0 引言

功能性核磁共振成像（fMRI）是一種非侵入性成像技術(shù)，主要通過測量大腦在執(zhí)行特定任務(wù)、接受刺激或處于靜息狀態(tài)時(shí)的血氧水平變化等來反映大腦的功能活動(dòng)[1]。fMRI技術(shù)能夠提供大腦在不同區(qū)域的激活情況，為研究人類認(rèn)知、情感、行為等神經(jīng)心理過程及診斷某些腦部疾病等提供重要信息。

1890年，Roy和Sherrington提出大腦血液循環(huán)增加與新陳代謝有關(guān)，確定了神經(jīng)元活動(dòng)與大腦循環(huán)代謝之間的密切關(guān)系[2]。20世紀(jì)70 年代，Mansfield等[3]提出回波平面成像（Echo PlanarIm-aging，EPI）技術(shù)。1990年，Ogawa等4首先提出血氧水平依賴（Blood Oxygenation Level Dependent，BOLD）效應(yīng)，為fMRI奠定了理論基礎(chǔ)。1991年，Belliveau等[5首次進(jìn)行了大腦結(jié)構(gòu)和功能聯(lián)系相關(guān)的fMRI展示，運(yùn)用靜脈內(nèi)注射順磁性造影劑進(jìn)行動(dòng)態(tài)磁敏感對(duì)比核磁共振成像，生成了人類任務(wù)激活的fMRI圖。20世紀(jì)90年代后，fMRI技術(shù)迅速發(fā)展，被廣泛應(yīng)用于神經(jīng)科學(xué)研究和臨床診斷。2003年，諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)授予了對(duì)fMRI技術(shù)有重大貢獻(xiàn)的三位科學(xué)家，進(jìn)一步確認(rèn)了這一技術(shù)在現(xiàn)代醫(yī)學(xué)中的重要地位。如今，多模態(tài)融合成為趨勢，fMRI與腦電圖（Electroencepha-logram，EEG）、腦磁圖（Magnetoencephalogram，MEG）、正電子發(fā)射性計(jì)算機(jī)斷層顯像（PositronEmissionTomography，PET）等技術(shù)結(jié)合，實(shí)現(xiàn)優(yōu)勢互補(bǔ)，從不同角度研究大腦功能。高場強(qiáng)的fM-RI設(shè)備能夠提供更清晰的圖像細(xì)節(jié)，這對(duì)于精確定位和解析大腦活動(dòng)區(qū)域至關(guān)重要。隨著技術(shù)的進(jìn)步，fMRI設(shè)備正朝著更高場強(qiáng)發(fā)展，從而提供更詳細(xì)的腦活動(dòng)圖像。這不僅有助于理解大腦如何處理復(fù)雜任務(wù)，還為神經(jīng)科學(xué)研究和臨床診斷提供了更為精確的工具。

1fMRI在神經(jīng)工程管理領(lǐng)域中的研究

2012年，馬慶國[6提出神經(jīng)工程管理概念，覆蓋安全標(biāo)志的神經(jīng)響應(yīng)與安全標(biāo)志的設(shè)計(jì)、工作中神經(jīng)負(fù)荷與體力負(fù)荷的關(guān)系、情緒對(duì)工作（施工）質(zhì)量的影響、壓力下高層決策的神經(jīng)活動(dòng)特征等。神經(jīng)工程管理為工程管理研究提供了全新視角，通過神經(jīng)科學(xué)工具深入解析大腦活動(dòng)，揭示管理者在復(fù)雜決策中的思維模式，優(yōu)化應(yīng)急預(yù)案，提升施工安全。神經(jīng)科學(xué)工具可以大致分為兩類[7]：生理學(xué)工具和神經(jīng)生理學(xué)工具[8-9]。最常用的生理學(xué)工具包括心電圖（Electrocardiogram，ECG）、心率變異性（HeartRateVariability，HRV）、肌電圖（Electromyogram，EMG）、皮膚溫度（SkinTemperature，ST）、皮膚電活動(dòng)（ElectrodermalActivity，EDA）、血容量脈搏（BloodVolumePulse，BVP）和眼動(dòng)追蹤（EyeTracking，ET）;而常用的神經(jīng)生理學(xué)工具指EEG、fMRI、功能性近紅外光譜（Functional Near-Infrared Spectroscopy，fNIRs）[10-11]。在神經(jīng)工程管理領(lǐng)域，眼動(dòng)追蹤和腦電圖是最常用的工具，而功能性近紅外光譜、功能性磁共振成像和三叉神經(jīng)刺激仍處于應(yīng)用的初始階段[]

