了大鼠脑中网格细胞神经元群的活动特性。因为不同网格细胞对环境中的不同位置起反应,从而可以对整个环境的不同位置进行编码,因此记录一群细胞是无法区分单个细胞所编码的网格位置。但是,对于同一只老鼠的不同网格细胞,网格朝向角度是相同的。进一步研究者还发现,网格细胞群的活动还受运动方向的调制。如果运动方向与网格朝向一致,则神经活动更高。最后,网格细胞的发放还受到运动速度的调制。运动速度越快,网格细胞群的网格性就越强。根据这三个属性,就可以用fMRI验证网格细胞的是否存在。 对于每个被试来说,网格细胞的朝向是不一样的。因此研究者首先用用结构像定义内嗅皮层,然后找到对某一运动方向相应最强的方向。实际上,内嗅皮层区域的激活在以60度为间隔的六个方向上激活最强,而且激活强度还受到运动速度的调制。随后再用新的一批数据,在全脑中寻找激活水平受到运动方向调制的区域,结果在全脑范围内只找到了内嗅皮层的区域。并

用fMRI与植物人交流

图片
植物人状态是受到严重脑外伤昏迷后,虽然苏醒但仍然没有意识的状态 ( Vegetative State, VS )。比植物人状态稍轻微一点的状态是最小意识状态 ( minimally conscious state, MCS )。在最小意识状态,病人偶尔会显示出对外界刺激的反应,但这种反应并不一致。在临床上对病人意识状态的诊断通常只能通过病人的行为反应进行判断,比如病人是否会对外界刺激进行反应。这就可能出现一个很可悲的状况,如果一个病人存在意识,但是丧失了运动能力,他同样无法对医生的刺激进行反应。这时我们仍然得把病人归类为植物人状态或最小意识状态。很多病人的家属会固执的认为病人还存在意识,可以理解自己的话,因此会坐在床边一直与病人说话。在琼瑶阿姨的电视剧中,这时镜头一转,就会发现病人眼角一行眼泪流下~ 眼泪是不靠谱的,不过有fMRI,我们可能读到藏在植物人脑中的意识。早在2006年,Owen等就在Science上就报告了一个惊人的发现。研究者对一名因车祸而成为植物人的病人进行fMRI扫描。同时,研究者让病人进行两种想象任务:一种与运动相关,想象自己打网球的动作;另一种与空间相关,想象自己在家中行走。结果病人在运动想象任务中激活了辅助运动皮层 (SMA),而在空间想象任务中激活了海马旁回 (PPA)。这种激活模式与正常被试进行相同想象任务的激活模式是一致的。从而提供了很强的证据,表明这名女病人可以理解研究者的话,并与研究者合作完成了想象任务。虽然可能因为运动功能的丧失导致病人无法与研究者交流,但病人的某些大脑活动是正常的。 (病人在完成运动想象和空间想象任务时的激活模式与正常人很相似,图片来自Owen et al., 2006) 在这个病人之后的3年里,这个研究小组又扫描了54名植物人病人或最小意识状态病人。研究者都让病人完成这两类运动想象和空间想象任务。在这54名病人中,有5名病人显示出了可靠的辅助运动皮层或海马旁回的激活。 接下来,研究者又有了一个天才的想法。如果病人可以成功的主动操控大脑内两个区域的兴奋水平,那么也许可以通过监控这两个区域的激活水平来与病人交流。研究者选取了一名大脑活动响应最可靠的病人,让病人回答一系列问题。问题与病人生活有关,病人只要回答是/否就可以,比如“你父亲的名字是Alexander么?”同时,研究者告诉被试,如果答案是

fMRI显示视皮层第4层的特异激活

图片
fMRI虽说是目前研究人类脑功能的空间分辨率最高的技术,但通常分辨率只是3mm×3mm×5mm,即几毫米的尺度。因此通常只能定位某一个脑区,而很难定位皮层上的某一层、或某一功能柱。最近发现一些小组试图用fMRI观察视皮层的特定一层的激活,感觉还是蛮有趣的。 上图是MRI图像得到的人类视皮层结构像。其中灰色的是灰质 (GM),即皮层,白色为白质 (WM),黑色为脑脊液 (CSF)。皮层分为六层,每层有不同种类的细胞,分别负责传入、传出或者水平联系。研究者让被试观察闪烁的棋盘格,同时计算沿皮层表面切线方向上的信号激活情况。结果如下图: 从左到右,分别是白质、灰质和脑脊液。可以看到,看到闪烁的棋盘格后,白质没有激活,灰质显示出了激活,而脑脊液中的激活最大。但脑脊液的激活是由于血管效应的影响,如果去除血管的影响,则脑脊液的激活就会降低。最有意思的结果是,在皮层的激活中,第4层产生了最高的激活。 从图中可以看到,整个皮层的厚度为2.25mm,而本研究中fMRI扫描的分辨率为0.75mm×0.75mm×0.75mm。看起来结果还不错。但想想整个第4层就是1个像素的宽度,这种分辨率在实际中应用可能还是很困难的。 文章中一个让我惊讶的结果是,由于血管效应的影响,使得脑脊液中的激活最大,甚至远远大于皮层第4层的激活。在通常fMRI的分辨率下,这些区域可能都混合在一个像素中,那得到的效应究竟是什么,鬼才知道... Koopmans, P., Barth, M., & Norris, D. (2010). Layer-specific BOLD activation in human V1 Human Brain Mapping DOI: 10.1002/hbm.20936

