基于组独立成分分析的情绪刺激功能磁共振成像研究
伴自杀和非自杀性自伤抑郁症患者磁共振成像研究进展
·综述·伴自杀和非自杀性自伤抑郁症患者磁共振成像研究进展钱红，舒畅，王高华作者单位武汉大学人民医院精神卫生中心武汉430060基金项目湖北省卫健委基金（No.WJ2019F013）收稿日期2022-03-07通讯作者王高华***************摘要抑郁症患者是自杀和非自杀性自伤行为的高发群体。
自杀和非自杀性自伤行为的发生可能与脑结构和功能改变有关，但目前其独特的发生机制仍不确定。
结构磁共振相关研究提示自杀与非自杀性自伤与额叶和前扣带回体积减少有关，海马及颞叶体积减少与自杀相关，岛叶体积减少与非自杀性自伤有关；静息态功能磁共振相关研究提示自杀和非自杀性自伤均显示默认网络和显著网络之间正向连接减少，而非自杀性自伤者存在额叶边缘系统的改变，以杏仁核为种子点的连接差异可能是区分自杀与非自杀性自伤的一个神经影像学标记；任务态功能磁共振相关研究提示，自杀及非自杀性自伤行为均与自我意识、奖赏环路、情绪处理环路异常有关，而非自杀性自伤还与执行功能、疼痛环路异常有关。
本综述从脑结构和脑功能的角度分析抑郁患者自杀与非自杀性自伤行为的神经影像学改变异同，为进一步揭示其发生机制提供依据。
关键词抑郁；自杀；非自杀性自伤；结构磁共振；功能磁共振中图分类号R741；R741.02；R749；R816文献标识码A DOI10.16780/ki.sjssgncj.20220190本文引用格式：钱红,舒畅,王高华.伴自杀和非自杀性自伤抑郁症患者磁共振成像研究进展[J].神经损伤与功能重建,2023,18(4):216-219.自杀和非自杀性自伤是一个公共卫生问题。
自杀是15～29岁人群的第2大死亡原因[1]，频繁自伤是社区人群和精神病患者自杀行为的重要危险因素[2]。
提高对这些行为的神经生物学机制的了解，有助于获得更好的预测、预防和干预的策略。
自杀和自伤经常同时发生，但它们是不同的，并可能有独特的神经生物学机制[3]。
焦虑症的脑成像研究及功能性影响分析
焦虑症的脑成像研究及功能性影响分析焦虑症是一种常见的心理疾病，患者常常感到过度担忧、紧张和不安。
近年来，随着脑成像技术的发展，研究人员开始使用功能性磁共振成像（fMRI）等技术来探索焦虑症患者的大脑活动，以及这些活动对其认知和情绪功能的影响。
本文将探讨焦虑症的脑成像研究及其功能性影响。
首先，研究表明焦虑症患者在静息状态下的大脑活动与健康人群存在明显差异。
一项研究发现，焦虑症患者的默认模式网络（DMN）活动增强，这是一个涉及自我相关思维的大脑网络。
这意味着焦虑症患者更容易陷入自我反思和负面思维的循环中，导致焦虑情绪的加剧。
其次，焦虑症患者在面对情绪刺激时的大脑反应也与健康人群不同。
一项研究发现，焦虑症患者在面对恐惧刺激时，扣带回（ACC）和杏仁核（AMY）等与情绪调节相关的脑区活动增强。
这表明焦虑症患者对负面情绪刺激更为敏感，并且可能难以有效调节情绪。
此外，焦虑症患者的工作记忆和注意力功能也受到影响。
一项研究发现，焦虑症患者在执行工作记忆任务时，前额叶皮层和顶叶皮层等与认知控制相关的脑区活动减弱。
这意味着焦虑症患者可能在处理信息和集中注意力方面存在困难，这可能解释了他们常常感到分心和难以集中注意力的原因。
除了静息状态下的大脑活动，一些研究还探索了焦虑症患者在任务执行过程中的大脑活动。
一项研究使用fMRI技术发现，焦虑症患者在执行冲突监测任务时，前扣带回和前额叶皮层等与冲突监测和执行控制相关的脑区活动增强。
这表明焦虑症患者在面对冲突和需要调节行为的任务时，大脑活动增加，可能会导致其感到更加紧张和焦虑。
总的来说，焦虑症的脑成像研究揭示了焦虑症患者在静息状态下和任务执行过程中的大脑活动差异。
这些差异可能导致他们在情绪调节、认知控制和注意力等方面存在困难。
然而，需要进一步的研究来深入理解焦虑症的神经机制，并为临床治疗提供更好的依据。
尽管脑成像技术在研究焦虑症方面取得了一些重要的发现，但仍然存在一些限制。
首先，大多数研究都是横断面的，难以确定因果关系。
独立成分分析在医学诊断中的应用(Ⅱ)
独立成分分析在医学诊断中的应用(Ⅱ)独立成分分析（Independent Component Analysis, ICA）是一种多变量统计分析方法，通过对多个信号进行变换和分解，将混合在一起的信号分离成独立的成分。
在医学诊断中，ICA被广泛应用于脑电图（EEG）和功能磁共振成像（fMRI）等领域，可以帮助医生们更准确地诊断疾病、了解人体的生理过程。
本文将就独立成分分析在医学诊断中的应用进行探讨。
首先，让我们来了解一下独立成分分析的基本原理。
独立成分分析的核心思想是在原始信号的基础上，找到一个线性变换矩阵，使得变换后的信号成分之间彼此独立。
这个过程可以被描述为矩阵乘法，即原始信号矩阵乘以一个变换矩阵，得到独立成分矩阵。
在医学领域中，这意味着将混合在一起的生理信号（如脑电信号、血氧信号等）分离成相互独立的成分，从而更好地理解每个成分的生理意义，以便更精准地进行疾病诊断和治疗。
在脑电图（EEG）领域，ICA被广泛用于识别不同脑区的活动。
脑电信号通常包含来自多个脑区的混合信号，通过应用独立成分分析，可以将这些混合信号分离成不同的成分，每个成分对应于来自不同脑区的神经活动。
这种分离使得医生们能够更清晰地观察到每个脑区的活动模式，有助于诊断脑部疾病和了解脑部功能。