在現(xiàn)有研究中，fMRI被應(yīng)用于建筑隱性審美情感[12]，揭示了連貫性、迷戀性和同質(zhì)性這三個(gè)潛在心理結(jié)構(gòu)的變化與視覺皮層內(nèi)可分離區(qū)域的大腦激活有關(guān)。采用SPM12軟件對(duì)fMRI參數(shù)進(jìn)行分析，探究神經(jīng)激活與各圖像相關(guān)的一致性、吸引力及相似性評(píng)分變化之間的相關(guān)性[13]。Chatter-jee等[14]重新分析了早期fMRI研究的數(shù)據(jù)，發(fā)現(xiàn)參與者在觀看相同圖像時(shí)做出了美麗和接近-回避的決定。Choo 等[16]利用fMRI對(duì)構(gòu)造噪聲進(jìn)行了研究，發(fā)現(xiàn)持續(xù)的噪聲暴露可能會(huì)改變邊緣回（特別是扣帶回和海馬旁回），以及黏附位置，包括小腦的前楔葉和后葉[15]。在高級(jí)視覺區(qū)域識(shí)別了建筑風(fēng)格和建筑的可解碼神經(jīng)表征，而不是在專門用于低水平特征的皮層區(qū)域，如初級(jí)視覺皮層。

目前，暫無學(xué)者將fMRI應(yīng)用于可持續(xù)建設(shè)管理研究，如建筑廢棄物再生品認(rèn)知。但在既有fM-RI研究中，已有學(xué)者揭示了認(rèn)知控制過程與背側(cè)前扣帶皮層（Dorsal Anterior Cingulate Cortex，dACC）及前額葉-頂葉網(wǎng)絡(luò)的功能連接密切相關(guān)[17]，風(fēng)險(xiǎn)決策涉及背內(nèi)側(cè)前額葉皮層（DorsomedialPrefron-talCortex，dmPFC）、前島葉（AnteriorInsula，AI）等腦區(qū)的特異性激活[18-19]。這些研究為神經(jīng)工程管理的認(rèn)知實(shí)驗(yàn)提供了有力的佐證。

2 fMRI實(shí)驗(yàn)原理及實(shí)驗(yàn)設(shè)計(jì)

2. 1 實(shí)驗(yàn)原理

人體含有大量氫原子，其核帶正電并能自旋。在強(qiáng)靜磁場中，氫原子核趨向與磁場方向一致或相反，形成不同能量狀態(tài)。施加特定射頻脈沖，氫原子核吸收能量躍遷到高能態(tài)，產(chǎn)生磁共振現(xiàn)象。停止射頻脈沖后，氫原子核釋放能量回到低能態(tài)并發(fā)出信號(hào)，被檢測到。fMRI基于BOLD效應(yīng)。神經(jīng)元活動(dòng)增加時(shí)，耗氧量增加，血流量和血氧水平上升，導(dǎo)致血紅蛋白比例變化。脫氧血紅蛋白先上升，隨后腦血管擴(kuò)張，含氧血紅蛋白增加，脫氧血紅蛋白下降[20]。fMRI設(shè)備利用梯度磁場產(chǎn)生不同空間位置的磁場強(qiáng)度變化，結(jié)合射頻脈沖激發(fā)，確定氫原子核空間位置，實(shí)現(xiàn)大腦區(qū)域成像，展現(xiàn)大腦活動(dòng)。

2.2 實(shí)驗(yàn)優(yōu)勢與局限

fMRI實(shí)驗(yàn)的優(yōu)勢在于其無創(chuàng)性、高空間分辨率、全腦覆蓋和安全性。它不需注射放射性物質(zhì)，使用強(qiáng)磁場和無線電波，風(fēng)險(xiǎn)較低。fMRI的空間分辨率可以精確到毫米級(jí)別，有助于研究大腦結(jié)構(gòu)功能對(duì)應(yīng)關(guān)系。它還能提供全腦圖像，使研究者能同時(shí)觀察多個(gè)腦區(qū)活動(dòng)。與PET等技術(shù)相比，fMRI無須放射性示蹤劑，便于重復(fù)實(shí)驗(yàn)和縱向研究。

fMRI實(shí)驗(yàn)的局限性包括時(shí)間分辨率、間接測量、環(huán)境限制、成本、數(shù)據(jù)分析復(fù)雜性、個(gè)體差異和頭部運(yùn)動(dòng)敏感性等。fMRI的時(shí)間分辨率雖然優(yōu)于PET，但比EEG和MEG差，BOLD信號(hào)變化滯后于神經(jīng)活動(dòng)，可能影響對(duì)快速神經(jīng)過程的捕捉。fMRI測量的是血氧變化而非直接神經(jīng)活動(dòng)，可能受其他生理活動(dòng)干擾。fMRI機(jī)器噪聲大，要求被試保持不動(dòng)，可能限制某些實(shí)驗(yàn)設(shè)計(jì)。同時(shí)，成本和維護(hù)費(fèi)用高，普及度不如EEG。數(shù)據(jù)處理和分析復(fù)雜，需要高級(jí)技術(shù)，易產(chǎn)生誤讀。個(gè)體差異和環(huán)境因素，如頭部移動(dòng)、生理狀態(tài)變化等，會(huì)影響數(shù)據(jù)質(zhì)量，不同實(shí)驗(yàn)室的處理流程差異可能導(dǎo)致結(jié)果不一致。

