论文部分内容阅读
人脑是一个不断交流的动态网络,人们很早就认识到大脑区域之间的相互作用是方向性的。能够评估大脑区域相互作用的方向性对于理解大脑神经网络的相互作用是非常重要的,并且研究大脑区域之间信息流的方向可以突出重要脑区在脑网络中的作用。基于静息态功能性磁共振成像(fMRI)数据的小尺度网络之间的因果关系已经被广泛的研究,并且已经取得了许多显著地成果。然而,大尺度网络之间的因果关系尚未得到很好的阐述。全脑脑区之间是如何相互因果影响的很大程度上还是未知的。本研究主要结合全局Granger因果分析方法及图论法对大尺度脑网络之间的因果关系进行初步的研究,研究主要工作包括:(1)对103个健康被试(包含66个女生和37个男生,年龄在20-23岁之间)的功能性核磁共振图像(fMRI)数据通过SPM、DPSARF等软件做时间层校正、做头动校正、图像空间标准化处理等预处理,得到全脑90个脑区的时间序列。(2)利用全局Granger因果关系算法来计算全脑90个脑区的时间序列之间的因果关系,得到全脑因果网络的连接矩阵。再对连接矩阵进行T检验,只保留P<0.05范围内的值。结果显示,对于全脑因果网络,在全脑90个脑区之间的1248个可能的因果连接中,有817个因果连接被确定为显著的,经过分析证明本结果是有效、合理的。(3)利用全局Granger因果关系算法来探索四个大尺度认知网络:中央执行网络(central executive network,CEN)、默认网络(default mode network,DMN)、背侧注意网络(dorsal attention network,DAN)和突显网络(salience network,SN)脑区之间的因果关系,得到因果网络的连接矩阵。再对连接矩阵进行T检验,保留P<0.05范围内的值。研究结果显示,在CEN中,背外侧前额叶皮质(DlPFC),中背外侧前额叶皮质(mDlPFC),背内侧前额叶皮质(DmPFC)对上顶叶皮质(SPC)有明显的因果影响。在DMN中,内侧前额叶皮质(MPFC)显示出对后扣带皮质(PCC)的显著直接因果影响。在DAN中,上顶叶(SPL)可能同时接受着眼动区(FEF)的直接和间接因果影响,然后从顶上小叶(SPL)传递到顶内沟(IPS)。而且IPS对FEF有着显著的因果影响。在SN中,背外侧前额叶皮质(dACC)对额叶皮质(FIC)有着显著的因果影响。(4)结合图论法对得到因果网络进行更进一步的分析,得到了全脑全脑因果网络的7个因果输出源和10个因果接收源,以及四个大尺度认知网络的因果输出源和因果接收源,确定了脑网络中的重要区域。我们的研究表明:在静息状态下,相对于其他大脑区域,SN的因果动态信息会对其他脑网络施加很大影响,而DMN比较容易受到其他大脑区域的因果影响。