网站首页 > 新闻中心 > 脑科学新闻
联系方式
手机:18580429226
联系电话:023-63084468
联系人:杨晓飞
联系邮箱:syfmri@163.com
联系地址:重庆市渝中区青年路38号重庆国际贸易中心2004#
信息内容
DCM+HARDI:脑结构和有效连接是生物运动检测的基础
发布者:admin 发布时间:2019/3/19

Centre Hospitalier Universitaire Vaudois研究人员在PNAS上发文表示:结构和有效连接是生物运动检测的基础。本研究基于高角分辨率弥散图像(High Angular Resolution Diffusion Imaging, HARDI)和功能磁共振影像(Functional Magnetic Resonance Imaging, fMRI)构建了大脑结构和有效连接,并对其进行了综合分析。

本研究评估了生物运动(point-light biological motion, BM)处理过程的大脑-小脑网络,主要结果如下:

1)基于动态因果模型的结果表明,右侧颞上沟Superior temporal sulcus, STS)在颞叶模块中起到整合作用,但是STSoccipito-temporal和额叶区域的功能整合中未起到门控(gatekeeper)作用:梭状回fusiform gyrus, FFG),颞中回middle temporal cortex, MTC)与右侧额下回(inferior frontal gyrus, IFG),脑岛间存在连接,该结果预示多并行通路。

2)本研究发现了左下侧小脑小叶脚ILeft Lateral Cerebellar Lobule Crus I)和右侧STS之间,以及在左侧Crus I和右侧脑岛之间有效连接的BM特异(BM-specific)的环路。FFGSTS之间的结构通路的prevalenceBM的检测具有密切关联。

3)典型变量分析表明BM视觉灵敏度可以通过FFGSTS和从IFG脑岛和STS到初级视觉皮层(Early Visual Cortex)的有效连接进行最好的预测。总之,本研究不仅探究了BM处理相关的大脑-小脑的网络结构,还为评估社会脑(social brain提供了研究前景。

 

关键字:生物运动,动态因果建模,DTIfMRI,脑网络

 

非语言社会认知在人类日常生活中占有主导地位,身体表达的理解是社会认知的一个关键要素。动态身体信号的感知通过点光源生物运动(Biological Motion, BM)来评估,因为能够将运动的效果与其他属性(体型或面部表情)进行分离。先前功能磁共振的成像、正电子发射断层扫描、脑电图和脑磁图研究揭示了BM处理网络的组成部分。但是,人们对这个网络中的通信仍然知之甚少。虽然先前研究主要研究脑区有颞上沟(superior temporal sulcus, STS),梭状回(fusiform gyrus, FFG),颞中回(middle temporal cortex, MTC)、顶回区域、额下回(inferior frontal gyrus)、双侧脑岛和左下侧小脑,但FFGMTC在生物运动(BM)的作用仍然不明确。因此,本研究的目的为:首先,评估BM处理过程如何调节颞叶模块内的因果交互以推断FFGMTCSTS之间的连接模式;其次,评估BM是否单独调制FFGMTC的输出到STS,或者评估FFG/MTC与其他高阶区域的有效连接,以表明FFGMTCSTS预处理之外的功能作用;再次,评估早期视觉皮层是否来自的高阶区域的BM特异的自上而下的调控;最后,评估网络连接是否以及如何预测行为表现。

本研究共招募了15名具有正常视觉的男性受试者(年龄为26+1.04岁)参与研究,剔除刺激呈现出现技术问题的2名受试者和不能跟随指令的1名受试者,最后保留了12名受试者。所有受试者在点光生物运动范式下采集了fMRIHARDI数据。其中,伪点光BM呈现受到先前神经影像研究启发,一种刺激由在头部和身体关节放置11个光点的行走者组成(图1所示),另外一种刺激为缺少行走者的。在实验过程中,要求被试判断是否有步行者在场,并用右手食指按下对应按钮。

1. 点光生物运动的示意图

本研究首先采用标准化的流程对fMRIHARDI数据进行了预处理。其次,fMRI数据采用一般线性模型(GLM)进行点光刺激的局部特异性效应分析p<0.05,经过FWE校正),并确定了5个右侧皮层区域和左下侧小脑小叶脚I(与缺少步行者的刺激相比,存在步行者的刺激具有显著增加的BOLD激活)以及1个早期视觉皮层(early visual cortex, OCC;与基线相比,视觉刺激具有显著增加BOLD激活,而对BM未有显著激活);再者,基于局部特异性效应fMRI分析确定的激活区,本研究在HARDI数据上采用概率追踪算法计算了种子区域之间的结构连接。接着,本研究对激活区域进行了动态因果模型分析(dynamic causal modelling, DCM),计算了不同激活区之间的有效连接。然后,本研究采用贝叶斯模型约简法评估了网络中有效连接的BM处理的特异效应的假设。其中,本研究假定了BM对颞叶模块内(包括MTCFFGSTS)有效连接的调制影响;对MTCFFGSTS与脑岛、IFG之间的有效连接的调制影响;对从STS、脑岛、IFGOCC自上而下的连接。最后,本研究利用典型变量分析评估了个体的视觉灵敏度评分d-prime和调制DCM参数之间的相关性。