2.3 實(shí)驗(yàn)條件設(shè)計(jì)

2.3.1實(shí)驗(yàn)范式選擇

實(shí)驗(yàn)范式是研究問題和假設(shè)的選擇基礎(chǔ)，是實(shí)驗(yàn)設(shè)計(jì)的核心，決定了刺激和任務(wù)的呈現(xiàn)方式。fMRI實(shí)驗(yàn)常見的范式包括區(qū)塊設(shè)計(jì)、事件相關(guān)設(shè)計(jì)和混合設(shè)計(jì)。區(qū)塊設(shè)計(jì)集中呈現(xiàn)相同任務(wù)或刺激，信號(hào)強(qiáng)但分辨率低，適用于穩(wěn)定認(rèn)知過程研究。事件相關(guān)設(shè)計(jì)隨機(jī)呈現(xiàn)單個(gè)刺激或任務(wù)，具有高時(shí)間分辨率，適合研究快速變化的認(rèn)知過程，但信號(hào)強(qiáng)度較低?；旌显O(shè)計(jì)結(jié)合了區(qū)塊和事件相關(guān)設(shè)計(jì)的優(yōu)點(diǎn)，能研究穩(wěn)定和動(dòng)態(tài)的認(rèn)知過程。區(qū)塊設(shè)計(jì)與事件相關(guān)設(shè)計(jì)的特性對(duì)比見表1。

表1區(qū)塊設(shè)計(jì)與事件相關(guān)設(shè)計(jì)的特性對(duì)比

2.3.2 刺激參數(shù)控制

刺激參數(shù)控制涉及間隔、持續(xù)時(shí)間、強(qiáng)度與頻率、同步觸發(fā)等。血流動(dòng)力學(xué)響應(yīng)特性決定刺激間隔，慢事件設(shè)計(jì)大于15s，快事件設(shè)計(jì)可短至0.5s 。區(qū)塊設(shè)計(jì)中，任務(wù)塊的持續(xù)時(shí)間一般為15～30s ；而在事件設(shè)計(jì)中，單次刺激可為1～5s或持續(xù)至 10s 。在神經(jīng)調(diào)控研究中，精確控制刺激強(qiáng)度和頻率至關(guān)重要，不同參數(shù)影響B(tài)OLD激活模式，如高頻脊髓電刺激（SCS）能增強(qiáng)感覺運(yùn)動(dòng)皮層的激活，而低頻刺激則更容易激活前額葉。

2.3.3 基線條件設(shè)定

基線通常為中性狀態(tài)（如注視十字、空白屏），用于排除非特異性激活。

2.4實(shí)驗(yàn)控制變量與參數(shù)設(shè)置

在fMRI實(shí)驗(yàn)中，控制變量設(shè)定包括被試變量控制、實(shí)驗(yàn)環(huán)境控制和數(shù)據(jù)采集控制。被試變量控制主要是控制被試的年齡范圍、教育背景、利手、性別等。實(shí)驗(yàn)環(huán)境控制主要是控制設(shè)備的同步性、視覺參數(shù)的一致性。數(shù)據(jù)采集控制主要是控制fMRI掃描設(shè)備參數(shù)的一致性、預(yù)實(shí)驗(yàn)刺激的有效性。

參數(shù)設(shè)置對(duì)數(shù)據(jù)質(zhì)量和實(shí)驗(yàn)結(jié)果至關(guān)重要。參數(shù)設(shè)置包括行為實(shí)驗(yàn)的參數(shù)和fMRI掃描設(shè)備的參數(shù)。

行為數(shù)據(jù)主要是用于記錄被試在實(shí)驗(yàn)過程中的行為反應(yīng)。常用的行為記錄軟件有E-Prime、Psy-choPy、Presentation、Matlab + Psychtoolbox、OpenS-esame等。在參數(shù)設(shè)置時(shí)，特別需要注意同步性、時(shí)間精度和數(shù)據(jù)記錄的完整性。時(shí)間同步的字段中，觸發(fā)時(shí)間（TriggerTime）是記錄掃描儀發(fā)送的第一個(gè)晶體管-晶體管邏輯（Transistor-TransistorLogic，TTL）脈沖的時(shí)間戳，作為實(shí)驗(yàn)的絕對(duì)時(shí)間起點(diǎn)（ t=0 ）。起始時(shí)間（OnsetTime）是記錄每個(gè)試次中刺激開始呈現(xiàn)的時(shí)間，相對(duì)于TriggerTime的延遲，OnsetTime =300ms 表示刺激在觸發(fā)后的300ms 開始。偏移時(shí)間（OffsetTime）記錄刺激結(jié)束的時(shí)間，用于計(jì)算刺激實(shí)際呈現(xiàn)的時(shí)長。反應(yīng)時(shí)間（ReactionTime，RT）是被試從刺激呈現(xiàn)到按鍵的反應(yīng)時(shí)間，需要與OnsetTime對(duì)齊。

