Human Brain Mapping:多项目工作记忆的时空和波谱动态特性—基于MEG的研究
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》
一、研究背景
多项目工作记忆（working memory, WM）是我们日常生活中每天都在使用的一项复杂高级认知功能。WM涉及不同的认知功能，如刺激的编码、存储、检索和调控等。在认知神经科学中，n‐back任务是目前应用最为广泛的用于研究多项目WM的实验范式之一。
实际上，在过去的几十年中，研究者已经广泛地利用EEG和MEG对多项目WM展开了相关研究。基于这些研究，我们可以得到一些关于多项目WM的较为一致的研究结果。其中一个就是在n-back任务过程中，在中央-顶叶电极会表现出明显的P300事件相关成分。一些研究表明，随着WM负载的增加，P300幅值表现出降低的趋势。但是，P300或者M300（对应于MEG中的事件相关磁场）的溯源定位还不清楚。
另外一个关于多项目WM研究的一致发现是额叶皮层theta频段power的增加，并且theta频段power随着WM负载的增加而呈现出增加的趋势。此外，alpha和beta振荡的power在n-back任务中似乎表现出去同步化的趋势。但是，这些theta、alpha和beta振荡的溯源定位似乎也并未得到很好的研究。
总之，尽管从目前关于WM的研究中可以得到一些较为一致的结论，但是关于在n-back 的WM任务期间不同频段振荡变化的确切来源仍然存在很多不确定性。而理解多项目WM活动的空间、时间和波谱动态特性以及特定大脑区域的作用，对于确定临床患者中WM受损的原因并帮助确定潜在的治疗方法具有不可思议的价值。近期，来自比利时和英国的研究团队在《Human Brain Mapping》杂志发表题目为《Spatiotemporal and spectral dynamics of multi‐item working memory as revealed by the n-back task using MEG》的研究论文，他们尝试通过MEG技术+n-back任务对多项目WM这一高级认知功能的空间、时间和波谱动态特性进行较为全面的研究。本文对该研究进行解读。
二、实验方法
1.被试
38个健康成年人，平均年龄47.9岁参加视觉n-back任务。
2.n-back任务
实验中共进行3种n-back实验，即0-back，1-back和2-back。每个n-back实验包括4个block实验。n-back实验过程较为简单，这里不再赘述，具体如图1所示。
3.数据采集
在n-back任务中采集被试的MEG信号；此外，为了准确进行溯源，事后采集每个被试的3D T1脑影像数据。
4.数据预处理和溯源
MEG数据预处理采用Oxford’s Software Library (OSL; Oxford Centre for Human Brain Activity, UK, https://ohba-analysis.github.io/osl-docs/)，这个软件包调用SPM12和Fieldtrip工具包中的函数。首先把数据降采样到250Hz，然后采用ICA去噪，接下来的步骤包括滤波、去坏道、epoch以及溯源等。具体请查看原文。
5.时频分析
直接调用Fieldtrip工具包中的相关函数，采用基于Morlet小波变换的方法得到时频分析结果。
三、主要结果
1.行为学数据
0,1,2-back任务的平均反应时间RT分别为446.86 ms,457.8 ms 和 542.7 ms，Wilcoxon符号秩检验结果表明1-back和0-back之间、2-back和1-back之间以及2-back和0-back之间的RT存在统计学差异。0,1,2-back任务的平均准确率分别为100%，100%和89.7%。
2.事件相关场ERF分析
对于0-back状态，研究者在6个脑区观察到显著的激活（与0比较），分别为：left 和 medial cerebellum (80–88 ms, Pmin = .012), precuneus (140–144 ms, Pmin = .042), right inferior temporal gyrus (352–412 ms, Pmin = .0001), left occipital fusiform\parahippocampal gyrus (364–380 + 412–436 ms, Pmin = .011), left inferior temporal gyrus (376–400 + 420–436 ms, Pmin = .022), 和 left SMN (SMN;400–436 + 460–480 + 484–496 + 508–516 ms, Pmin = .006). 图2所示为0-back状态下从具有最大统计效应的体素中提取的ERF曲线（上方的曲线），以及具有显著激活的脑区（下方的皮层图）。
对于1-back状态，研究者在8个脑区发现了显著激活（与0比较）：left cerebellum (144–152 ms, Pmin = .011), precuneus (172–188 ms, Pmin = .002), left lateral occipital cortex (216–232 ms, Pmin = .004), right SMN (232–256 ms, Pmin= .008), right inferior temporal 和 parahippocampal gyrus (316–380 + 400–412 ms, Pmin = .002), left inferior temporal gyrus (340–374 ms, Pmin = .009), right middle temporal gyrus(396–420 ms, Pmin = .004), 和 left SMN (432–440 + 460–472 ms, Pmin = .014).