 

研究结果

行为学

在实验中,受试者对点光步行者是否存在的识别正确率为90.3%范围为71.7%-100%),平均命中率(正确检测到步行者)为87.2%(范围为71.7%-100%),对BM视觉灵敏度的测量指标d-prime3.64±1.55 (范围为1.15-6.43)


fMRI分析

基于存在步行者vs缺少步行者刺激的BOLD响应信号的全脑分析,本研究发现具有BM特异(BM-special)效应脑区位于在双侧MTCMNI空间坐标:右侧:x=46,y =-68, z=0; 左侧:x=-48, y=-70, z=-2),右后侧STSx=50, y=-40, z=-10),FFGx=42, y=-56, z=-14),右侧前脑岛(x=36, y=24, z=2)),右侧IFG和左侧小脑小叶脚Ix=-36, y=-54, z=-28)。如图2所示。

2. BM的大脑激活

结构和有效连接的整合

为探究分析有效连接,本研究构建了包括FFGMTCSTS、脑岛、IFG、左下侧小脑小叶脚I和早期视觉皮层(Occipital cortexOCC)在内的DCM模型。其中,与基线相比,两种类型的刺激激活的OCCx=18, y=-94, z=0p<0.05,经过FWE校正)能够为驱动视觉输入提供单一、神经生物学上合理的入口点。如图2所示。

本研究基于HARDI数据采用概率追踪算法计算了7个网络节点之间的结构连接。然后,将结构连接整合到DCM模型中以约束DCM模型中响应区域之间有效连接组水平的先验概率。同时,由于结构连接强度和先验概率之间的精确关系在study-by-study basic上具有可变性,本研究创建了超参数(intercept of sigmoid,α;sigmoid slope,δ;最大先验第二水平概率,Σy max)定义的405个不同的从结构到功能的sigmoid mapping,并采用贝叶斯模型约简法选择最优模型

相对于未知结构模型,最优结构已知结构模型的log证据值为3.43(α=0δ=4Σy max=0.5),对应了结构知情模型97%的后验概率。在该网络中,直接的机构通路解释了大约三分之二的有效连接,特别是颞叶模块中。

基于Structurally informed parametric empirical Bayessi-PEB),本研究探究了BM如何在网络的不同部分调节有效连接的三个假定条件:

1)颞叶模块;(2)到IFG和脑岛的连接;(3)到初级视觉皮层自上而下的连接,每个假设下模型的参数在BM调制效应的先验约束条件下具有特异性。在不同集内和之间,本研究采用贝叶斯模型约简法评估了模型的证据,随后采用贝叶斯模型平均法来评估有效连接的BM敏感性。


在颞叶模块中生物运动对有效连接的调控

首先,本研究探究了哪些在颞叶模块中连接(尤其在FFGMTCSTS之间的连接)可以被BM处理选择性调制。研究结果发现两个等概率模型表现优于其他模型:模型12(只有FFGMTCFFGSTS的连接受到BM的调节,总体后验概率(family-wise posterior probability)为48%)和模型11(仅FFGSTS的连接受到BM的调节,总体后验概率为44%)。如图3.A所示。假定额外的连接模式,本研究推断了从STSMTCFFG有效连接有所缺失。贝叶斯模型平均法表明BM处理未能显著地调节FFGMTCSTSMTC的有效连接。总体来说,上述结果表明了STSFFGMTC脑区接收到BM特异的输入,而没有从STSFFGMTC之间cross-talk的接收到BM特异的反馈。这与STS在颞叶模块中整合的角色保持一致。

3. BM处理中有效连接的调制以及连接的BM特异性改变和视觉灵敏间的相关性


颞叶模块和IFG和脑岛的相互作用

本研究进一步探究了颞叶模块中STS的整合作用是否包含门控(gatekeeper)功能。为此,本研究分析了STSIFG、脑岛间的有效连接独有的BM特异调节的模型证据,以及IFG、脑岛和MTCFFGSTS间的有效连接的模型证据,并进行对比分析。贝叶斯模型约简法的结果表明,最优模型对MTCFFGSTSIFG、脑岛间的所有有效连接进行了BM特异的调制(模型1:总体后验概率100%)。但是,上述研究结果不能表明STS的门控作用,而是强调了FFGMTC对网络的重要贡献。STS类似,FFGMTC两个脑区具有对高阶脑区的BM特异预测。