fMRI設(shè)備的參數(shù)包括時(shí)間參數(shù)、空間分辨率參數(shù)和功能成像關(guān)鍵參數(shù)。時(shí)間參數(shù)有重復(fù)時(shí)間（RepetitionTime，TR）和回波時(shí)間（Echo Time，TE）。TR指兩次連續(xù)掃描同一腦區(qū)的時(shí)間間隔，TE指射頻脈沖發(fā)射到信號(hào)采集的時(shí)間間隔?？臻g分辨率參數(shù)有體素大小（VoxelSize，VS）和視野（FieldofView，F(xiàn)oV）。VS一般是構(gòu)成腦體素模型的基本單元，如（ |1×1×1| ） mm³ 。體素越小，空間分辨率越高，但是會(huì)降低信噪比、延遲掃描時(shí)間。FoV是掃描區(qū)域的大小，一般覆蓋全腦（避免信號(hào)丟失），通常與頭部線圈尺寸匹配。功能成像關(guān)鍵參數(shù)包括掃描層方向、層厚（SliceThickness）、多波段加速（Multiband/SMS）、翻轉(zhuǎn)角（FlipAngle）等。層方向由軸位（Axial）和傾斜角控制。層厚通常與體素高度一致，避免層間串?dāng)_。多波段加速同時(shí)激發(fā)多個(gè)層面，縮短TR或提高空間分辨率。TR可縮短至 400ms ，減少層間時(shí)間差異。翻轉(zhuǎn)角是指射頻脈沖翻轉(zhuǎn)磁化矢量的角度，梯度回波（GradientEcho，GRE）序列中，翻轉(zhuǎn)角設(shè)置在 70^°～90^° （最大化信號(hào)），而回波平面成像（EPI）序列的翻轉(zhuǎn)角通常固定為 90^° 。

3 fMRI實(shí)驗(yàn)數(shù)據(jù)處理分析

3.1fMRI實(shí)驗(yàn)數(shù)據(jù)處理流程

fMRI實(shí)驗(yàn)是研究者以預(yù)先設(shè)計(jì)的認(rèn)知任務(wù)引發(fā)的行為作為研究對(duì)象，利用fMRI設(shè)備通過獲取圖像數(shù)據(jù)分析和探索認(rèn)知任務(wù)與誘發(fā)行為間的相互關(guān)系，最終目的是探究大腦在其中所發(fā)揮的作用。fMRI研究的開展通常包括確定研究目的、實(shí)驗(yàn)設(shè)計(jì)、掃描序列選擇與優(yōu)化、結(jié)構(gòu)像掃描、功能像掃描、數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析[21]，fMRI實(shí)驗(yàn)流程如圖1所示。對(duì)fMRI實(shí)驗(yàn)數(shù)據(jù)的分析可以分為三階段。第一階段是數(shù)據(jù)預(yù)處理，第二階段是激活檢測，第三階段是對(duì)激活的腦區(qū)或感興趣區(qū)域進(jìn)行定量分析[22]

3.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是fMRI數(shù)據(jù)處理與分析非常關(guān)鍵的部分。fMRI數(shù)據(jù)預(yù)處理分為空域和時(shí)域兩方面，其中空域方面有序列圖像對(duì)齊、多模態(tài)圖像聯(lián)合配準(zhǔn)、標(biāo)準(zhǔn)化處理、平滑處理等方法，時(shí)域方面有剔除時(shí)間序列信號(hào)自相關(guān)特性、生理噪聲處理、熱噪聲處理等方法[23-24] O

fMRI實(shí)驗(yàn)的數(shù)據(jù)預(yù)處理流程如圖2所示。在掃描完成后創(chuàng)建的原始圖像一般是以某種標(biāo)準(zhǔn)格式保存，其中以醫(yī)學(xué)數(shù)字成像和通信（Digtal Ima-ging and Communication in Medicine，DICOM）格式最為普遍和標(biāo)準(zhǔn)。在獲取原始實(shí)驗(yàn)數(shù)據(jù)后，研究者需要將其轉(zhuǎn)換為“nifti”格式，該格式可通過統(tǒng)計(jì)參數(shù)映射（Statastical Parametric Mapping，SPM）、功能性神經(jīng)分析（Analysis of Functional NeuroImag-es，AFNI）和牛津大學(xué)腦功能磁共振成像中心軟件（FMRIBSoftwareLibrary，F(xiàn)SL）等常見的處理軟件包進(jìn)行格式轉(zhuǎn)換。

圖2fMRI實(shí)驗(yàn)數(shù)據(jù)預(yù)處理流程

fMRI對(duì)運(yùn)動(dòng)非常敏感，因此消除運(yùn)動(dòng)偽影影響是數(shù)據(jù)預(yù)處理的關(guān)鍵，包括頭動(dòng)校正、空間平滑等方法。