对于2-back状态，研究者在6个脑区发现了显著激活（与0比较）：right cerebellum (144–160 ms, Pmin = .018), precuneus (172–192 ms, Pmin = .003),middle SMN (244–260 ms, Pmin = .024), left SMN (324–340 ms, p min = .001),right inferior temporal 和 parahippocampal gyrus (324–444 + 456–472 ms, Pmin = .0001), right temporo‐occipital inferior temporal gyrus (364–464 + 516–544 + 556–576 ms, Pmin= .002).
此外，在3种n-back任务之间没有发现统计学差异。
3.时频分析
3.1 theta频段
对于0-back状态，与基线相比，研究者发现occipital pole (−62 to 232 ms), precuneus (−20 to 232 ms), right frontal orbital (68 to264 ms), right middle frontal (128 to 344 ms) 和 left SMN (144 to444 ms) 都表现出显著增强的theta频段power增强（如图3左列）；
对于1-back状态，与基线相比，研究着发现occipital pole (−60 to 196 ms), precuneus (8 to 224 ms), left frontal orbital (4 to284 ms), right thalamus (12 to 208 ms) 和 left SMN (80 to380 ms)表现出显著增强的theta频段power（如图3中列）；
对于2-back状态，occipital pole (−16 to 212 ms), precuneus (−24to 268 ms), right hippocampus (4 to 300 ms), right SMN (12 to 344 ms), 和 left SMN (92 to 348 ms)表现出显著增强的theta频段power（如图3右列）。
此外，研究者在right inferior temporal gyrus (164 to 312 ms)发现WM负载效应（2-backvs. 0-back），即随着WM负载的增加，这个脑区的theta频段power显著增强（如图4所示）。
3.2 Alpha频段
对于0-back状态，与基线相比，right temporal occipital fusiform (216 to 684 ms), left occipital fusiform (248 to668 ms), left hippocampus/inferior temporal gyrus (280 to 668 ms), 和 left SMN (324to 696 ms)表现出显著降低的alpha振荡（如图5左列）；
对于1-back状态，与基线相比，right temporal occipital fusiform (244 to 672 ms), left occipital fusiform (252 to676 ms), left hippocampus (260 to 672 ms), 和 right SMN (324 to800 ms)表现出显著降低的alpha振荡（如图5中列）；
对于2-back状态，与基线相比，以下脑区和时间段表现出显著降低的alpha频段power：right temporal occipital fusiform/temporo‐occipital middle temporal gyrus (268 to 800 ms), right hippocampus (288 to 800 ms), left superior parietal (396 to 700 ms), 和 right thalamus (320to 800 ms)（如图5右列）；
此外，研究者在right occipital pole (312 to 372 ms)脑区发现alpha频段power降低的WM负载效应，即随着WM负载的增加，alpha频段power下降程度显著降低（如图6所示）。
3.3 beta频段
对于beta频段，与alpha频段类似，对于3种n-back状态都表现出显著的beta频段power的降低，具体如图7所示。
此外，研究者在right middle temporal gyrus发现显著的beta频段power的WM负载效应（2-back大于1-back），这意味着2-back状态下beta频段power的降低程度小于1-back状态，如图8所示。
四、总结
该研究利用MEG技术+n-back实验范式对工作记忆过程中的全脑ERF和时频结果进行了较为全面的分析。确定了先前未知的n-back M300成分的溯源脑区，即right inferior temporal\parahippocampal gyrus 和 leftinferior temporal gyrus。研究者揭示了precuneus脑区在n-back活动中的重要性，认为其是连接低级和高级信息处理的关键环节。此外，theta和alpha频段振荡的动态变化为海马在多项目WM中的重要作用提供了有力的证据。hippocampus 和 occipital fusiform gyri这两个脑区被认为参与字母的处理，研究者观察到这两个脑区同时出现alpha振荡的降低，这表明这两个脑区同时参与字母的识别、编码和存储。总而言之，该研究对n-back多项目WM活动的空间、时间和波谱特征进行了广泛的研究。
参考文献：
Spatiotemporal and spectral dynamics of multi‐item working memory as revealed by the n‐back taskusing MEG[J]. Human Brain Mapping, 2020.