生物运动处理对自上而下影响的调控

BM调节了从IFG、脑岛和STS到初级视觉皮层自上而下的连接的模型中,贝叶斯模型约简法具有高达100%的总体后验概率。贝叶斯模型平均法表明了调节具有以下表现:BM处理对脑岛到OCCMTCFFG的连接以及STSOCC的连接具有兴奋促进作用,而对IFGOCCMTCFFG的连接具有抑制作用。如图3所示。总之,上述研究结果表明早期视觉皮层受到BM特异的自上而下的影响,并表明STS、脑岛和IFGBM处理网络中具有不同的贡献。


有效连接预测行为

通过典型变量分析,本研究评估了有效连接的BM特异变化与BM视觉灵敏度之间的关联。该分析包括了在贝叶斯模型平均法高达95%的后验概率的调节参数。典型变量分析结果显示BM调制参数与BM视觉灵敏度指标d-prime之间存在密切映射关系(p=0.03),同时表明视觉灵敏度可通过从IFGOCC,脑岛到OCC,脑岛到MTC以及STSOCC自上到下的影响进最优预测。其他BM视觉灵敏度预测因子主要是从FFGSTS和从脑岛到FFG连接的调制参数。如图3.B所示。


FFGSTS之间的结构通路及其与BM检测的关系

基于概率追踪算法,本研究发现了FFGMTC之间具有结构连接。其中,在个体水平上,本研究在5名受试者(共12名受试者)上发现了显著的结构连接。具有显著FFG-STS结构连接的受试者具有更高的BM命中率(Mann-Whitney test U = 0, p=0.003, 双尾,效应大小r = 0.80),但BM的视觉灵敏度d-prime在两组之间没有显著差异(U=11 p>0.05)。因此,白质通路在BM检测中具有独特作用,但不能区分噪声和BM。如图4所示。

4. FFGSTS之间的白质通路及显著的FFG-STS结构连接与BM检测之间的关系。


总结:综上所述,结构和有效连接的整合分析表明,BM处理是并行组织,而不是分层组织。BM网路组织在神经生物学上是合理的,符合最近的研究证据,并挑战了视觉处理严格分层的传统观点。本研究强调了脑岛、STSIFG自上而下调节的重要性,以及FFGSTS通路在BM处理中的重要作用。

 

参考文献:Sokolov A A,Zeidman P, Erb M, et al. Structural and effective brain connectivity underlyingbiological motion detection[J]. Proceedings of the National Academy of Sciencesof the United States of America, 2018, 115(51).

 

感谢微信扫码关注思影

您的支持与帮助是我们前进对动力


获取原文:关注“思影科技”公众号,回复“原文”或“培训”,获取原文pdf及补充材料下载链接,同时欢迎浏览我们的培训通知以及数据处理业务介绍。(直接点击下文即可浏览):


更新通知:第三届脑功能提高班暨任务态fMRI专题班


第七届磁共振弥散张量成像数据处理班(南京)


第五届磁共振脑影像结构班(南京)


第十四届功能磁共振数据处理基础班(南京)


第十五届功能磁共振数据处理基础班(南京)


第四届磁共振ASL(动脉自旋标记)数据处理班(南京)


第九届磁共振脑网络数据处理班


更新通知:第三届脑影像机器学习班(南京)


第四届脑影像机器学习班


第四届动物磁共振脑影像数据处理班(南京)


第十六届功能磁共振数据处理基础班(重庆)


更新通知:第二届脑影像机器学习班  (重庆)


第六届磁共振脑影像结构班(重庆)


第一届脑电数据处理入门班  (重庆,全界面)


第十二届脑电数据处理班(重庆,与入门相邻)


第二届眼动数据处理班(重庆,与脑电相邻)


第十三届脑电数据处理班(南京)


第四届脑电信号数据处理提高班(南京,与十三届脑电相邻)


更新通知:第五届近红外脑功能数据处理班 (南京)


第二届脑磁图(MEG)数据处理学习班


思影数据处理业务一:功能磁共振(fMRI)


思影数据处理业务二:结构磁共振成像(sMRI)与DTI


思影数据处理业务三:ASL数据处理


思影数据处理业务四:EEG/ERP数据处理


招聘:脑影像数据处理工程师