選擇功能性磁共振序列時(shí)，需考慮研究目的、對(duì)象、多模態(tài)組合、數(shù)據(jù)質(zhì)量和可獲取性等因素。獲取結(jié)構(gòu)信息時(shí)，T1加權(quán)和T2加權(quán)序列是常用選擇，T1加權(quán)在軟組織對(duì)比上表現(xiàn)佳，而T2加權(quán)對(duì)水分含量高的組織（如水腫、炎癥）顯示更清晰。多種序列組合，如T1加權(quán)、BOLD等，在情緒認(rèn)知研究中可提供更全面數(shù)據(jù)，提高影像組學(xué)特征的鑒別和預(yù)測能力。

3.3 BOLD響應(yīng)的辨識(shí)

BOLD響應(yīng)是fMRI技術(shù)利用核磁共振設(shè)備檢測任務(wù)刺激引起的局部腦血流和代謝變化。盡管BOLD響應(yīng)復(fù)雜且未完全明了，但基于血氧水平依賴對(duì)比的方法是目前最常用且敏感的方法。BOLD對(duì)比包括線性和非線性效應(yīng)，其物理基礎(chǔ)是血紅蛋白的磁化率差異。氧合血紅蛋白有抗磁性，而脫氧血紅蛋白有順磁性，導(dǎo)致磁場扭曲和局部梯度形成，進(jìn)而影響氫質(zhì)子的進(jìn)動(dòng)頻率，造成信號(hào)衰減。

任務(wù)刺激大腦后，大腦被激活，局部動(dòng)脈血流增加，導(dǎo)致血液中氧合血紅蛋白增加、脫氧血紅蛋白減少，扭曲磁場也隨之減少，從而整體磁場的扭曲度降低，fMRI信號(hào)隨之增強(qiáng)。但是為什么刺激會(huì)導(dǎo)致局部血流量增加如此之大，以至于影響到局部血液中氧合作用超過基線的根本原因還不清楚。血流動(dòng)力學(xué)反應(yīng)和fMRIBOLD信號(hào)如圖3所示。

研究者通過fMRI的血氧水平依賴原理構(gòu)建數(shù)學(xué)模型，開展數(shù)據(jù)信號(hào)分析。BOLD信號(hào)表示的是刺激模式與激活區(qū)域信號(hào)之間非常復(fù)雜的聯(lián)系，從而建立起B(yǎng)OLD信號(hào)動(dòng)力學(xué)模型，分析模型參數(shù)變化。血流動(dòng)力學(xué)響應(yīng)函數(shù)（HemodynamicRe-spnseFunction，HRF）是外部刺激后產(chǎn)生的局部BOLD 響應(yīng)，血流動(dòng)力學(xué)響應(yīng)函數(shù)如圖4所示[25]BOLD響應(yīng)的峰值一般在刺激5～8s的潛伏期后達(dá)到。若要回到基線水平，同樣需要 5～8s 的時(shí)間。HRF響應(yīng)非常緩慢的特質(zhì)充分體現(xiàn)了fMRI高空間分辨率、低時(shí)間分辨率的特點(diǎn)。

3.4 激活區(qū)檢測

fMRI最大的特點(diǎn)是高空間分辨率，在完成掃描后數(shù)據(jù)分析首先是識(shí)別實(shí)驗(yàn)刺激后被激活的腦區(qū)。20O5年，PatricHagmann 和Olaf 基于MRI技術(shù)首次提出了連接組（Connectome）的概念。自此，該概念逐漸成了認(rèn)知神經(jīng)科學(xué)領(lǐng)域的基本范式[26]。所謂連接組，指大腦為一組復(fù)雜的網(wǎng)絡(luò)連接，這些網(wǎng)絡(luò)連接具體地描述了大腦不同功能區(qū)、神經(jīng)元之間的關(guān)系。隨著fMRI的快速發(fā)展，這種連接不僅局限于白質(zhì)纖維連接，大腦區(qū)域和大腦區(qū)域之間的功能連接所構(gòu)成地功能連接組2也成為連接組范式中重要的組成部分。

圖4血流動(dòng)力學(xué)響應(yīng)函數(shù)

激活區(qū)檢測常用的方法根據(jù)是否有模型分為兩大類。有模型的方法包括廣義線性模型（Gener-alizedLinearModel，GLM）、事件相關(guān)分析（Event-RelatedAnalysis）、多變量模式（MultivariatePat-tern Analysis，MVPA）[28]。無模型的方法包括獨(dú)立成分分析（Independent Component Analysis，ICA）、非負(fù)矩陣分解（non-negative Matrix Factorization，NMF）、功能連接分析[29]、聚類分析[30]等。激活區(qū)檢測的最終目的是分析大腦不同功能區(qū)神經(jīng)活動(dòng)的相關(guān)性。

（5）fMRI腦部激活反應(yīng)

圖3血流動(dòng)力學(xué)反應(yīng)和fMRIBOLD信號(hào)

