看电影时，脑区间动态联系的跨被试相似性

人在看电影时，大脑如何做反应？一方面，外部的感觉信息实时的输入达到脑中；另一方面大脑会自动生成对故事线的预测，并与输入的信息进行匹配。那么，如果使用功能磁共振实时记录大脑的脑活动，我们会看到什么？

对于观看电影这类复杂刺激的脑成像数据，分析起来还是有很多挑战。相比于常规使用的心理学任务，对电影刺激很难确定某一心理活动具体发生的时间。因此也就无法用简单的模型去测量某些具体时间点对应的心理过程诱发的脑活动。但是好在很多脑区的激活模式是直接受输入的刺激调控的，因此在看同样的电影时不同人在这些脑区产生的激活模式是相似的。因此可以用测量不同被试激活时间序列的相似性来找到参与加工电影刺激的脑区。最早一篇显示被试间激活相似性的研究在2004年发表在Science上。我曾经在2010年的一篇博客中介绍过。


这种被试间相关性分析的方法如上图A所示。在标准化空间上大脑的每一个位置，可以做不同被试看电影时的时间序列的相关。这样就可以得到一张大脑中每个地方相似性的统计图。这类的研究已经有很多，大多发现在看电影时大脑里负责视觉加工的很多区域的激活模式存在很高的被试间相似性。而在负责高级认知任务的脑区，激活模式的被试间相似性并不高。这可能是因为这些区域并没有参与电影加工；但也可能是因为不同人对电影的理解和主观感受不同，所以局部激活的模式也没有太大的相似性。

大脑里的不同脑区负责加工不同层次的信息。它们之间并不是独立的工作的，而是实时的互相传递着各种信息。这也是我们为什么要研究脑区间的连通性，特别是动态连通性的原因。动态连通性在静息态数据处理中是用得比较多。通常可以使用滑窗 (sliding window)的方法计算每一个小时间窗口 (比如说30s)内两个脑区的功能连通性。经过一系列的滑窗，不同窗口之间连通性的变化可能反映了脑区间功能联系的动态变化。但连通性的测量指标 (比如相关系数)很容易受到噪声的影响，特别是功能磁共振信号中的头动、呼吸等生理噪声。另外，哪怕是完全无意义的随机信号，采用滑窗法也会计算出功能连通性的"变化"。那么如何才能说明滑窗间的“变化”是有意义的？这在静息态数据上是个难题。而对于看电影的数据，关于动态连通性的功能意义的疑问似乎可以在一定程度上解决。因为如果连个脑区间的动态功能联系真的是与对电影的理解有关，那么不同被的动态联系也可能是相似的。基于此我们就可以用相似的被试间相关性分析的思路去分析动态功能连通性数据 (上图B)。

这个想法其实并不复杂。作为验证，我们分析了Openneuro上的一个公开数据集。这个数据集包括了被试观看一个Pixcar动画短片《暴力云与送子鹳》时所采集功能磁共振数据。我们先使用常规的被试间相关性分析，计算每个大脑区域大脑活动的被试间相似性 (下图A)。这个结果和之前的一系列研究都类似，发现视皮层和一些高级皮层的脑活动在被时间是高度相似的。其中一个有意思的区域是缘上回 (supramarginal gyrus)，是参与理解他人意图的脑区。 但是更多的高级皮层脑区，包括大部分额叶和颞叶区域的被试间相似性是很低的。


于是我们定义了左右侧初级视皮层、高级视皮层、以及缘上回为种子点，先计算每个种子点和全脑各个脑区的动态功能连通性，再计算这个动态连通性在被试间的相关。上图B行到G行分别显示了六个种子点的分析结果。可以看到大脑中更广泛的区域显示了与各个种子点动态功能连通性的被试间相关性。很有意思的是，很多这些脑区本身的脑活动并没有显示很高的被试间相关性。这说明分析脑区间的动态连通性，可以找到更多有意义的脑区间的动态联系。这些动态联系可能对理解电影的内容起到重要的作用。一个比较有意思的动态联系是缘上回和默认网络 (锲前叶)之间。默认网络也是一个涉及高级认知功能的区域，参与理解电影内容并不奇怪。但是使用传统的激活的相似性并没有发现默认网络的参与。只有使用动态连通性分析时才能够发现默认网络。


上图显示了三对脑区每个被试的动态连通性变化曲线。从图里可以清晰地看到各个被试的动态连通性变化的相似性。类似的图我也用静息态数据画过。因为在静息态中没有一个特定的时间结构，所以动态变化在不同被试间是杂乱无章的。但在看电影的过程中，一些脑区间的动态联系是与电影故事发展的某些属性相关的，因此可以显示较高的跨被试相似性。这是使用电影等自然刺激进行功能磁共振扫描的一大好处。

关于这个方法的更多信息，可以参考我们刚刚发表在Neuroimage上的论文:
Di X, Biswal BB (2020): Intersubject consistent dynamic connectivity during natural vision revealed by functional MRI. Neuroimage. doi:10.1016/j.neuroimage.2020.116698

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

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 Dynami...
阅读全文