另外，在功能磁共振成像（fMRI）领域，ICA也被广泛应用。
fMRI可以测量人脑在不同任务或静息状态下的血氧水平变化，通过分析这些信号，可以揭示不同脑区在不同任务下的活动模式。
但由于血氧信号受到许多因素的影响，例如呼吸、心跳等，不同脑区的信号往往会混合在一起。
通过应用独立成分分析，可以将这些混合信号分离成独立的成分，更准确地揭示不同脑区的活动模式，有助于诊断和研究脑部疾病。
除了在脑电图和功能磁共振成像中的应用，独立成分分析还被应用于其他医学领域。
例如，在心电图（ECG）领域，ICA可以用于分离心脏传导系统的不同成分，有助于诊断心脏疾病。
在生物医学工程领域，ICA还被应用于分离胃肠道的电活动信号，有助于诊断消化系统疾病。
功能磁共振成像技术在织物刺激脑感知中的研究进展
第31卷㊀第3期2023年5月现代纺织技术Advanced Textile TechnologyVol.31,No.3May.2023DOI :10.19398∕j.att.202210009功能磁共振成像技术在织物刺激脑感知中的研究进展翟淑娜a ,娄㊀琳a ,b ,c ,王其才d ,苑㊀洁a ,b(浙江理工大学,a.服装学院;b.丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室;c.先进纺织材料与制备技术教育部重点实验室和浙江省纤维材料和加工技术研究重点实验室;d.纺织科学与工程学院(国际丝绸学院),杭州㊀310018)㊀㊀摘㊀要:针对织物舒适度领域中大脑感知机制尚不明确的问题,功能磁共振成像技术凭借其超高的空间分辨率在织物刺激脑感知表征领域表现出良好的技术优势㊂根据织物刺激的感知过程以及功能磁共振成像技术的表征原理,总结来自织物触觉刺激㊁视觉刺激㊁视-触觉跨模式刺激的大脑感知规律,并提出将此技术深入运用于脑感知表征研究时需要突破的一些难题和方向,期待以其客观㊁即时的优势为构建织物舒适度脑感知理论体系和满足纺织服装产品设计舒适性要求提供新思路与新方法㊂关键词:舒适度;脑感知;功能磁共振成像;触觉;视觉中图分类号:TS941.19㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1009-265X(2023)03-0274-11收稿日期:20221010㊀网络出版日期:20230106基金项目:国家自然科学基金项目(52003245);浙江省自然科学基金项目(LQ18E030007);先进纺织材料与制备技术教育部重点实验室和浙江省纤维材料和加工技术研究重点实验室(浙江理工大学)开放基金项目(2019QN05);浙江省教育厅一般科研项目项目(113129A4F21075);浙江理工大学科研启动基金项目(11313132612042)作者简介:翟淑娜(1997 ),女,山东临沂人,硕士研究生,主要从事织物压力舒适度脑感知方面的研究㊂通信作者:苑洁,E-mail:yuanjie@㊀㊀关于织物舒适度的表征技术,传统的心理评价虽然简便易行,但存在个体差异㊁随机性㊁不稳定性㊁不能实现感知评价定量化的缺陷㊂而以物理机械信号与主观评价规律形成对织物舒适度的物理评价,虽以数据为基础,但评价的对象却是织物,而非感知的主体 人体㊂随着医学生物技术的不断发展和跨学科渗透,生理学评价应运而生㊂在织物多种刺激作用下,对人体的心率[1]㊁皮肤温度[2]㊁血流量[3]㊁等生理特征与人体舒适度感知的关系进行了大量的研究㊂其中,脑电图[4](Electroencephalography,EEG)㊁事件相关电位技术[5](Event-related potentials,ERPs)和功能磁共振成像技术[6](functional Megnetic resonace imaging,fMRI)均可用于探究在织物舒适度的脑感知研究㊂EEG 的某些节律可以有效评价人体穿着纺织品的舒适性状态,例如α波比例差值与织物的舒适感知呈正相关[7],而β波㊁θ波㊁δ波与大脑的紧张不适感知有关[4,8]㊂除此之外,基于EEG 技术的丝织物触感试验证明,β波越大,织物的接触冷暖感越强,而θ㊁α波越大,刺痒感越小[9]㊂在ERPs 技术监测下,诱发电位成分P50㊁P100㊁P200㊁P300可作为脑生理反应指标表征织物轻微触感刺激[5,10-13],P300㊁N450表征织物接触压力刺激[14],P100㊁N100㊁P200㊁N200㊁P300表征织物视觉刺激[15-18]㊂两种技术在研究中都表现出了百微秒级超高时间分辨率的优势,但由于受限于颅骨不匀且有个体差异㊁容积导体效应以及脑电源间电场开放性的差异,其空间分辨率均较低,远不及fMRI 技术,只是定性地表达织物舒适程度,尚未实现舒适度表征的定量化㊂相较而言,fMRI 技术是目前可实现织物舒适度原位表征的最优方法㊂故此,本文以fMRI 技术的表征原理为基础,从织物触觉刺激㊁视觉刺激㊁视觉-触觉跨刺激3个领域出发,综述fMRI 技术的织物刺激脑感知研究现状,提出此技术目前需要突破的方向,期待以其客观㊁精准的优势为织物舒适度脑感知理论体系和评价标准的研究突破提供新的契机㊂1㊀fMRI 技术表征原理fMRI 技术可以对织物触觉㊁视觉㊁视觉-触觉跨模式刺激相关的激活脑区进行有效的实时监测,可以精准地捕捉刺激过程中人体产生的心理㊁生理变化㊂基于血氧水平依赖信号(Blood oxygenation level