3.5 動(dòng)態(tài)功能連接分析

動(dòng)態(tài)功能連接分析研究大腦區(qū)域間隨時(shí)間變化的連接。無論腦部是否執(zhí)行任務(wù)，都存在活動(dòng)。靜息狀態(tài)下，腦區(qū)活動(dòng)頻率波動(dòng)，通常在 0.01Hz～ 0.08Hz 范圍內(nèi)。但最新研究顯示，功能連通性隨時(shí)間波動(dòng)，表明在靜息狀態(tài)下，假設(shè)大腦活動(dòng)保持不變的測量方法可能過于簡化[31]

動(dòng)態(tài)功能連接的研究方法有滑動(dòng)時(shí)間窗口法（SlidingWindowApproach）、時(shí)間頻率分析（Time-FrequencyAnalysis）、隱馬爾可夫模型（HiddenMark-ovModel）、貝葉斯方法（BayesianMethods）等?；瑒?dòng)時(shí)間窗口法是分析fMRI數(shù)據(jù)的常用技術(shù)，其通過將時(shí)間序列分割成多個(gè)時(shí)間窗口，并在每個(gè)窗口內(nèi)計(jì)算功能連接矩陣，以追蹤大腦網(wǎng)絡(luò)連接隨時(shí)間的變化。該方法使用預(yù)處理后的標(biāo)準(zhǔn)數(shù)據(jù)，重點(diǎn)在于選擇合適的窗寬和步長。窗寬需足夠捕捉變化，同時(shí)保持動(dòng)態(tài)特性，步長通常定義為一個(gè)時(shí)間點(diǎn)或 50% 重疊，以提高時(shí)間分辨率，但增加計(jì)算量。功能連接的計(jì)算通常采用Pearson相關(guān)系數(shù)來衡量感興趣區(qū)域或體素間的時(shí)間序列線性相關(guān)性，從而生成時(shí)間序列的功能連接矩陣。

4基于fMRI的建筑廢棄物再生產(chǎn)品認(rèn)知實(shí)驗(yàn)設(shè)計(jì)案例

建筑廢棄物再生產(chǎn)品認(rèn)知實(shí)驗(yàn)設(shè)計(jì)流程如圖5所示。

4.1 明確研究目的

建筑廢棄物再生產(chǎn)品認(rèn)知實(shí)驗(yàn)的研究目的：一是探究大腦中與建筑廢棄物再生產(chǎn)品內(nèi)隱態(tài)度相關(guān)的區(qū)域；二是探究圖片刺激是否能改變被試對(duì)建筑廢棄物再生產(chǎn)品的認(rèn)知；三是將圖片與視頻對(duì)比，探究哪一個(gè)刺激源能更有效地改變被試對(duì)建筑廢棄物再生產(chǎn)品的認(rèn)知。基于實(shí)驗(yàn)?zāi)康?，分別設(shè)計(jì)了內(nèi)隱態(tài)度測試實(shí)驗(yàn)、圖片干預(yù)實(shí)驗(yàn)、視頻干預(yù)實(shí)驗(yàn)共3個(gè)fMRI實(shí)驗(yàn)。實(shí)驗(yàn)設(shè)計(jì)已通過校級(jí)倫理審查。

4.2 實(shí)驗(yàn)范式設(shè)計(jì)

內(nèi)隱態(tài)度實(shí)驗(yàn)和圖片干預(yù)實(shí)驗(yàn)采用區(qū)塊設(shè)計(jì)，視頻干預(yù)實(shí)驗(yàn)采用事件相關(guān)設(shè)計(jì)。

結(jié)構(gòu)像序列：3DMPRAGE（T1加權(quán)像），參數(shù)：體素 1mm×1mm×1mm ， TR=2300ms ， TE= 2.26ms ，時(shí)間層厚度為 1.00mm 。

功能像序列：梯度回波EPI，選用 序列。參數(shù)： TR=1900ms ， TE=30ms ，體素 2mm× 2mm×2mm ，72層。

4.3行為實(shí)驗(yàn)設(shè)計(jì)與開發(fā)

fMRI實(shí)驗(yàn)需要結(jié)合行為實(shí)驗(yàn)開展。本研究擬用E-Prime設(shè)計(jì)和開發(fā)程序，記錄實(shí)驗(yàn)過程中被試的行為數(shù)據(jù)。完成實(shí)驗(yàn)后，導(dǎo)出這些數(shù)據(jù)的Excel文件，用于后期行為數(shù)據(jù)分析和功能性核磁共振實(shí)驗(yàn)數(shù)據(jù)分析。

4.4預(yù)實(shí)驗(yàn)與正式實(shí)驗(yàn)開展

本研究fMRI實(shí)驗(yàn)采用西門子prisma3.0掃描，大學(xué)核磁實(shí)驗(yàn)室實(shí)景圖如圖6所示。實(shí)驗(yàn)分為預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)。預(yù)實(shí)驗(yàn)的目的是通過小規(guī)模的數(shù)據(jù)采集和測試，優(yōu)化實(shí)驗(yàn)設(shè)計(jì)，驗(yàn)證技術(shù)可行性，并排除潛在問題。待完成預(yù)實(shí)驗(yàn)后，即可開展正式實(shí)驗(yàn)。本實(shí)驗(yàn)中預(yù)實(shí)驗(yàn)掃描2個(gè)被試，對(duì)程序進(jìn)行了兩次調(diào)試后，正式開始掃描。最終一共掃描26個(gè)被試（不含預(yù)實(shí)驗(yàn)被試），男女比例為1：1，年齡跨度為 20～25 歲，均為右手。掃描由專業(yè)人員完成，結(jié)束后從設(shè)備上拷貝數(shù)據(jù)文件。每個(gè)被試為一個(gè)獨(dú)立文件。

