抑郁症患者在回忆自传体记忆时的脑电特征
关注“心仪脑”查看更多脑科学知识
关键词:文献综述、抑郁症、科普散文
01背景
抑郁症是最常见的精神疾病之一,其症状通常表现为情绪以及认知方面的障碍。自传体记忆(autobiographical memory),即对自己生活中所经历的事件的回忆,也在抑郁症患者中发生了改变。其改变相较于无抑郁症的常模人群来说,主要具有两个特点:overgenerality(超概括化)以及mood-congruent recall(情绪一致的回忆)。Overgenerality是指抑郁症患者在回忆自传体记忆时往往缺少事件中的具体细节;而mood congruent recall是指抑郁症患者更偏向于回忆负面性的记忆——痛苦记忆的反复侵入也是抑郁症患者的常见症状之一。
这两个特点可以视作为抑郁症患者大脑活动发生改变的外在展现。首先是大脑中默认网络(default mode network, DMN)的改变。DMN包含了背侧和腹侧的内侧前额叶皮层(PFC)、内侧和外侧的顶叶皮层区域、部分内侧和外侧的颞叶皮层区域。DMN在大脑保持清醒且不专注于外部世界时最为活跃,而在执行需要专注于外部刺激的任务时会减少活动(i.e. task-negative network)。与DMN (task-negative network) 相对的则是task-positive network(TPN)。在重度抑郁症(major depressive disorder, MDD)患者中,静息态下的DMN功能连通性相较于常模更高1,反映了患者更偏向于在静息态下增加关于自我的想法2。此外,DMN相较于TPN的主导地位与抑郁症患者的自我反刍思维(rumination)相关——这一发现在fMRI与EEG研究中都得到了证实3,4。
值得关注的是,DMN与自我参照处理(self-referential processing)以及情景记忆(episodic memory)相关5,且activation-likelihood estimation显示自传体记忆所诱发的脑部活动区域与DMN重合6,所以抑郁症患者回忆自传体记忆时的异常也通常发现在DMN所包含的脑区——大部分均为fMRI研究。Young等人在2013-2014年发表的研究中发现MDD患者和对照组在回忆自传体记忆时,内侧前额叶、内侧颞叶、枕叶区域的活动均存在差异7,8。Walley et al.发现抑郁症患者在回忆自传体记忆时,负责抑制认知、情感、记忆的前额叶区域活动相较于对照组来说更低9。另一项fMRI静息态研究通过独立分量分析发现大脑后内侧区域(posterior medial regions)的连通性降低与超概括化的自传体记忆相关10。
02脑电研究
目前只有一项研究对比了具有重度抑郁症状与轻度抑郁症状的受试者在回忆自传体记忆时的脑电结果的差别11。该研究通过回忆自传体记忆时的脑电活动连通性分析与频谱分析,分别得出了抑郁症状中关于自传体记忆的overgenerality与mood-congruent recall的特点在脑电活动中的反映。
2.1 实验范式与量表
受试者在闭眼状态下被监测脑电。在开始实验的10s后,受试者听到语音播放的指导语:“请在您过往经历的事件中,尝试尽可能清晰地回忆一个愉快/不愉快的事件。在您选定一个事件并开始回忆它时,请按一下按键。当回忆变得很清晰时请再次按键,并将此段记忆留存在脑海中。”在第二次按键完成的20s后,受试者需要评估刚才所回忆的事件的正面与负面情绪的强度、回忆的清晰度、事件发生时间的久远度、事件在受试者人生中的重要度。此外,受试者需要判断在回忆时他们的注意力是否有转移到其他事件上,以及此试次中回忆的事件是否已经在先前的试次中被回忆过。愉快与不愉快事件的回忆试次各5次。
在每一个回忆试次之后,受试者需要完成60个试次的听觉oddball任务(在听到高音时按键,高音占20%)(闭眼完成)。完成后有20s的休息,随后进入到下一个自传体回忆试次。
此外,受试者还需完成贝克抑郁量表(BDI-II)以测量过去两周的抑郁症状。
2.2 分析时段
连通性分析与频谱分析的基线均为每一个试次的指导语开始前3s至开始前1s。连通性分析的测试时间段为2s,取自回忆时情绪效价(愉悦vs.不愉悦)与BDI分数之间最大交互作用的时间段(结果分析为第4-6s)。频谱分析的时间段的开始时间为第二次按键的前2s,持续10s结束。
2.3 连通性分析结果与overgenerality
针对于每个频带,回归分析为BDI分数对测试时段与基线之间的连通性差异的回归;愉快和不愉快事件的回忆试次分开分析。愉快事件中没有发现任何显著的结果。
而在不愉快事件的回忆中,alpha频带中,越高的BDI分数与越小的连通性差异(测试-基线)相关,该结果的网络区域主要包括颞上回、角回、楔前叶和左半球的楔骨(图1)。
在beta和gamma频带中,越高的BDI分数与越大的连通性差异(测试-基线)相关,该效应的大脑区域与包括外侧前额叶、前扣带皮层、颞中回、脑岛(图1)。
BDI分数与测试时段与基线之间的连通性差异的回归分析。黄色点表示超过脑区网络平均值2个标准差的主要节点区。蓝色表示BDI分数与测试-基线的连通性差异呈负相关,红色则表示正相关结果。ACC = anterior cingulate cortex; Ang = angular gyrus; Cun = cuneus; Pcu = precuneus; MFG = middle frontal gyrus; MTG = middle temporal gyrus; STG = superior temporal gyrus; Ins = insula.