dependent,BOLD)的功能磁共振成像技术是以新陈代谢的血液动力学方法为基础的[19]㊂大脑在各种不同刺激下某区域的神经激活时,局部脑组织血流量㊁血流容积以及血氧消耗均会增加,但大脑中的血氧消耗量仅轻微增加,导致血流量增加程度超出了氧耗量的增加程度,最终导致脑激活功能区的静脉血氧浓度升高[20],所以氧合血红蛋白(逆磁性物质)含量增加,脱氧血红蛋白(顺磁性物质)相对减少,从而表现为弱信号,其浓度越低,宏观磁共振信号强度降低幅度越大,而组织的磁共振信号强度则会上升,从而产生BOLD 效应,BOLD 信号增加,激活脑区最终在磁共振图像上呈现为亮信号[21-22]㊂基于fMRI 的织物刺激脑感知表征原理如图1所示㊂首先,常用的fMRI 实验序列由任务刺激状态和静息状态两部分组成,在设计的实验序列中,人体感官受到织物材料或单纤维的触觉和视觉单模式以及视-触觉跨模式这类特定刺激后,各效应器接收刺激信号经脊神经传入脊髓后到达大脑皮层中的神经细胞,神经系统会对织物材料的各种刺激产生大脑反应的BOLD,由1.5T 至3T 的标准头颅线圈医用磁共振系统监测特定磁场中的脉冲信号变化,并采集受试者的脑部结构图像和功能图像[21-22]㊂图1㊀fMRI 技术织物刺激脑感知表征原理Fig.1㊀Representation principle of brain perception induced by fabric stimulation based on fMRI technology㊃572㊃第3期翟淑娜等:功能磁共振成像技术在织物刺激脑感知中的研究进展㊀㊀其次,在数据预处理阶段,利用以MATLAB为载体的SPM12(Statistical parametric mapping)插件,其可以完成fMRI数据的预处理㊁统计分析㊁结果报表及可视化查看㊁计算大脑特定功能区的功能连接,以及数据处理效果检查等其他功能㊂MRIConvert可以将原始的DICOM格式转化成SPM软件可使用的NIFTI格式,DPARSF可以进行数据预处理的批量操作㊂具体操作为,首先将采集到的功能成像进行头动校正,利用最小二乘法原理和六参数包括三维平移和三维旋转刚体模型的空间变换,即:先把时间序列内的除第一组全脑图像之外的其他全脑图像都通过匹配算法做刚性旋转到第一组全脑图像的位置,后用内插算法来对每个像素进行重采样[23]㊂其次将经过头动校正的平均大脑进行标准化,将平均大脑与结构像配准,实现功能图像与结构图像的空间对齐,得到校正后的完整大脑成像;考虑到人体大脑的个体差异性,将所有被试的结构大脑均先分割成灰质㊁白质和脑脊液,生成灰质和白质图像,过程中将被试的大脑结构空间与标准大脑空间进行对应,得到两个大脑结构空间相互转换的矩阵,利用转化矩阵,将被试的功能图像再配准到标准空间,转换成标准大脑,实现功能图像的标准化以便进行成像比对,为保证结果的准确性,在分割和标准化过程中使用基于李代数的微分解剖配准方法[24]㊂最后利用高斯核滤波器对三维的功能图像卷积,进行空间平滑[25],抑制生理噪声,完成脑成像的预处理㊂在统计分析阶段,根据实验设计的刺激方案建立一般线性模型,如式1所示,对模型中的参数即回归系数β用约束最大似然法进行估计,如果回归系数β显著不为零,则表明此体素的时间序列与该刺激任务显著相关,将以激活的形式显示到最终的大脑反应结果图中㊂即,用被试在刺激任务阶段与静息阶段的BOLD信号相减,得到被试受刺激时大脑反应的变化情况,给其设定合适的激活阈值,得到最终的大脑激活结果㊂后推断与刺激相关的大脑结构和功能区信息㊂再对多个被试的数据结果进行多种方法的统计分析处理,如单样本t检验㊁双样本t检验㊁方差分析㊁多元回归分析㊁全因子分析等,后进行多重比较校验,其中最常用的就是FDR(False discovery rate)和FWE(Family wise error)[23]㊂Y=B∗X+ε(1)式中:Y指实验中利用fMRI同步扫描被试的大脑,检测到的被试真实的BOLD信号;X指根据BOLD 原理假设的由于被试在实验中受到刺激而产生的理想的BOLD信号,是实验中操作的时间点序列与被试大脑的血液动力学响应函数进行卷积之后产生的矩阵;ε指误差㊂最后,在数据可视化阶段,可使用直接基于Windows操作系统的单独的软件程序如:DPABI (Data processing&analysis of brain imaging)㊁Xjview㊁Marsbar以及Anatomy等软件对大脑成像进行可视化操作,通过探索刺激信号与脑激活信号之间的变化规律完成织物舒适度的大脑原位感知表征㊂数据表达形式多样化,不仅可通过脑成像激活切片图㊁激活切片三视图(如图2所示)㊁三维立体脑图(如图1右下角所示)直观多面显示观测,而且还可精确计算大脑响应位置㊁激活强度㊁激活占比以及脑区间功能连接协作情况[26]等一系列变化㊂正激活是指执行刺激任务时该脑区内相对于静息状态的局域脑血流升高,局域脑受到神经促进,表达为感觉舒适㊂刺激作用下的BOLD信号小于静息状态下的BOLD信号,供氧与耗氧不平衡,表现为负激活,代表感觉不舒适㊂激活强度越大,代表激活脑区的舒适或不舒适感觉越强;激活占比越大,代表激活脑区的范围越大,功能连接越强;功能连接越强,代表激活脑区之间的联系越密切[6]㊂SPM激活报表法确定激活点峰值强度以及激活体素个数,自动解剖标记图谱法(Automated anatomical labeling,AAL)[27-28]显示各激活点解剖学结构定位,利用DPABI将峰值点坐标输入,即可显示该点所在的确切功能脑区定位,Xjview 