圖6大學(xué)核磁實(shí)驗(yàn)室實(shí)景圖

4.5 數(shù)據(jù)預(yù)處理

在Matlab中嵌入SPM12，對(duì)數(shù)據(jù)進(jìn)行分析。第一步是預(yù)處理，根據(jù)建筑廢棄物再生產(chǎn)品認(rèn)知實(shí)驗(yàn)的設(shè)計(jì)目的，數(shù)據(jù)預(yù)處理選用 Slice Timing $$ Realign $$ Coregister→Segment→Normalize $$ Smooth 6個(gè)步驟完成。數(shù)據(jù)預(yù)處理可逐步進(jìn)行，也可編輯Matlab程序一次進(jìn)行。在本研究，以被試10為例，進(jìn)行單個(gè)被試的數(shù)據(jù)預(yù)處理，被試10預(yù)處理效果圖如圖7所示。

圖7被試10預(yù)處理效果圖 （截圖）

對(duì)于預(yù)處理后無法達(dá)到預(yù)期刺激效果的數(shù)據(jù)，進(jìn)行剔除。待所有數(shù)據(jù)分析完成后，根據(jù)數(shù)據(jù)分析結(jié)果判斷是否需要補(bǔ)充被試數(shù)量。所有被試數(shù)據(jù)完成預(yù)處理后，再對(duì)其進(jìn)行最終數(shù)據(jù)分析。由于篇幅所限，本文不對(duì)最終結(jié)果進(jìn)行詳細(xì)論述。

5 結(jié)語

fMRI技術(shù)作為一種神經(jīng)影像學(xué)工具，正在推動(dòng)工程管理科學(xué)從觀察外部行為轉(zhuǎn)向解構(gòu)內(nèi)部認(rèn)知，其高精度和快速時(shí)間捕捉能力為揭示管理決策的神經(jīng)生物基礎(chǔ)提供了獨(dú)特視角。fMRI技術(shù)的核心價(jià)值體現(xiàn)在三個(gè)方面：認(rèn)知量化、決策解析和協(xié)作優(yōu)化。

未來技術(shù)發(fā)展將聚集于四大方向：快速成像序列、深度學(xué)習(xí)降噪算法、神經(jīng)數(shù)據(jù)庫構(gòu)建，以及智能決策支持系統(tǒng)的研發(fā)。在應(yīng)用層面，fMRI可用于提升實(shí)時(shí)決策質(zhì)量、優(yōu)化跨部門協(xié)作效率和設(shè)計(jì)個(gè)性化培訓(xùn)方案等。盡管面臨諸多挑戰(zhàn)，fMRI為理解復(fù)雜協(xié)作系統(tǒng)提供了新的工具。未來，通過多模態(tài)融合與深度學(xué)習(xí)算法的應(yīng)用，有望進(jìn)一步提升信噪比，推動(dòng)神經(jīng)工程管理從行為觀測向神經(jīng)機(jī)制解構(gòu)的范式轉(zhuǎn)變，為工程管理的神經(jīng)證據(jù)支持提供新路徑。

參考文獻(xiàn)

[1］張一鳴，車文華．核磁共振技術(shù)在生命科學(xué)中的應(yīng)用［J].生命科學(xué)儀器，2003（1）：6-9.

[2]FRIEDLAND R P，IADECOLA C. Roy and sherrington（1890） ：acentennial reexamination of“on the regulation of the blood-sup-plyof the brain”[J].Neurology，1991，41（1）：10-14.

[3]MANSFIELDP，PYKETTIL.Biological and medical imaging byNMR［J]．Journal of Magnetic Resonance，1978，29（2）：355-373.

[4]OGAWA S， TSOCMING L. Magnetic resonance imaging of bloodvesselsathigh fields：invivoand in vitromeasurementsand im-agesimulation［J].MagneticResonance inMedicine，1990，16（1）：9-18.

[5]BELLIVEAUJW，KENNEDYDN，MCKINSTRYRC，etal.Functional mapping of the human visual cortex by magnetic reso-nance imaging[J].Science，1991，254（5032）：716-719.

[6］馬慶國．工程管理與神經(jīng)工程管理的體系框架［J]．科技進(jìn)步與對(duì)策，2012，29（18）：9-12.

[7]SUNQ，XU D，XUP，et al. Neuroscience meets building：acomprehensive review of electroencephalogram applicationsinbuilding life cycle [J].Journal of Building Engineering，2024（85）：108707.