Human Brain Mapping:多项目工作记忆的时空和波谱动态特性—基于MEG的研究相关推荐
- Human Brain Mapping：广泛性焦虑症患者低频振幅ALFF的动态变化
广泛性焦虑症(Generalized anxiety disorder,GAD)是一种普遍的精神障碍,其特征为对日常生活或可能发生事情的莫名.长期.持续的担忧.患者常常遭受疲倦.烦躁不安.睡眠障碍等一 ...
- Human Brain Mapping：持续注意的个体差异与皮层厚度有关
持续注意(sustained attention)是一种对日常生活至关重要的基本心理能力.功能磁共振(Functional magnetic resonance imaging, fMRI)研究发现, ...
- Human Brain Mapping: 自发性大脑活动的有向功能连接
在过去的几十年中,大量的fMRI研究已经表明自发性大脑活动以特定脑区信号之间的同步化增强为特点,而这些在静息状态下表现出活动信号同步化增强的脑区称之为静息态网络(resting-state netwo ...
- Human Brain Mapping：基于BOLD-Delay的脑灌注成像
导读 BOLD Delay是一种新兴的非侵入性脑灌注成像技术,无需造影剂,适合用于纵向检测.本文基于136名被试数据使用线性混合模型评估该方法的可重复性,所有被试均接受了两次不同情况下的扫描.总体而言 ...
- 【Dash搭建可视化网站】项目5： 利用Dash 实现动态图表
手动反爬虫,禁止转载:原博地址 https://blog.csdn.net/lys_828/article/details/122075142(CSDN博主:Be_melting) 知识梳理不易,请尊 ...
- 【Day26 文献精读】Spatial–temporal interactions in the human brain
阅读文献: Oliveri, M., Koch, G., & Caltagirone, C. (2009). Spatial–temporal interactions in the huma ...
- AI：2020年6月22日北京智源大会演讲分享之认知神经基础专题论坛——13:40-14:20毕彦超教授《Knowledge representation in the Human brain》
AI:2020年6月22日北京智源大会演讲分享之认知神经基础专题论坛--13:40-14:20毕彦超教授<Knowledge representation in the Human brain& ...
- 2.Cognition(human brain)
1. What is the anatomical organization of human brain(人脑解剖组织是怎么样的) vertebrate nervous system脊椎动物神经系统 ...
- 后盾网lavarel视频项目---页面post方式提交之后动态弹出错误信息
后盾网lavarel视频项目---页面post方式提交之后动态弹出错误信息 一.总结 一句话总结: 1.思路和我想的一样,有错误的时候弹出提示错误消息的模态框就好,没有错误的时候不管它 2.把模态框的 ...
最新文章
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
- 47. Leetcode 107 - 二叉树的层次遍历 ii (二叉树-二叉树遍历)
- kotlin学习笔记——委托属性
- mysql 5.6.27安装图解_Linux下MySQL 5.6.27 安装教程
- UCMA(OCS) 开发系列之二(安装与部署)
- tensorflow中如何进行可视化和减轻过拟合（转）
- Android 应用程序基础（Application Fundamentals）
- git push命令入门
- Oracle 12c多租户特性详解：PDB 的出与入 InAndOut
- 关于Maven的7个问题
- ADB工具包下载及安装
- 股票分时量能分析 概念定义
- PDF解密怎么弄？分享这3个解密软件
- 5位运动员参加了10米台跳水比赛+日本某地发生了一件谋杀案+在屏幕上打印杨辉三角
- 通过蒲公英快速查询苹果手机UDID方法
- 电脑老是显示无网络连接到服务器,电脑怎么老弹出无法与服务器建立连接
- 2014年爆火的脸萌，真的消失了吗？
- 挤牛奶洛谷uasco
- 英语字母c的语言教案,幼儿园小班英语单词教案五篇
- 转：著名的100个管理定律点评3 -- 灵活有效的激励手段