基于运动任务的脑功能动态网络的整合研究

论文摘要

功能磁共振成像(Functional magnetic resonance imaging, fMRI)技术是人们探测脑功能活动的一种重要的无损检测手段,由于它具有较高的空间分辨率和可以接受的时间分辨率广泛的应用在各类认知领域。一般fMRI的认知实验设计包括静息态和任务态两种设计方式。如何分析脑功能网络之间在静息态或者任务态中的功能整合以及交互作用是目前认知实验的重点内容之一。论文以静息态实验、视觉提示同步动手实验、运动想象(motor imagery, MI)和运动执行(motor execution, ME)实验、右手运动准备就绪实验以及左手运动准备就绪实验中的人脑功能网络为研究对象。采用分级聚类分析方法(hierarchical clustering analysis, HCA)与邻域相关(neighborhood correlation, NC)以及独立成分分析(independent component analysis, ICA)相结合的方法来探测实验中相关脑功能网络的功能整合特性。采用条件格兰杰因果分析方法(conditional Granger causality, CGC)来探测运动控制回路中涉及的脑功能网络相互之间的交互作用以及因果流向。分列如下:1.采用HCA和NC相结合的方法探测静息状态下男性和女性的脑功能网络整合特性。男女静息状态脑功能网络的分级聚类树存在显著性别差异。同时男性的静态脑功能网络稳定性要强于女性的。2.利用HCA和NC相结合的方法提取视觉提示同步动手任务状态下的运动相关脑功能网络,并且基于提取结果采用一种将活动区时域和空域特性相结合的新指标来度量左右手运动相关脑功能区的活动水平的不对称性。结果显示HCA和NC相结合的方法可以自动地、准确地提取和分类运动相关脑功能区;同时采用新指标度量的结果表明左、右侧感觉运动皮层的活动水平存在显著的不对称性。3.利用HCA与ICA相结合的方法来探测视觉提示、运动想象、运动执行以及休息多任务实验中响应于不同刺激的脑功能网络整合特性。结果显示HCA和ICA相结合的方法可以克服各自的缺点的同时还能充分发挥各自优点,同时我们发现不同的实验任务将会引起不同的脑功能区的功能整合。运动想象任务诱发顶叶上部、背侧前运动区喙部和辅助运动区喙部的功能整合。运动执行任务引起双侧主运动区、背侧前运动区尾部、辅助运动区尾部、颞顶盖和前内侧小脑的功能整合。而休息状态则会引起几个大的脑功能网络的功能整合。这些网络包括视觉加工系统、默认模式网络、记忆系统和执行控制系统。功能整合方面的发现则为进一步研究某种任务诱发脑功能区的交互作用提供了有力支持。4.采用CGC方法评估静息状态和右手运动准备就绪状态下的人脑运动控制相关脑功能区的格兰杰因果影响。我们的研究表明在右手运动准备就绪状态下,人脑运动控制回路的因果信息交换显著高于在静息状态下的情况。我们的研究还证明了以前的一个假设,那就是在右手运动准备就在状态下人脑存在一个通路依次经过ACC、PCC、楔前叶上部(upper precuneus, UPCU)、左侧尾状核(left caudate nucleus, LCN)、扣带运动区(cingulated motor area, CMA)、左侧辅助运动区(left supplementary motor area, LSMA)、左侧主感觉运动区(left primary sensorimotor area, LS1M1)最后回到ACC,它和猴脑中发现的控制回路是类似的但是人脑的运动控制回路信息传输更加复杂。5.采用CGC方法探测在左手运动准备就绪状态下运动控制回路中节点之间的净的因果流向。根据运动控制回路节点之间的净因果流向,我们发现了一条闭合通路,它依次经过ACC、PCC、UPCU、右侧尾状核(right caudate nucleus, RCN)、CMA、右侧辅助运动区(right supplementary motor area, RSMA)、右侧主感觉运动区(right primary sensorimotor area, RS1M1)最后回到ACC。这条通路和前面右手运动准备就绪状态下发现的通路类似但有差别。这也表明了无论是左手还是右手运动都存在固有的控制回路,而且两种回路基本呈现镜像关系。同时各节点的出入度分析还发现在左手运动准备就绪状态下,RS1M1更愿意调制其它节点而LS1M1则更愿意接受其它节点的调制。这一点也暗示着在单手任务时两个半球感觉运动网络之间的竞争关系。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究意义