[8]STASIA，SONGAG，MAURIM，etal.Neuromarketingempiri-cal approaches and food choice：a systematic review ［J].FoodResearch International，2018（108）：650-664.

[9]BOZH，ARSLANA，KOCE. Neuromarketingaspect of tourismpricing psychology[J].TourismManagementPerspectives，2017（23） ： 119-128.

[10]ALVINO L，PAVONE L，ABHISHTA A，et al. Picking your brains：where and how neuroscience tools can enhance marketingresearch[J].Frontiersin Neuroscience，2O2O（14）： 577666.

[11]WANG M，LIU X，LAI Y，et al. Application of neuroscience tools in building construction-an interdisciplinary analysis [J]. Frontiers in Neuroscience，2022（16）：895666.

[12]MA Q，HU L，WANG X. Emotion and novelty processing in an implicit aesthetic experience of architectures [J].NeuroReport，2015，26（5）：279-284.

[13] COBURN A，VARTANIAN O， KENETT Y N，et al. Psychological and neural responses to architectural interiors[J].Cortex， 2020（126）： 217-241.

[14]CHATTERJEE A，COBURN A，WEINBERGER A. The neuroaesthetics of architectural spaces [J].Cognitive Processing， 2021，22（S1）：115-120.

[15]DAI C，LIAN Z. The effects of sound loudness on subjective feeling，sympathovagal balance and brain activity[J]. Indoor and Built Environment，2018，27（9）：1287-1300.

[16]CHOO H，NASARJL，NIKRAHEI B，et al.Neural codes of seeing architectural styles[J]．Scientific Reports，2017，7 （1）：40201.

[17]SOHRABI A，SMITHAM，WESTRL，et al.An fMRI study of riskydecision making：the role of mental preparation and conflict[J].Basic and Clinical Neuroscience，2015，6（4）： 265-270.

[18]ZHANG X，LI S，LIU Y，et al. Gain-loss situation modulates neural responses to self-other decision making under risk [J]. Scientific Reports，2019，9（1）：632.

[19]DINU-BIRINGER R，NEESF，F(xiàn)ALQUEZ R，et al. Different roads to the same destination—the impact of impulsivity on decision-making processes under risk within a rewarding context in a healthy male sample [J].Psychiatry Research：Neuroimaging， 2016（248）：12-22.

[20］黃菊英，李海云，王春燕，等．血氧水平依賴的腦功能磁 共振成像的發(fā)展［J]．醫(yī)療衛(wèi)生裝備，2008（8）：30-32.

[21]RAMSEY NF，HOOGDUINH，JANSMA JM. Functional MRI experiments：acquisition，analysis and interpretation of data [J].Eur Neuropsychopharmacol，2002，12（6）：517-526.

[22］劉森．功能磁共振成像數(shù)據(jù)處理與分析［D]．南京：南京 理工大學(xué)，2016.

[23]ARTHURS O J，BONIFACE S. How well do we understand the neural origins of the fMRI bold signal[J]．Trends in Neuroscience，2002，1 （25）：27-31.

[24]Glover G H. Overview of functional magnetic resonance imaging [J].Neurosurgery Clinics of North America，2011，22（2）： 133-139.

[25]LOGOTHETIS N K，PAULS J，AUGATH M，et al. Neurophysiological investigation of the basis of the fMRI signal.[J]. Nature，2001，412（（6843）：150-157.

[26]MARKETT S，MONTAG C，REUTER M. Network neuroscience and personality[J].Personality Neuroscience，2O18（1）： e14.

[27] SMITH S M， BECKMANN C F，ANDERSSON J，et al. Restingstate fMRI in the human connectome project [J].NeuroImage， 2013 （80）：144-168.

[28]SUN F T，MILLER L M，D'ESPOSITO M. Measuring interregional functional connectivity using coherence and partial coherence analyses of fMRI data [J].NeuroImage，2O04，21（2）： 647-658.

[29]NANDY R R. A novel approach to estimate the intrinsic dimension of fMRI data using independent component analysis [C]//SINHA B K，BAGCHI S B. Strategic Management， Decision Theory，and Decision Science. Singapore：Springer， 2021.

[30]JAHANIAN H，SOLTANIAN ZADEH H，HOSSEIN ZADEHG A.Functional magnetic resonance imaging activation detection： fuzzy cluster analysis in wavelet and multiwavelet domains [J]. Journal of Magnetic ResonanceImaging，2005，22（3）：381- 389.

[31] CHANG C，LIU Z，CHEN M C，et al. EEG correlates of timevarying BOLD functional connectivity [J].NeuroImage，2013 （72）：227-236.PMT

收稿日期：2025-03-18

作者簡介：

毛穎（1990—），女，博士生，研究方向：建筑人因工程。熊朝陽（1996一），男，博士生，研究方向：建筑人因工程。丁志坤（通信作者）（1978—），男，博士，教授，博士研究生導(dǎo)師，副院長，研究方向：建筑人因工程、智能建造。