武杰，周春宇，楊葉，付令

1. 上海理工大學(xué)醫(yī)療器械與食品工程學(xué)院(上海，200093)2. 伊士通(上海)醫(yī)療器械有限公司(上海，200093)

0 引言

情緒，是對一系列主觀認(rèn)知經(jīng)驗的通稱，是多種感覺、思想和行為綜合產(chǎn)生的心理和生理狀態(tài)。而情緒狀態(tài)對于認(rèn)知執(zhí)行功能、腦疾病等等的影響更是成為腦科學(xué)的熱門研究領(lǐng)域[1]。在眾多研究方法之中，以fMRI為代表的影像手段成為無創(chuàng)腦科學(xué)研究的主流。而對于fMRI影像數(shù)據(jù)的處理方面，獨立成分分析成為科研人員的熱衷手段之一。

獨立成分分析(Independent Component Analysis，ICA)是基于數(shù)據(jù)分析的方法，無需先驗假設(shè)，可將 BOLD 信號中的頭動、心跳呼吸等生理性噪聲等成分分離提取，而與腦活動相關(guān)的信號成分可形成相關(guān)功能腦區(qū)網(wǎng)絡(luò)，是 fMRI 研究中應(yīng)用得越來越廣泛的數(shù)據(jù)分析方法[2-3]。雖然ICA 方法提取的成分具有良好的可重復(fù)性和可信度，但傳統(tǒng)的ICA方法運用于個體的fMRI數(shù)據(jù)，無法提取一組對象之間的共同特性[4]。本文采用的組獨立成分分析(Group ICA)方法，是在傳統(tǒng)獨立成分分析的基礎(chǔ)上，通過對跨個體的獨立成分的融合，構(gòu)建出組獨立成分，從而反映出一組對象大腦運行機制的整體特性。

在情緒機制研究中，一般認(rèn)為情緒信息處理，尤其是恐懼等強烈的負(fù)面情緒的產(chǎn)生和傳遞，與以杏仁核為中心的回路有關(guān)，但是對于這些“回路”的解剖學(xué)位置有著不同的觀點[5]。已有文獻證明，在面對恐懼情緒和積極情緒的刺激時，基底外側(cè)杏仁核的突觸連接產(chǎn)生了高度的活躍和可塑性[6]。有研究[7]通過大鼠的神經(jīng)解剖實驗，證明了前額葉與杏仁核存在著生理和功能上的聯(lián)系。除了杏仁核之外，其周圍的紋狀核底部區(qū)域也被證明在處理恐懼、威脅等情緒時起著核心作用[8]。但是在各種情緒狀態(tài)下，全腦的詳細活動機制尚未有研究成功得出。通過這些研究可見，與情緒有關(guān)的激活區(qū)域、腦“回路”和腦網(wǎng)絡(luò)值得進一步證實和研究。

在眾多數(shù)據(jù)處理方法中，Shi等[9]采用ICA方法處理患有抑郁癥成年男性的fMRI圖像后指出，被試者DMN默認(rèn)模式網(wǎng)絡(luò)的活躍程度與對照組有明顯區(qū)別，實驗組內(nèi)側(cè)前額葉的功能連接性顯著衰弱。從而驗證MDD會損壞成年年輕男性的自我監(jiān)控能力和情緒認(rèn)知自我調(diào)節(jié)能力。Kohn[10]利用ICA方法探究血糖水平對情緒信息處理的影響，該研究發(fā)現(xiàn)饑餓狀態(tài)下被試者的與情緒相關(guān)的前膝狀體、后扣帶回、額下回和輔助運動前區(qū)等活躍。Dalenberg等[8]采用ICA方法發(fā)現(xiàn)與味覺愉悅有關(guān)的活躍區(qū)域與腹側(cè)情緒網(wǎng)絡(luò)[11-14]高度吻合，其中包括杏仁體、島葉、腹側(cè)前額葉、紋狀體和海馬體腹側(cè)等區(qū)域。

而本文通過分離獨立成分的激活區(qū)域，并對各個成分空間激活圖的解剖位置以及所屬腦區(qū)進行判斷。以經(jīng)過篩選后的獨立成分作為結(jié)點，生成的腦網(wǎng)絡(luò)在應(yīng)用價值上有著更強的針對性和實用性。

1 組獨立成分分析方法

本研究分別對積極和消極情緒刺激下得到的預(yù)處理圖像數(shù)據(jù)進行獨立成分分析，從而得出空間獨立成分的激活圖。本文采用的組ICA算法為最大信息傳輸?shù)腎nfomax算法。ICA的一般模型為：

Y(t)=WX(t)=WAS(t)=S(t)

(1)

注：其中X為觀測信號，Y為分離后的信號，S為源信號。而WA為分離復(fù)合矩陣。

本文采用的組ICA方法的數(shù)學(xué)模型如圖1所示。其中Si(Vi)為源信號，經(jīng)過大腦處理和磁共振掃描后生成原始數(shù)據(jù)，再經(jīng)預(yù)處理和組ICA處理得到組獨立成分?i(j)。