可以进一步明确该激活团块所在蒙版脑区定位,这些软件均可以具体了解㊁检查和修正激活点功能区位置信息,Marsbar和Anatomy可以进行感兴趣区分析来表征大脑注意力和织物特定刺激之间的相关关系㊂图1中右下角图是以人体腋中线为中线将脑区分为前侧的腹侧面和后侧的背侧面㊂由上至下由左至右依次分别为左脑外侧㊁脑背侧㊁右脑外侧㊁左脑内侧㊁脑腹侧㊁右脑内侧㊁脑前侧㊁脑后侧,实现多维显示脑区激活情况㊂图2以大脑中前与中正交叉点为坐标原点,从大脑左侧向右侧延伸为X方向,由大脑后侧向前侧延伸为Y方向,由大脑下侧至上侧为Z 方向建立三维坐标轴,将人体大脑定位[29]㊂图2从左至右依次为从左向右侧投射的大脑矢状图㊁从后向前投射的冠状图㊁从上向下投射的横状图,同样以不同色度代表激活强度,可以从3个方向直观定位同一脑区的激活情况[6]㊂㊃672㊃现代纺织技术第31卷图2㊀激活脑区的三视图Fig.2㊀Activating the three views of the brain area2㊀基于fMRI的织物单模式刺激脑感知研究㊀㊀目前,基于fMRI技术的材料或织物刺激主要涉及触觉刺激㊁视觉刺激和视觉-触觉跨模式刺激3个方面㊂2.1㊀基于fMRI的织物触觉刺激脑感知研究根据织物接触人体皮肤作用面积和作用力的不同,来自织物触觉的刺激可划分为轻微触感刺激和接触压力刺激两类㊂织物轻微触感舒适度是指皮肤受到外加织物的微力和点作用时,织物表面性能对人体心理生理产生的触感[30]㊂织物接触压力舒适度是指织物包覆人体局部或整体皮肤面积,在作用时间和压力后产生的舒适感觉范围,主要表达对皮肤所涉及的神经系统和血液循环系统挤㊁压㊁阻碍所产生的不适感[31]㊂另外基于fMRI的触觉短时记忆(Tactile short-term memory,TSTM)研究也是探索织物触觉刺激的一个重要角度㊂2.1.1㊀基于fMRI的织物轻微触感刺激脑感知研究基于fMRI的轻微触感刺激脑感知研究主要涉及粗糙感㊁黏着感㊁柔软感和刺痒感,主要会引起躯体感觉皮层和运动皮层的激活以及脑区间功能连接的变化㊂关于粗糙感,Wang等[27-28]运用SPM12和MRIcro 软件进行数据预处理,利用AAL和布罗德曼功能图(Brodmannᶄs area maps,BA)对手指主动触摸丝绸和亚麻织物时的激活脑区进行研究㊂所谓布罗德曼功能图,是1909年德国神经学家Korbinian Brodmann 使用尼氏细胞染色法得到的以神经元细胞结构组织为基础的大脑分区,不同的脑区对应不同的大脑机能,分别用数字表示,共划分为52个脑区[32]㊂研究结果表明不同粗糙度的织物接触刺激会激活不同的脑区,主要分布在躯体感觉皮层,躯体感觉皮层包括初级感觉皮层(Primary somatosensory cortex,SI)和次级感觉皮层(Secondary somatosensory cortex,SII)㊂其中,BA3区㊁BA1区㊁BA2区㊁AAL81区属于SI, BA40区㊁BA43区㊁BA48区㊁AAL92区属于SII㊂亚麻触觉刺激引起的AAL81㊁BA1㊁BA40区的最大激活强度均大于丝绸,而丝绸触觉刺激引起的BA2区和BA3区的激活强度和激活占比均大于亚麻,说明前者与接触粗糙感有关,而后者与接触光滑感有关㊂Yuan等[33]运用Marsbar和Anatomy软件计算脑区的信号变化百分比(Percent signal change,PSC)表征大脑注意力与织物表面粗糙度之间的相关关系, PSC越大,代表该脑区对该刺激的关注度越㊂随着无骨紧身胸衣的表面逐渐由光滑到中等粗糙再转变为粗糙,出现最大PSC的脑区逐渐从SI中的BA3区过渡到BA1区,最终转移至SII中的深层皮质顶叶岛盖㊂此外,对天鹅绒的实际触感和手感错觉都会激活SI[34],且BA3区的激活强度与错觉强度呈正相关,验证了SI与光滑感知有关㊂而触摸舒适感差的平角纹理会同时引起SI㊁SII和运动皮层的负激活[11],说明接触粗糙感知与SI㊁SII和运动皮层有关㊂除了脑区的激活外,触觉刺激也会引起脑区之间功能连接的变化㊂Rajaei等[35]运用SPM12和CONN软件通过心理生理交互作用分析方法发现触觉错觉强度会调节左侧SI中的BA3区与SII中顶叶盖㊁顶上小叶㊁中央前回㊁脑岛和小脑这类高阶体感皮质之间的功能连接㊂关于黏着感,文献[27-28]研究发现黏着感织物触觉刺激时,运动皮层中的BA6区和AAL83区和感觉皮层中的BA1㊁BA43㊁BA48区会出现不同程度的正激活,而且织物黏着表面接触刺激会使中央后回㊁中央前回㊁顶内沟等躯体感觉皮层和辅助运动脑区产生一定程度的功能连接[36]㊂Yeon等[30]发现黏着感会激活同侧背外侧前额叶皮层和区分黏性细微知㊃772㊃第3期翟淑娜等:功能磁共振成像技术在织物刺激脑感知中的研究进展觉的大脑区域,主要包括皮质区域和皮质下区域,且与黏性强度呈正相关㊂即,SI中的BA1区㊁SII中的BA43区和BA48区㊁运动皮层中的BA6和AAL83以及辅助运动区与黏着感相关㊂关于柔软感,Wang等[37-38]发现用无毛皮肤主动触摸柔软的丝绸时,SI㊁SII和运动皮层均出现大量激活,且最大激活脑区位于左脑SI的BA2区,用有毛皮肤主动触摸柔软的丝绸时,最大激活脑区位于后岛叶,这可能与岛叶的AAL60反映触摸皮肤引发的愉快情绪高度相关[27]㊂另外Wang等[39]还运用Marsbar和Anatomy对比研究用手指主动接触两种丝绸和亚麻所产生的PSC,发现