注意成分的相互关系及其功能脑网络研究

论文摘要

注意是指意识对物理环境或某些特定记忆的指向和集中的心理过程。以往研究发现注意损伤会导致一系列的负面结果,例如学习能力降低,工作表现下降等。此外,研究发现很多临床疾病患者都具有注意障碍,其中包括注意缺陷多动障碍症、抑郁症、精神分裂症等。因此,注意一直是认知科学领域的中心主题。目前,最主流的注意系统模型为注意网络模型,由警觉、定向和执行控制三个子成分构成,大量认知和临床研究基于该模型对注意系统进行探索。但是迄今为止,不同注意成分的神经结构、注意成分之间是否存在相互作用以及如何相互作用仍不明确。本文采用稳态纯组块实验范式改进的注意网络测验和功能磁共振成像（functional magnetic resonance imaging,fMRI）来研究三个注意成分对应的功能脑网络结构以及成分之间的交互作用,从而探测注意系统的认知神经机制。本文研究内容分为以下两个部分:第一部分,采用相干分析、偏相关分析、中介分析等方法探索注意网络成分的对应神经网络结构及注意网络成分之间的交互作用。注意任务行为学结果显示三个注意分数的高信度以及注意分数之间存在较高的相关性;神经影像学结果表明三个功能不同的注意网络中的大量脑区连接及关联脑区是重叠的,这表明同一个脑区在执行不同认知功能时可以从属于不同的注意网络。行为学与神经影像学的中介分析结果一致,都表明执行控制在调节警觉成分与定向成分之间的关系,预示着执行控制在注意系统中起至关重要的作用。总的来说,这些结果阐释了三个注意成分如何协同作用从而形成一个完整的注意系统,为深入理解人类注意系统的神经认知机制提供了新的见解。第二部分,由于第一部分未能具体探测不同注意成分的频率特征,本研究基于频段划分方法从个体差异方面研究注意成分功能。该部分基于静息态功能磁共振分频大尺度功能脑网络,采用支持向量回归（support vector regression,SVR）和留一交叉验证方法来构建注意成分预测模型,同时探索注意成分的频率特异性、对应的预测脑网络结构以及它们之间的相互关系。研究发现警觉以及执行控制成分的固有预测功能脑网络存在于0.027-0.073 Hz频段,而定向的固有预测功能脑网络存在于0.073-0.198 Hz频段,同时注意反应时变异性的固有预测功能脑网络存在于0.198-0.25 Hz频段,揭示了不同注意成分固有功能脑网络的频率特异性,即不同注意功能加工处于不同特定频段。通过进一步分析四个预测网络结构,我们发现三个注意成分预测网络表现出网络特异性,而三者的脑区节点具有较高重叠性,这说明三个注意成分网络结构相对独立,但三个网络可能通过共有的脑区节点实现交互作用。总而言之,本研究的预测模型能较好地预测注意功能上的个体差异,表明静息态分频大尺度脑功能网络可以反映注意成分的神经机制,为理解人类注意系统的认知神经机制提供新思路,同时也为与注意相关的临床诊断和治疗提供理论模型。综上所述,本文发现不同注意成分之间存在交互作用,而且执行控制在注意系统中起着中介调控作用,是注意系统的核心功能。同时,注意成分具有频率特异性并且不同注意成分的功能脑网络涉及较多共同脑区,这表明在执行不同注意功能时同一个脑区可以从属于不同注意成分功能脑网络。本文还提出了基于静息态分频大尺度功能脑网络的注意预测模型,为从个体差异方面研究注意机制提供了新思路。本课题研究结果为揭示注意系统的认知神经机制提供新依据。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 磁共振成像概述
•     1.1.1 磁共振成像物理原理
•     1.1.2 功能磁共振成像原理
•   1.2 低频稳态脑响应研究
•     1.2.1 大脑的节律性活动
•     1.2.2 低频稳态脑响应的研究基础
•     1.2.3 低频稳态脑响应的作用机制
•   1.3 注意成分研究
•     1.3.1 注意网络成分概述
•     1.3.2 注意网络测验概述
•     1.3.3 注意成分研究现状
•   1.4 论文的研究内容与意义
•   1.5 论文的结构安排
• 第二章 注意成分的功能脑网络及成分间交互作用研究
•   2.1 引言
•   2.2 材料与方法
•     2.2.1 研究对象
•     2.2.2 实验程序
•     2.2.3 行为学数据分析
•     2.2.4 功能影像学数据采集与数据预处理
•     2.2.5 功率分析
•     2.2.6 相干分析
•     2.2.7 注意功能脑网络定义方法
•     2.2.8 中介分析
•   2.3 结果
•     2.3.1 行为结果
•     2.3.2 频率特定任务效应
•     2.3.3 三个注意成分的功能脑网络结构
•     2.3.4 中介分析结果
•   2.4 讨论
•     2.4.1 高信度的注意分数
•     2.4.2 注意分数之间的依赖性
•     2.4.3 三个注意成分相对应的神经网络
•     2.4.4 频率特定的高信噪比神经振荡与分离的注意网络模型
•     2.4.5 执行控制中介调节警觉与定向的关系
•   2.5 本章小结
• 第三章 基于静息态分频大尺度功能脑网络的注意功能预测研究
•   3.1 引言
•   3.2 材料与方法
•     3.2.1 研究对象
•     3.2.2 实验程序
•     3.2.3 行为学数据分析
•     3.2.4 影像数据采集与数据预处理
•     3.2.5 全脑功能连接
•     3.2.6 特征选择
•     3.2.7 支持向量回归与预测
•     3.2.8 预测模型评估
•   3.3 结果
•     3.3.1 预测量表
•     3.3.2 预测结果
•     3.3.3 一致特征与预测网络
•   3.4 讨论
•     3.4.1 注意成分的频率特异性
•     3.4.2 注意预测网络与网络间的关联性
•   3.5 本章小结
• 第四章 总结与展望
•   4.1 本文总结
•   4.2 工作展望
• 致谢
• 参考文献
• 硕士期间取得的成果

文章来源

类型: 硕士论文

作者: 杨埔

导师: 陈华富

关键词: 注意成分,功能脑网络,交互作用,频率特异性

来源: 电子科技大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 生物学,基础医学,临床医学

单位: 电子科技大学

分类号: R445.2;R338

总页数: 67

文件大小: 4052K

下载量: 138