圖1 組ICA的數(shù)學(xué)模型

Infomax的分離矩陣W的迭代公式為：

Wk+1=Wk+μΔW=Wk{I-ψμT}Wk

(2)

注：其中μ為步長，ψ為非線性函數(shù)，在此省略其計算過程，k為迭代次數(shù)。

因此Infomax算法的算法步驟如下:

(1)確定μ的初始值、W的階數(shù)以及得到觀測向量X;

(2)對X白化預(yù)處理;

(3)計算ΔW={I-ψμμT}Wk;

(4)計算Wk+1;

重復(fù)(3) (4) 步直到算法收斂, 得到所需的分離矩陣W。

2 結(jié)果

2.1 實驗設(shè)計

被試者均為健康，精神狀態(tài)正常的成年人。在被試者的篩選過程中排除精神疾病和身體狀況不良的影響。采用Siemens Trio 3.0 T MR儀器, 8通道頭線圈，排除腦梗死、腫瘤等明顯器質(zhì)性病變。首先進行定位圖像掃描，之后進行結(jié)構(gòu)圖像T1的掃描，然后通過投射儀對于實驗者給予不同情緒圖片刺激，再進行覆蓋全腦的三維快速擾相梯度回波圖像的掃描，結(jié)束整個實驗掃描。情緒圖片來自國際情緒圖片系統(tǒng)(International Affective Picture System，APIS)，若圖片是“正性”表情 ，則要求受試者點擊鼠標(biāo)左鍵，呈現(xiàn)“負(fù)性”表情，點擊鼠標(biāo)右鍵，呈現(xiàn)“中性”表情，不做任何動作。兩種類型圖片各15張，隨機呈現(xiàn)，每幅圖片呈現(xiàn)2 s，每間隔10 s呈現(xiàn)一次。其中掃描參數(shù)為：TR 2 000 ms，TE 60 ms，視野24 cm，矩陣64×64，層厚5 mm，層間距1 mm。

在獨立成分分析以及統(tǒng)計分析前先對數(shù)據(jù)進行預(yù)處理。預(yù)處理包括時間校正、頭動校正、空間標(biāo)準(zhǔn)化和平滑處理等步驟。時間校正即對每個被試的 fMRI 數(shù)據(jù)去除同一時間點圖像因采集時間差異引起的誤差； 頭動校正即排除頭部平動大于1 mm、轉(zhuǎn)動角度大于 1.5°的被試者圖像； 將校正后的圖像進行標(biāo)準(zhǔn)化到標(biāo)準(zhǔn)的蒙特利爾(Montreal Neurological Institute, MNI)系統(tǒng)，并將每個體素重采樣至(3×3×3) mm3； 最后使用高斯核函數(shù)進行平滑，降低空間噪聲，全寬半高值(FWHM)為6 mm。

2.2 組獨立成分的選取結(jié)果

本文采用空間ICA對fMRI數(shù)據(jù)進行處理，進一步生成空間激活圖，選擇了激活強度比較靠前的獨立成分，其坐標(biāo)信息和激活強度列于表1和表2之中。本文去掉了積極情緒中效果較差的成分01，并將其余各個成分激活區(qū)域的激活位置進行定位，并且判斷其所屬的腦網(wǎng)絡(luò)，將以上信息整理于圖表之中。各個獨立成分的激活圖和時間進程是由整組被試者數(shù)據(jù)整合計算生成。

圖2和圖4分別為被試正性和負(fù)性情緒圖片刺激下的腦部網(wǎng)絡(luò)的空間激活圖。圖3和圖5分別為基于時間進程相關(guān)系數(shù)的正性和負(fù)性情緒的相關(guān)系數(shù)矩陣。橫軸和縱軸數(shù)值分別代表獨立成分的編號，編號與表1和表2中的序號一致，顏色代表相關(guān)系數(shù)的大小。

圖2 正性情緒條件下的fMRI獨立成分的激活圖

圖3 正性情緒下獨立成分之間的相關(guān)系數(shù)矩陣圖

圖4負(fù)性情緒條件下的fMRI獨立成分的激活圖

圖5 負(fù)性情緒獨立成分之間的相關(guān)系數(shù)矩陣圖

IC AAL分區(qū)位置坐標(biāo)像素值P值0396:小腦6-30-509.20.0401278:右側(cè)丘腦12-22 2015.30.0280938:海馬-10-16-159.50.0250813:三角部額下回36 22 159.60.0360687:顳極:顳中回-50 20-40 14.30.002027:左側(cè)額中回-32 42 59.80.0491032: 右側(cè)前扣帶和旁扣帶腦回6 -30 -505.50.0291117:海馬旁回6-14-307.50.0110730:腦島0-42 856.20.0010445:左側(cè)楔葉-14-86 1510.50.0090582:右側(cè)顳下回 12-58 4013.50.026