了在触摸丝绸时SI和顶叶岛盖的PSC明显高于触摸亚麻的PSC㊂2019年,Kitada等[40]也发现顶叶盖㊁岛叶的激活与材料柔软度呈正相关,且这些脑区与SI㊁顶后小叶和枕叶皮质构成了触觉柔软知觉大脑网络的重要节点㊂即,SI㊁SII产生更多的感官或辨别信息,岛叶则处理情感触摸信息㊂关于刺痒感,Wang等[41]在运用单纤维刺激前臂掌侧产生刺痒感的研究中发现,SI㊁SII㊁运动皮层㊁岛叶㊁边缘叶㊁视觉皮层㊁听觉皮层均有明显的激活,其中SI㊁视听觉皮层中的梭状回和运动皮层中的小脑激活程度较高,这可能与单纤维刺痒刺激会使受试者回忆痛感并控制身体运动有关㊂总结以上研究发现,SI参与触觉信息处理,虽与薄感㊁柔软感㊁光滑感㊁粗糙感㊁黏着感等都有关,但按特征脑区激活强度和激活占比的大小,SI更与光滑感㊁柔软感紧密相关,另外SI与顶叶盖㊁顶上小叶㊁中央前回㊁脑岛㊁丘脑㊁边缘上回这类高阶体感皮质相互作用实现有意识纹理触觉感知,是材料表面触感的下方大脑网络关键节点㊂SII参与触觉加工并产生感知或辨别性知觉,SII和运动皮层与粗糙感㊁黏着感㊁表面纹理精细感相关㊂而刺痒感激活躯体感觉皮层㊁运动皮层㊁情绪脑区㊁视觉听觉皮层,属于一种多维触感㊂2.1.2㊀基于fMRI的织物接触压力刺激脑感知研究基于fMRI的织物接触压力刺激脑感知研究主要是探索感知织物渐增压力的特征脑区方面㊂在感知织物压力舒适度的特征脑区方面,Yuan 等[42]运用SPM12㊁DPABI㊁Xjview软件分析数据,对人体腰腹部施加渐增织物压力刺激时发现,织物舒适接触压力刺激时,右侧SII脑血流升高,局域脑受到神经促进,感觉舒适,出现正激活,且脑岛与楔前叶的功能连接增强,舒适感知增加;而低于和高于织物舒适压时,SI和杏仁核脑区都会产生负激活,不同的是前者耗氧量过大,对SI的神经抑制作用明显,后者造成供氧量不足,对杏仁核的神经抑制作用更为显著,即随压力增加,负激活强度最大的脑区从SI转移到杏仁核,且负激活范围增加,负激活强度降低㊂而在脑区所含神经方面,右侧SII抑制疼痛,并且有毛皮肤的舒适感知由A-β传入神经兴奋性在躯体感觉皮层处理;SI反映疼痛,过于轻微的织物触压也会在大脑中产生不适感,这种不适感很可能是由织物表面的宏观几何特性引起的;杏仁核含有疼痛情绪神经元,参与疼痛感知,SI和SII伤害性信息都在杏仁核处理结束㊂总结发现,右侧SII是织物舒适压力的感知脑区,SI对面料宏观表面触觉感知具有显著向下调节作用,杏仁核是与织物压迫知觉相关的特征脑区㊂总之,躯体感觉皮层㊁运动皮层和情绪功能区相互作用形成触觉刺激信息㊂2.1.3㊀基于fMRI的织物触觉短时记忆脑感知研究TSTM是将感知到的有限数量的触觉刺激在短时间内保留下来的一种能力,决定人对一定数量触觉信息的准确感知[43]㊂基于fMRI的织物触觉短时记忆脑感知研究较少,研究主要集中在探索振动TSTM特性以及短时记忆对触觉感知的影响㊂童新宇等[43]发现手指振动触觉记忆容量略高于手腕部振动触觉记忆容量,但低于视觉记忆容量,振动强度离散间隔越大,则振动触觉记忆容量越大,振动持续时间过长或过短都会导致振动记忆容量减少,男性最佳持续时间为400ms,女性为300ms,振动刺激序列按强度递增或递减的顺序排列比混乱顺序时更容易记忆,振动刺激系列越长,再认正确率越低,反应时间越长㊂Zhang等[44]采用主观评价法对11种面料的厚度进行触觉感官评价序列实验,发现在感官评价中存在STM效应,导致幻觉记忆差异,即前一种织物的触觉感觉会直接影响对下一种织物的感觉,连续实验的时间间隔越短,影响越显著㊂因此在感官评价中,适当的时间间隔可以抵消STM效应㊂在感知脑区对服装压力的适应性方面,Chung 等[45]在观测服装压力刺激持续时间与感知脑区反应之间的关系中发现,对侧SI和SII激活程度随时间呈指数下降,脑半球间SI和SII㊁同侧SII㊁对侧SI 之间的功能连接线性降低,而对侧SI中BA3和躯体感觉联合皮质中的BA5区之间的功能连接线性增加㊂即,在处理有效触觉信息时,皮层的激活和脑区间的功能连接会发生动态适应性变化㊂㊃872㊃现代纺织技术第31卷总结以上研究发现,刺激部位㊁性别㊁振动强度㊁振动持续时间㊁振动刺激序列都对振动触觉记忆容量有影响,而且SI和SII之间的功能连接程度变化与持续时间的压力刺激有关,因此,在刺激过程中,我们掌握并有效控制这些影响因素可实现控制STM效应㊂2.2㊀基于fMRI的织物视觉刺激脑感知研究基于fMRI的织物视觉刺激脑感研究主要集中于感知材料属性和判断材质类别以及有关视觉短时记忆(Visual short-term memory,VSTM)研究㊂关于感知材料属性,视觉材料属性如光泽㊁纹理㊁重量㊁形状和硬度等㊂在光泽方面,与哑光相比,初级视觉皮层㊁次级视觉皮层和腹侧视觉皮层的梭状回和背侧视觉皮层对有光泽的物体反应更敏感㊂在纹理和形状方面,腹侧视觉皮层内侧和外侧区域并行处理材料的自然纹理和形状信息[46],进行织物纹理视觉感知时,沿内侧腹侧视觉皮层的侧沟㊁海马旁回㊁海马旁区域㊁舌回,枕内侧皮层,顶上叶,内侧颞叶,外侧前额叶皮层,楔前叶都对纹理信息感知敏感[47],感知形状差异的脑区主要位于外侧腹侧视觉皮层如枕外侧复合区(Lateral occipital