电刺激前额叶皮层可以增加欺骗行为

图片
认知神经科学研究的一个热门问题就是欺骗和测谎的问题。功能磁共振的研究已经发现了在人在说谎时会显著激活前额叶皮层和前扣带回。一些实验室中的功能磁共振测谎研究报告的准确率能达到88%到99%。但是功能磁共振研究的局限是,只能得到相关的结果,即人在说谎的同时会前额叶皮层会激活。但解释可以是双向的,前额叶皮层既可能负责生成谎言,也可能是说谎后产生的内疚感造成的前额叶皮层的激活。要想得到因果推论,最好的办法是通过外部刺激激活或抑制某个大脑区域的活动,再观察刺激后被试的行为反应。 Cerebral Cortex这篇文章使用的是一种叫 透颅直流电刺激 (Transcranial direct current stimulation, tDCS)的方法刺激大脑活动。电刺激的方法是比较简单的,头皮上接上电极,通上1mA左右微弱的直流电即可。电流刺激通过改变神经元发放频率来控制神经区域的活动。通常来说,正性电流会增加神经活动,而负性电流会抑制神经活动。 在实验中,实验者让被试扮演小偷的角色,在实验的房间中偷走20欧元,随后接受实验者的审问。审问的方法采用犯罪知识测验 (Guilty Knowledge Test, GKT)。测试的场景与很多国外影片中的场景类似。被试身上贴满了电极,同时回答一系列与犯罪有关的问题,被试只能进行“是”或“否”的回答。比如,“你偷的钱包是红色的么?”问题可能是真的,也可能是假的。如果是无辜者,他将不知道问题是否正确。如果被试在判断与犯罪相关问题时生理响应显著大于无关问题,则说明被试了解犯罪的情况。被试被告知如果能够欺骗审问者,被试将会得到所偷的20欧元。因此在实验中,被试会选择在某些问题上说谎,以达到欺骗审问者的目的。 被试的右侧前额叶连接了电极,电刺激可能是正性、负性或是没有电流的控制条件。结果发现只有在负性电刺激时,被试说谎的比率会升高。同时,负性电刺激后说谎的反应时会变快,皮肤电导并不增加,而负罪感也会降低。而正性电刺激后的行为反应与控制条件没有差别。前额叶皮层被认为是与社会情感判断有关。因为在实验情境中,被试遇到了利益与道德的权衡,因此使用负性电刺激抑制了前额叶皮层的兴奋,可能会损坏被试的情感判断,以致增加了反社会行为。 目前比较流行的刺激大脑活动的方法是透颅磁刺激 (Transcranial magnetic stimula

Optogenetics

图片
去年10月份诺贝尔颁奖时,水滴曾经在讨论哪些脑科学的研究能得诺贝尔奖。我后来想,其实可以参考一下 Golden Brain Award 的结果。这个奖项我之前关注过,虽然不知道权威性如何,但得奖的都是大牛,比如Zeki, Desimone, Damasio, Treisman, Logothetis, Schultz, Friston, Dolan 和 Kanwisher,所以应该有些参考价值。 今年的 Golden Brain Award 奖颁给了斯坦福大学的 Karl Deisseroth 。这个人我之前没听说过,仔细一看原来是他发明了现在火得不了的 Optogenetics (光遗传学)。传统的遗传学方法是通过改变某些基因,来看基因对神经活动和行为的影响。这类方法的时间分辨率很低。而光遗传学的方法可以通过光控制的通道或酶,从而可以通过激光控制某一类神经细胞的活动。比如,可以诱发活体动物脑中某一类细胞按照某一特定频率发放。2005年 Deisseroth 小组首次在技术上实现了用光控制神经活动,到现在就已经发表了近十篇 Nature, Science 的文章。 看起来这种方法对于干预大脑活动很有效,无论时间上还是空间上的分辨率都很高,应该是一个很有潜力的技术。