BDI分数与后脑部DMN与视觉皮层的alpha波段的负面自传体记忆相关的连通性呈负相关。这一结果与Zhu et al. (2012) 所报告的结果一致:MDD患者脑后部的DMN的功能连通性降低,且与自传体记忆的overgenerality相关10。这一结果还同时包含了部分视觉区域,意味着抑郁症患者可能对于自我相关事件的可视化能力减弱。
对比之下,beta与gamma波段显示出了与alpha波段相反的结果。其结果的重要节点均与负面情绪处理或自传体记忆的内在心理处理有关,所以其组合的中枢网络可能与负面心虚的情绪沉思相关——负面信息总自传体记忆提取出来后,保存在工作记忆中。
不同频带所展现的不同脑区节点的连通性变化与抑郁症中前脑后脑功能连通性分离的概念一致10:前脑功能连通性的增加与反刍思维有关,而后脑功能连通性降低与过于概括的自传体记忆有关。此项EEG研究中,前脑功能连通性的反刍相关增加表现为beta与gamma频带的连通性增加,而后脑功能连通性降低的过于概括的自传体记忆表现为alpha波段的连通性减少。
2.4 频谱分析结果与
mood-congruent recall
双向ANOVA(低 vs. 高BDI与愉快 vs. 不愉快事件)的分析结果显示,在低BDI人群中,低频脑电波(delta与theta)与愉快事件回忆更同步,而在高BDI人群中,其与不愉快事件的回忆更同步(图2)。
低与高BDI分数和愉快不愉快记忆见相互作用的时频表示。暖色调表示与实践相关的同步,冷色调表示不同步。
许多研究已证明了事件相关的低频波段与情绪处理的关系,所以自传体记忆回忆期间的delta和theta波段的同步程度可以作为情绪参与与情绪唤醒的衡量标准。特别是delta活动主要产生与内侧和眶额叶皮层区域,是接受多巴胺的主要皮层部位;当该区域接受到较少的多巴胺时,delta活动回增加。
在低BDI人群中,delta和theta的同步性在积极事件中比消极事件中更大,意味着积极记忆伴随着更高程度的情绪唤醒;这与“正常人中所记住的积极事件多余消极事件,且回忆积极事件所引发的情绪强度的消退比负面事件的情绪消退更慢”这一事实一致。但在易患抑郁症人群中,对负面情绪的处理能力会更强,且对于积极信息的处理能力相较于对照组人群更弱。这一点通过高BDI人群在回忆负面自传体记忆时伴有更多的delta与theta同步波可以反映,意味着他们在此时有更强的情绪唤醒程度;而在回忆积极事件时并没有此现象。
贝克的抑郁认知模型中指出,皮层下情绪处理区域的影响增加以及top-down认知控制的减弱,共同促进了抑郁症中对于负面认知的偏向。所以,这正与高BDI人群在回忆负面自传体记忆时伴有更多的低频波同步的结果一致,这意味着他们更难以摆脱负面信息,且在处理负面信息时缺乏认知控制,从而更偏向于回忆负面性的记忆或出现痛苦记忆的反复侵入。
参考文献
- Broyd, S. J., Demanuele, C., Debener, S., Helps, S. K., James, C. J., & Sonuga-Barke, E. J. (2009). Default- mode brain dysfunction in mental disorders: A sys- tematic review. Neuroscience&Biobehavioral Reviews, 33, 279–296. doi:10.1016/j.neubiorev.2008.09.002
- Hamilton, J. P., Chen, M. C., & Gotlib, I. H. (2013). Neural systems approaches to understanding major depressive disorder: An intrinsic functional organiza- tion perspective. Neurobiology of Disease, 52, 4–11. doi:10.1016/j.nbd.2012.01.015
- Hamilton, J. P., Furman, D. J., Chang, C., Thomason, M. E., Dennis, E., & Gotlib, I. H. (2011). Default-mode and task-positive network activity in major depressive disorder: Implications for adaptive and maladaptive rumination. Biological Psychiatry, 70, 327–333. doi:10.1016/j.biopsych.2011.02.003
- Knyazev, G. G., Savostyanov, A. N., Bocharov, A. V., Tamozhnikov, S. S., & Saprigyn, A. E. (2016). Task- positive and task-negative networks and their relation to depression: EEG beamformer analysis. Behavioural Brain Research, 306, 160–169. doi:10.1016/j.bbr.2016.03.033