complex, LOC)[48]㊂其中,LOC的梭状回可以综合表示自然纹理㊁颜色和形状的信息,其中每一个信息都是围绕其单独分析㊂在硬度方面,感知材料硬度的脑区主要位于侧沟㊁舌回㊁双侧枕颞皮层㊂关于判断材质类别,感知不同的视觉材料属性倾向于每个材料类别聚集㊂对判断材料类别已经从早期视觉区域的图像表征转移到梭状回及其周围区域这类高级视觉区域的知觉表征㊂Suzuki等[49]发现一名左脑腹内侧枕颞叶皮层受损的患者在匹配和命名材料纹理信息遇到困难,这可能与腹内侧枕颞叶皮层中的梭状回及其周围区域,比如舌回㊁侧沟㊁海马旁回等,对材料类别的感知较为敏感有关[50]㊂关于视觉短时记忆,一些研究也阐明VSTM与材料类别相关的大脑机制㊂VSTM大约有4个物体的固定容量,Alvarez等[51]发现VSTM容量极限是由材料数量和视觉信息负荷共同决定,顶内沟和枕内沟是VSTM存储容量的关键区域[52],两个区域中与容量有关的激活主要与VSTM中编码对象的空间位置密切相关㊂其中,下顶内沟占72%~87%左右,且随视觉记忆负荷的增加,右脑下顶内沟反映VSTM负荷,与视野位置无关[53]㊂Xu等[54]发现在编码和记忆维持中材料颜色的VSTM与外侧枕叶皮层和上顶内沟有关㊂Otsuka等[55]利用感兴趣区方法评估材料类别短时记忆的神经反应,并计算上顶内沟和对材料类别感知敏感的梭状回的平均信号变化,使用基于图像和基于触摸的两种变化检测任务来测量材料类别的VSTM,使用相关分析和来自主扫描的数据进行全脑分析来检验两个区域的脑激活以及与其他大脑区域之间的关联,研究发现梭状回的信号变化百分比在视觉刺激和触觉刺激任务中存在差异,说明梭状回可能参与不同材质在视觉刺激和触觉刺激之间差异的VSTM㊂而最近VSTM在预测理论的背景下被提及,Li等[56]在使用重复抑制范式测量视觉联合皮层中梭状回的BOLD信号时发现,当VSTM过程中,梭状回的重复抑制效应显著减弱,说明VSTM与梭状回脑区也存在一定关联㊂总结以上研究发现,关于材料的视觉信息主要通过腹侧视觉皮层的层次结构来处理和表征㊂其中,区分材料图像信息在初级视觉区域中表示,而高级视觉区域反映感知材料属性和材质类别差异㊂对于视觉短时记忆,顶内沟和枕内沟是VSTM存储容量的关键区域,梭状回参与材料在视觉和触觉刺激之间差异的VSTM㊂2.3㊀基于fMRI的织物视-触觉跨模式刺激脑感知研究㊀㊀视-触觉跨模式脑感知,是指通过视觉或触觉两种感官形式获得的信息在大脑知觉中紧密联系比如感知材料属性或类别脑区的多感官表征,视-触觉信息交互影响等[57]㊂关于视-触觉织物的跨模式脑感知研究主要在于感知材料属性脑区多感官表征,视-触觉信息的相互影响和视-触觉短时记忆3个方面㊂在感知材料属性脑区的多感官表征方面,如纹理㊁形状㊁硬度等㊂在纹理㊁重量和形状方面,在触觉感知织物粗糙度时,沿内侧腹侧视觉皮层的侧沟㊁海马旁回㊁海马旁区域㊁舌回,枕内侧皮层,顶上叶,内侧颞叶,外侧前额叶皮层,楔前叶同样激活,这表明纹理特征识别表征有跨皮质区域网络分布,其中外侧前额叶皮层和内侧颞叶之间有自上而下的功能连接[58],这表现出顶上叶,内侧颞叶,前额叶皮层,楔前叶和腹侧视觉皮层大脑网络具备处理材料特性的多感官表征;而且通过触摸材料纹理来视觉判断材料重量属性时,腹侧视觉皮层的侧沟激活[59],这表明腹侧视觉皮层通过多感官交叉刺激已经开始代表反映重量这类非视觉属性㊂Newman等[60]研究发现盲人触摸材料形状会激活LOC,而且不管盲人曾触㊃972㊃第3期翟淑娜等:功能磁共振成像技术在织物刺激脑感知中的研究进展。
自闭症的神经影像学研究进展
自闭症的神经影像学研究进展自闭症（Autism Spectrum Disorder）是一种神经发育障碍，导致个体在社交互动、语言和非语言交流以及展示刻板、重复性行为和兴趣方面存在困难。
许多研究人员利用神经影像学技术来探索自闭症患者大脑功能和结构方面的变化。
本文将着重讨论自闭症的神经影像学研究进展。
一、功能磁共振成像（fMRI）研究功能磁共振成像是一种通过测量血氧水平变化来显示大脑活动的非侵入性技术。
许多fMRI研究表明，自闭症患者在社交互动和感知、认知任务中显示出大脑活动的异常模式。
例如，一项研究发现，自闭症儿童在观察面部表情时，颞叶和顶叶的活动相对较低，这解释了他们难以从面部表情中获取情绪信息的问题。
此外，fMRI还揭示了自闭症患者在大脑连接方面存在差异。
一项研究发现，自闭症患者的脑网络连接强度较低，这可能导致他们在社交互动和认知任务中的困难。
二、结构磁共振成像（sMRI）研究结构磁共振成像可提供关于大脑结构的信息，包括体积、形态和纹理等方面。
通过比较自闭症患者与典型发育个体的大脑结构，研究人员发现了一些结构上的差异。
一项研究发现，自闭症患者的大脑灰质体积较小，尤其是在颞叶和顶叶区域。
这与社交认知和情绪处理等功能的异常有关。
此外，其他研究还发现了自闭症患者白质连接异常的证据，这可能干扰了不同脑区之间的信息传递。
三、脑电图（EEG）研究脑电图是一种记录大脑电活动的技术。
在自闭症方面的研究中，EEG被广泛用于研究自闭症患者大脑的电生理活动。
一项研究表明，自闭症患者在观察眼睛的任务中显示出异常的脑电活动。
正常发育的个体在这个任务中会产生称为眼睛留意反应（eye gaze response）的特殊EEG模式，而自闭症患者则不会。
这一发现为理解自闭症患者社交互动缺陷的神经机制提供了线索。
另外，一些EEG研究还揭示了自闭症患者在感官加工、刺激反应和大脑功能连接方面的差异。
通过将EEG与其他神经影像学技术相结合，可以更全面地了解自闭症的大脑特征。
一种基于独立成分分析的功能磁共振数据处理方法