• 1.2 国内外研究现状
• 1.2.1 关于人脑功能中的性别差异
• 1.2.2 关于视觉动手同步任务这类的功能磁共振数据处理
• 1.2.3 关于运动想象和执行这类的多任务的脑功能网络分析
• 1.2.4 关于运动准备就绪相关脑网络的因果影响评估
• 1.3 论文的主要工作简介
• 第二章 静息状态自发活动分级聚类分析中的性别差异
• 2.1 引言
• 2.2 实验材料和计算方法
• 2.2.1 被试选择
• 2.2.2 扫描序列设计
• 2.2.3 实验刺激任务
• 2.2.4 实验原始数据预处理
• 2.2.5 NC 方法分析
• 2.2.6 HCA 方法分析
• 2.3 结果
• 2.3.1 女性分级聚类树
• 2.3.2 男性分级聚类树
• 2.4 讨论
• 2.5 结论
• 第三章 分级聚类方法在视觉动手同步任务的功能磁共振数据处理中的应用
• 3.1 引言
• 3.2 实验材料和计算方法
• 3.2.1 被试选择
• 3.2.2 扫描序列设计
• 3.2.3 实验刺激任务
• 3.2.4 实验原始数据预处理
• 3.2.5 NC 方法分析
• 3.2.6 HCA 方法分析
• 3.2.7 不对称性的量化分析
• 3.3 结果
• 3.3.1 视觉提示同步动手任务的脑功能网络分级聚类树
• 3.3.2 双手运动的脑功能不对称性分析
• 3.4 讨论与结论
• 3.4.1 视觉提示同步动手任务的脑功能网络分级聚类树
• 3.4.2 双手运动的脑功能不对称性分析
• 第四章 分级聚类与独立成分分析相结合在运动想象和执行的脑功能网络分析中的应用
• 4.1 引言
• 4.2 实验材料和计算方法
• 4.2.1 被试选择
• 4.2.2 扫描序列设计
• 4.2.3 实验刺激任务
• 4.2.4 实验原始数据预处理
• 4.2.5 组的独立成分分析
• 4.2.6 分级聚类分析
• 4.3 结果
• 4.4 讨论
• 4.4.1 HCA和ICA相结合的方法讨论
• 4.4.2 MI和ME多任务实验中的脑功能网络整合
• 4.5 结论
• 第五章 响应于右手准备状态的人脑回路评估
• 5.1 引言
• 5.2 方法和材料
• 5.2.1 被试选择
• 5.2.2 扫描序列设计
• 5.2.3 实验刺激任务
• 5.2.4 实验原始数据预处理
• 5.2.5 组的独立成分分析
• 5.2.6 基于ICA的感兴趣区域选取
• 5.2.7 每个被试的ROI时间序列提取
• 5.2.8 ROI之间的因果流向分析
• 5.3 结果
• 5.3.1 静息态的因果影响
• 5.3.2 运动准备就绪状态下的因果影响
• 5.3.3 运动准备就绪状态下增强的因果影响
• 5.3.4 运动准备就绪状态下减弱的因果影响
• 5.4 讨论
• 5.4.1 方法学上的考虑
• 5.4.2 静息状态和运动准备就绪状态下10个节点之间的因果影响
• 5.4.3 运动准备就绪状态下10个节点之间增强的因果影响
• 5.4.4 运动准备就绪状态下10个节点之间减弱的因果影响
• 5.5 小结
• 第六章 左手运动准备就绪状态下运动控制模型的因果影响评估
• 6.1 引言
• 6.2 方法和材料
• 6.2.1 被试选择
• 6.2.2 扫描序列设计
• 6.2.3 实验刺激任务
• 6.2.4 实验原始数据预处理
• 6.2.5 组的独立成分分析
• 6.2.6 基于ICA的ROI选取以及ROI时间序列提取
• 6.2.7 ROI之间净的因果流向分析
• 6.3 结果
• 6.3.1 基于ICA成分选取的10个节点
• 6.3.2 左手运动准备就绪状态下的净因果流向
• 6.3.3 左手运动准备就绪状态下10个节点出入度差值
• 6.4 讨论
• 6.4.1 左手运动准备就绪状态下的净因果流向
• 6.4.2 左手运动准备就绪状态下的净因果流向构成的通路
• 6.4.3 左手运动准备就绪状态下10个节点出入度差值
• 6.5 小结
• 第七章 全文工作总结和展望
• 7.1 工作总结
• 7.2 展望
• 致谢
• 参考文献
• 攻博期间取得的研究成果
• 第一作者发表的论文
• 参与科研项目