- Buckner, R. L., Andrews-Hanna, J. R., & Schacter, D. L. (2008). The brain’s default network: Anatomy, function, and relevance to disease. Annals of the New York Academy of Sciences, 1124, 1–38. doi:10.1196/ annals.1440.011
- Spreng, R. N., Mar, R. A., & Kim, A. S. N. (2008). The common neural basis of autobiographical memory, prospection, navigation, theory of mind, and the default mode: A quantitative meta-analysis. Journal of Cognitive Neuroscience, 21, 489–510. doi:10.1162/ jocn.2008.21029
- Young,K.D.,Bellgowan,P.S.F.,Bodurka,J.,&Drevets,W. C. (2013). Behavioral and neurophysiological correlates of autobiographical memory deficits in patients with depression and individuals at high risk for depression. JAMA Psychiatry, 70, 698–708. doi:10.1001/ jamapsychiatry.2013.1189
- Young, K. D., Bellgowan, P. S. F., Bodurka, J., & Drevets, W. C. (2014). Neurophysiological correlates of autobiographical memory deficits in currently and formerly depressed subjects. Psychological Medicine, 44, 2951–2963. doi:10.1017/S0033291714000464
- Whalley, M. G., Rugg, M. D., & Brewin, C. R. (2012). Autobiographical memory in depression: An fMRI study. Psychiatry Research: Neuroimaging, 201, 98– 106. doi:10.1016/j.pscychresns.2011.08.008
- Zhu, X., Wang, X., Xiao, J., Liao, J., Zhong, M., Wang, W., & Yao, S. (2012). Evidence of a dissociation pattern in resting-state default mode network con- nectivity in first-episode, treatment-naive major depression patients. Biological Psychiatry, 71, 611– 617. doi:10.1016/j.biopsych.2011.10.035
- Knyazev, G.G., Savostyanov, A.N., Bocharov, A.V. and Kuznetsova, V.B., 2017. Depressive symptoms and autobiographical memory: A pilot electroencephalography (EEG) study. Journal of clinical and experimental neuropsychology, 39(3), pp.242-256.
全文完结,整理不易,看不完记得收藏,最后希望点赞支持一下!
了解更多,请关注“心仪脑”公众号!
抑郁症患者在回忆自传体记忆时的脑电特征相关推荐
- 从局部脑到全脑:时空域分层神经网络脑电情绪识别模型
作者丨张玮玮 学校丨东北大学硕士生 研究方向丨情绪识别 引言 论文动机 近年来,脑电图 (EEG) 在处理情感识别方面得到了广泛的应用.虽然近年来人们提出了各种各样的脑电信号情感识别方法,但为了进一步 ...
- 抑郁症有什么前兆? 如何开导抑郁症患者呢?
抑郁症的形成跟很多原因有关,并且是一段时间来情绪积累的后果.抑郁症是有前兆的,只有及时发现前兆,及时治疗抑郁症,才健康生活.那么,抑郁症有哪些前兆呢? 抑郁心境 这是抑郁症患者最主要的特征,轻者心情不 ...
- 重度抑郁症患者的非快速眼动睡眠
睡眠紊乱是重度抑郁症(MDD)的一个关键症状.目前的文献对快速眼动(REM)睡眠的改变进行了很好的描述,但对非快速眼动(non-REM)睡眠的改变却知之甚少.此外,睡眠障碍与MDD的各种认知症状有关, ...