ｌＤｅｔ ｆＡ ，￣ ｄＭａｈ ．ｖｒ 耐 Ｅｌ ｔ ｎｃ ｃ ｗ ｎ （ ｐ ｌ ｏ ｐ ｔ Ｕ ｉｅｓ ｅ ｒ ｉＳ ｉ ｅ ｄＴｅｈ ｏｏｙ Ｃ ｉａ Ｃ ｅｇ ｕ ６ ０５ ） ｃｏ ｏ ａ ｃｎｌｇ ｈｎ ｈｎ ｄ １ ０ ４ ２ Ｂｏ ｅ ｉ ｌ ｉｎ ｔ 蜊 ｂ Ｉ ； ｉｅ Ｓｆ ａ 。玎 （ ￣ｍ ｄｃ ｇ ａ ａＳ Ｄｄ － ￣ｅ ｇ ｍ ｉ ｎｌ ｃ Ｈ Ｐｒ
ｏ ｕ ｃｉｎ ｌ ｇ ｅ ｉ ｒ ｓ ｎ ｎ ｅｉ ｇｎ ｆ ＲＩ ａａ ｗｏｓｇ ａｓｏ ｅ ｒｖ ｘ ｌ ｒ ｓ ｄａ ｈ ｘ ｄｓ ｎ ｌ ｎ ｆｆ ｎ ｔ ａ ｍａ ｎ ｔｃ ｅｏ ａ ｃ ｍａ ｉｇ（Ｍ ｏ ）ｄ ｔ ｔｔ ｉｎ ｌ ｆ ａ ｏ ｅｓａ ｅｕ ｅ ｓｔ ｅｍｉｅ ｉ ａｓａ ｄ ｎ ｇ ａｅｓ ｐ ｒ ｔｄｂ Ｃ ．Ｔｈ ｏｒ ｌｔ ｎｃ ｅｆ ｉｎ ｓｂ ｔ ｅ ｈ ｅｅｅ ｃ ｉｎ ｌ ｎ ｈ ｅ ａａｅ ｉｎ ｌ ｒ ａｅ — ｒ ｅ ａａ ｅ ｙ Ｉ Ａ ｅｃ ｒｅａｉ ｏ ｆｉ ｅ ｔ ｅ ｗｅ ｎｔ ｅｒ ｆｒｎ ｅｓｇ ａ ｄｔ ｅｓ ｐ ｒ ｔｄｓｇ ａｓａ ｅｃ ｌｕ ｏ ｃ ａ Ｉｔｄａ ｄ ｔ ０ｅ ｖ ｘ ｌ ｗｈ ｓ ｏ ｒｌｔ ｎｃ ｅｆ ｉｎ ｓａ ｅｇ ｅ ｔｒｔ ａ ｈ ｅｈ Ｉ ｒ ｏ ｓｄ ｒｄｔ ｅ ｔ ｃｉａｅ ａｅ ｎ ｈ ｓ ｏ ｅｓ ｏ ｅｃ ｒｅａｉ ｏ ｆｃｅ ｔ ｒ ｒａ ｅ ｈ ｎ ａｔ ｒ ｓ ｏｄａｅｃ ｎ ｉｅｅ ｏ ｂ ｈｅａ ｔｖ ｔｄ ｏ ｉ
ｇ １０ ３ ） ０ ０ ９
Ａｂ ｔａ ｔ Ｉ ｄ ｐ ｎ ｅ ｔｃ ｍｐ ｎ ｎ ｎ ｌｓｓ（Ｃ ）ｉ ａｎ ｗ ｅ ｈ ｉｕ ｔｔ ｔ ａ ｉｎ ｌ ｒｃ ｓ ｉｇｔ ｘ ｒｃ ｓｒ ｃ ｎ ｅ ｅ ｄ ｎ ｏ ｏ ｅ ｔａ ａｙ ｉ Ｉ Ａ ｓ ｅ ｔｃ ｎｑ ｅｉ ｓａｉ ｉ ｌ ｇ ａ ｏ ｅ ｓｎ ｏｅ ｔａ ｔ ｎ ｓｃ ｓ ｐ
基于ICA方法的针刺效应网络研究
基于ICA方法的针刺效应网络研究摘要：针刺疗法是中医特色疗法之一，在临床实践中被广泛应用。
针刺效应是针刺治疗的核心机制之一，但其具体的神经网络机制尚不明确。
研究者们利用独立成分分析（ICA）方法，结合功能磁共振成像技术，对针刺效应的神经网络机制进行了深入研究。
该研究旨在为针刺疗法的临床应用提供更为准确的理论支持，并为其他相关研究提供借鉴和启示。
关键词：针刺效应、独立成分分析、功能磁共振成像、神经网络机制1.引言针刺疗法作为中医特色疗法之一，在中国已经有几千年的历史。
针刺效应是指针刺治疗时，人体在一定刺激下产生的一系列生物学效应。
虽然针刺疗法在很多疾病治疗中都取得了良好的效果，但其具体的神经网络机制尚不明确。
研究针刺效应的神经机制，有助于更好地理解针刺疗法的作用方式，为临床应用提供科学依据。
2.研究方法本研究采用了独立成分分析（ICA）方法，结合功能磁共振成像技术，探索针刺效应的神经机制。
研究对象为健康志愿者，共招募了30名。
实验过程中，志愿者需要接受一次标准的针刺治疗，在此过程中进行功能磁共振成像，记录大脑的活动信息。
研究者利用ICA方法对所获得的数据进行分析，寻找激活的独立成分。
3.研究结果研究结果显示，针刺治疗时，大脑的多个区域出现了活动激活。
其中，前叶双侧额下回、额前回、扣带回、楔前回是最为显著的激活区域。
这些区域与内外环境的感知、情绪调节以及大脑皮质下运动调控有关。
4.研究讨论本研究结果表明，针刺治疗能够激活大脑多个区域，并调控其功能。
针刺效应的神经机制涉及到了多个脑区，对多个脑区的同步激活起到了协同作用。
这些激活区域在感知、情绪调节和运动调控中起到了重要作用，在针刺治疗过程中通过相互作用起到了综合性的调节作用。
5.结论本研究利用ICA方法研究了针刺效应的神经机制，发现针刺治疗能够激活多个脑区，并调控其功能。
这一研究为针刺疗法的临床应用提供了更为准确的理论支持，并为其他相关研究提供了借鉴和启示。
自闭症儿童的大脑成像研究进展
自闭症儿童的大脑成像研究进展自闭症是一种儿童神经发育障碍，其特点是社交互动和沟通能力的缺陷，以及刻板重复的行为和兴趣。
长期以来，科学家们一直在努力研究自闭症的病因和治疗方法。
近年来，随着大脑成像技术的发展，研究人员开始通过观察自闭症儿童的大脑活动来深入了解该疾病的机制。
本文将介绍自闭症儿童大脑成像研究的最新进展。
一、功能性磁共振成像（fMRI）的应用功能性磁共振成像是一种非侵入性的大脑成像技术，可以测量大脑不同区域的血液氧合水平变化，从而反映出大脑的活动情况。
通过fMRI技术，研究人员可以观察到自闭症儿童在社交互动和认知任务中大脑活动的异常。
研究发现，自闭症儿童在处理社交信息时，与典型儿童相比，其大脑中的社交认知区域活动较弱。
这表明自闭症儿童在理解和处理他人的情感、意图和意义方面存在困难。
此外，自闭症儿童的大脑在执行控制任务时也表现出异常的活动模式，这可能与其刻板重复的行为和兴趣有关。
二、脑电图（EEG）的研究成果脑电图是一种记录大脑电活动的方法，通过在头皮上放置电极来测量大脑神经元的电活动。
近年来，研究人员利用脑电图技术研究了自闭症儿童的大脑功能。
研究发现，自闭症儿童在面对社交刺激时，其脑电波谱显示出明显的差异。
与典型儿童相比，自闭症儿童的脑电波谱在低频范围（例如δ波和θ波）上呈现出增强的活动，而在高频范围（例如α波和β波）上呈现出减弱的活动。
这种差异可能反映了自闭症儿童在社交互动和注意力调控方面的困难。