表2 負(fù)性情緒條件下的組獨立成分信息

2.3 積極情緒的激活區(qū)與其對于執(zhí)行控制網(wǎng)絡(luò)

本研究對于積極情緒的核磁共振數(shù)據(jù)進行獨立成分分析，得到了12個獨立成分。其中頂葉(IC01)、左側(cè)殼核周圍(IC02、06、11)尾狀核及其附近(IC08，10)以及后扣帶皮層與杏仁核的鄰近區(qū)域(IC09、12)等區(qū)域得到了明顯的激活。

其中，IC02和IC06所顯示的活躍區(qū)域?qū)儆谧髠?cè)執(zhí)行控制網(wǎng)絡(luò)區(qū)域，兩者分別與杏仁核附近的IC12和背側(cè)默認(rèn)模式網(wǎng)絡(luò)的IC09高度相關(guān)。也在一定程度上佐證當(dāng)積極情緒刺激以視覺形式給予后，大腦的認(rèn)知水平得到一定的促進[15]。這個過程很可能與左側(cè)顳極顳中回的執(zhí)行控制區(qū)域有關(guān)。

2.4 消極情緒信息的加工通路

對于負(fù)面情緒的刺激來說：從數(shù)據(jù)結(jié)果可以觀察出，被試者處于負(fù)面情緒任務(wù)態(tài)下，丘腦和與之臨近的蒼白球部位周圍的區(qū)域(IC01、02、04、06、10、11)被激活得程度較為明顯。而楔葉右側(cè)(IC5)、左側(cè)顳葉與額葉臨近的區(qū)域(IC3、12)分別以不同的時間進程與上述區(qū)域產(chǎn)生高度相關(guān)性。有文獻[16]指出，抑郁癥患者右側(cè)顳極上部右側(cè)梭狀回(AAL56&56)、右側(cè)海馬(AAL38 )、左右側(cè)尾狀核(AAL 71&72 )、左側(cè)后扣帶回(AAL 35)、左側(cè)中扣帶回(AAL 33)、左側(cè)顳極上部(AAL 83)、右側(cè)楔前葉(AAL 68)等腦區(qū)比對照組更為活躍。而本文所得出的空間獨立成分IC9準(zhǔn)確反映了右側(cè)楔前葉的活躍性。而右側(cè)海馬(AAL 38 )左側(cè)后扣帶回(AAL 35)、左側(cè)中扣帶回(AAL 33)處于IC6的附近區(qū)域。右側(cè)尾狀核(AAL 72)也與IC01和IC11所反映的區(qū)域相近。有文獻指出，其情緒波動時的腦區(qū)域與精神類疾病有著密切聯(lián)系，本文推斷負(fù)面情緒與抑郁癥存在著功能上的聯(lián)系。

這些腦區(qū)之間的聯(lián)系與處理情緒信息的皮層-丘腦枕核-皮層通路有著高度的契合。有文獻表明[17]，皮層(包括視覺皮層、前額葉及小腦皮層)-邊緣系統(tǒng)-紋狀體-丘腦環(huán)路腦區(qū)結(jié)構(gòu)異常與抑郁癥的形成關(guān)系密切。以上結(jié)果表明獨立成分分析可以作為驗證皮層-丘腦枕核-皮層環(huán)路機制的有效方法。

4 結(jié)束語

從本文的實驗結(jié)果可以看出，正性情緒狀態(tài)下，語言網(wǎng)絡(luò)較為活躍，而且其與左腦的顳葉、凸顯網(wǎng)絡(luò)和額中回有著更強的連結(jié)性，這些區(qū)域與信息處理和認(rèn)知活動有關(guān)。本文由此推斷在神經(jīng)機制意義上，正性情緒對于認(rèn)知水平的促進作用與更明顯地激活語言區(qū)域等高級腦區(qū)有直接關(guān)系，并且與左側(cè)額中回-顳葉-腦島-海馬旁回通路有關(guān)。

另外,在負(fù)性情緒條件下，整體上各個成分相互之間的連接性普遍下降。說明同一時間共同激活的腦區(qū)較小，可能與負(fù)性情緒對于認(rèn)知活動的抑制有關(guān)[18]。特別是在左側(cè)楔前葉部分(正性情緒IC04和負(fù)向情緒IC07)，在正性情緒下該部位視覺區(qū)域、腦島、背外側(cè)前額葉皮質(zhì)以及后扣帶回關(guān)聯(lián)緊密。而在負(fù)性情緒下，與該部位共同活躍的區(qū)域明顯較少，類似的情況在后扣帶皮層也比較明顯。有文章[19]認(rèn)為，PCC等區(qū)域與周圍各個腦區(qū)連接性下降是輕度認(rèn)知障礙的標(biāo)志之一。而焦慮癥和抑郁癥是負(fù)性情緒嚴(yán)重影響大腦健康的兩大疾病，本文推斷患者所存在的認(rèn)知水平下降很可能與左側(cè)楔前葉和右側(cè)后扣帶回區(qū)域的代謝下降有關(guān)聯(lián)。