- 基于多模态脑连接体的晚年抑郁症患者自杀风险预测
自杀意念.自杀计划和自杀行为在老年人群中是非常严重的健康问题,其导致死亡的可能性远远高于任何其他年龄组.老年抑郁症发病率的增加反映了对老年抑郁症患者自杀风险进行有效筛查的迫切需要.采用横断面设计(注: ...
- 脑电植入:治疗抑郁症的新方法?重磅!UCSF研究人员成功治疗一例重度抑郁症患者...
患者 Sarah 在诊所与精神病学家 Katherine Scangos 在一起 © Maurice Ramirez,UCSF Sarah多年来饱受着严重且无法治愈的抑郁症的折磨.她说:"我 ...
- 机器学习在重度抑郁症患者中的应用:从分类到治疗结果预测
重度抑郁症(MDD)是导致残疾和发病率最大的单一因素,影响全球约10%的人口.目前,临床上还未发现有用的诊断生物标志物可以从抑郁症和双相情感障碍(BD)的早期就能诊断出抑郁症.因此,迫切需要探索基于机 ...
- 抑郁症患者突然心情变好,不一定是好事!
看到这个标题,你的脑袋里是不是冒出一个大大的问号: 抑郁症的人心情变好,说明病情有好转,这难道不是好事吗? 不排除有这种可能,但患者病情突然"好转",还有可能是因为他本身得的并不是 ...
- 好心情平台送给抑郁症患者20个正能量句子
好心情,是疗愈精神心理疾病最简单有效的方法,而长期抑郁.愤怒等不良情绪,则是众多心身疾病的根源,好心情(中国心理医疗和健康综合服务平台)为大家整理了20个自我疗愈的正能量句子,主要帮助抑郁症患者朋友更 ...
- 抑郁症患者,该如何自我疗愈?
最近很多朋友给我写信,说自己心情不好,不知道是不是得了抑郁症. 据说季节转换的时候,就是抑郁症的高发期. 比如说我见过一个人,冬天的时候天天不高兴,木讷之极,不愿意说话.而到了春天,春暖花开的时候,这 ...
- 抑郁症患者如何缓解抑郁?5种方法帮你缓解压力
对于抑郁症患者来说,知道如何缓解抑郁症很重要,因为它带来的情绪和压力是非常痛苦的.那么,抑郁症患者如何缓解抑郁呢?下面小编就为大家介绍五种缓解抑郁的方法. 1.写日记 如果你不爱说话,性格内向,写日记 ...
最新文章
- android ble mesh,Android 蓝牙Mesh组网代码详解
- 2019中国大学生程序设计竞赛(CCPC)-网络选拔赛-第七题Shuffle Card
- Spring 事务core 模块-RowMapper
- 多线程读取同一个文件_前端进阶:多线程Web Workers的工作原理及使用场景
- win10设置默认输入法_为什么说win10越来越好用了?(技巧篇)
- c语言的class,Objective-C中Class的本质
- 液滴型单细胞测序技术比较(二)
- DIY电脑配置选择的常见误区有哪些?
- Java程序设计之扑克牌
- 技术 | Python从零开始系列连载(二十三)
- npm和包、npm下载安装使用包、全局安装包和本地安装包、全局安装nodemon包、开发依赖和生产依赖
- 【转】扫盲 同步利器、分布式网盘--BT Sync
- 从Master到百度《最强大脑》人机大战:AI成坊间话题意味着什么?
- 常用的两款 爱普生epson L801(L系列)清零软件 废墨重置软件 免分下载 内附清零软件使用方法
- qq视频转码失败怎么办_迅捷视频转换器转换失败的解决方法
- 立竿见影的思维利器——“黄金思维圈”
- linux服务器盘符乱了怎么办,部分国产服务器重启会盘符会乱的问题
- 异常java.lang.IllegalArgumentException: Validation failed for query for method public abstract
- 六个免费网站统计平台工具对比推荐 你的网站统计用哪个
- 炸金花游戏(4)--炸金花AI基准测试评估
热门文章
- java deflate解压_Java解压缩用zlib deflate压缩的字符串
- 论文笔记:Delving into Data: Effectively Substitute Training for Black-box Attack
- 我入门的小程序,居然已经用户过万(上)
- 搭建openstack keystone服务创建域报错An unexpected error prevented the server from fulfilling your request. (H
- 解决笔记本屏幕颜色偏变白问题
- ccpc2016长春站打铁记(后记)
- 简单明了的普利姆算法
- 微软 office 服务器 部署,部署 Office Online Server
- 2019级第二次月赛暨软件计科联合新生赛题解
- McAfee设置信任文件