三、脑结构的研究进展除了功能性磁共振成像和脑电图技术外，研究人员还通过研究自闭症儿童的脑结构来探索该疾病的机制。
磁共振成像技术可以提供高分辨率的大脑结构图像，帮助研究人员观察自闭症儿童大脑的形态学变化。
研究发现，自闭症儿童的大脑结构存在一些差异。
例如，他们的大脑灰质体积较小，尤其是在社交认知区域。
此外，自闭症儿童的白质纤维束连接也显示出异常。
这些结构性差异可能与自闭症儿童的社交和认知功能缺陷有关。
独立成分分析的常见应用领域-Ⅲ
独立成分分析的常见应用领域-Ⅲ独立成分分析（Independent Component Analysis, ICA）是一种用于从混合信号中分离出独立成分的数学方法。
它在信号处理、脑成像、金融分析、生物信息学等领域都有广泛的应用。
下面我们将讨论ICA在这些领域的具体应用。
1. 信号处理领域在信号处理领域，ICA被广泛应用于语音信号的分离和恢复。
例如，在多人对话的录音中，ICA可以将不同的语音信号分离出来，使得每个人的对话可以被独立地处理和分析。
此外，ICA还可以用于图像处理，例如在医学影像中，可以将不同组织和结构的信息分离出来，有助于医生做出更准确的诊断。
2. 脑成像领域在脑成像领域，ICA可以用于分析功能性磁共振成像（fMRI）数据。
通过应用ICA，可以从复杂的脑成像数据中分离出不同的脑网络活动，有助于研究者理解大脑的功能连接和信息传递。
此外，ICA还可以用于电生理信号的分离，例如在脑电图（EEG）数据中，可以分离出不同脑电活动的成分，有助于理解大脑的电生理机制。
3. 金融分析领域在金融领域，ICA可以用于分析股票市场和金融时间序列数据。
通过应用ICA，可以从复杂的金融数据中分离出不同的市场因素和投资组合的成分，有助于投资者做出更准确的决策。
此外，ICA还可以用于金融风险管理，例如通过分离出不同金融风险的成分，有助于金融机构更好地评估和管理风险。
4. 生物信息学领域在生物信息学领域，ICA可以用于分析基因表达数据和蛋白质组学数据。
通过应用ICA，可以从复杂的生物数据中分离出不同的基因表达模式和蛋白质互作网络，有助于研究者理解生物系统的功能和调控机制。
此外，ICA还可以用于分析生物医学图像数据，例如从生物医学影像中分离出不同的生物标志物和病理特征，有助于医生做出更准确的诊断和治疗。
总之，独立成分分析在信号处理、脑成像、金融分析、生物信息学等领域都有着广泛的应用。
通过应用ICA，可以从复杂的数据中分离出不同的成分，有助于研究者和决策者更好地理解和利用数据，做出更准确的分析和决策。
独立成分分析在医学诊断中的应用(六)
独立成分分析在医学诊断中的应用(六)独立成分分析（Independent Component Analysis，ICA）是一种信号处理技术，它可以将复杂的混合信号分解成不同的独立成分。
在医学领域，ICA被广泛应用于诊断和治疗，特别是在神经科学、脑影像学和心理学方面。
本文将重点探讨独立成分分析在医学诊断中的应用。
一、神经科学和脑影像学在神经科学和脑影像学中，研究人员经常使用脑电图（EEG）和功能性磁共振成像（fMRI）来研究大脑的活动。
这些成像技术产生的信号往往是多个源的混合信号，独立成分分析可以帮助研究人员将这些信号分解成不同的脑活动成分。
通过ICA分析，研究人员可以识别出大脑中独立的神经活动模式，从而更好地理解大脑的功能和结构。
这对于研究脑部疾病、神经退行性疾病以及大脑功能障碍具有重要意义。
此外，ICA还可以帮助医生诊断和治疗癫痫、帕金森病等神经系统疾病。
二、心理学在心理学领域，独立成分分析也被广泛应用。
例如，在心理学和精神病学研究中，研究人员可以使用ICA来分析情绪、认知和行为等多种心理信号的相互作用，从而更好地理解心理障碍的发生机制。
此外，ICA还可以帮助医生诊断和治疗焦虑症、抑郁症等心理疾病。
通过分析患者的心理信号，医生可以更准确地判断患者的病情和治疗效果，为患者提供更有效的治疗方案。
三、心脏病学除了在神经科学和心理学领域的应用之外，独立成分分析还被广泛应用于心脏病学领域。
例如，在心电图（ECG）信号处理中，ICA可以帮助医生分离心脏电活动中的各种成分，从而更准确地诊断和治疗心脏疾病。
通过ICA分析，医生可以识别出心脏电活动中的异常信号，比如心律失常、心肌缺血等，从而及时采取相应的治疗措施。
此外，ICA还可以帮助医生评估患者的心脏健康状况，预测心脏疾病的发生和发展趋势。
总结独立成分分析在医学诊断中的应用为医生和研究人员提供了一种强大的工具，它可以帮助他们更好地理解和分析复杂的医学信号，从而更准确地诊断和治疗疾病。
功能性磁共振成像技术及其神经网络连接性研究进展分析
功能性磁共振成像技术及其神经网络连接性研究进展分析功能性磁共振成像（functional magnetic resonance imaging, fMRI）是一种非侵入性的脑成像技术，通过测量脑血氧水平变化，可以间接地揭示脑活动和神经网络连接的信息。
本文旨在综述功能性磁共振成像技术在神经网络连接性研究方面的进展。
首先，我们需要了解功能性磁共振成像技术的基本原理。
该技术利用磁场梯度对核磁共振信号进行定量测量，可以获取从头颅到脚底的体积图像。
相比于结构性成像技术，如CT和MRI，功能性磁共振成像技术具备高时空分辨率的优势，可以观察到脑血流的变化，从而研究脑区之间的功能连接。
在神经网络连接性研究中，功能性磁共振成像技术可以用于揭示脑的静息态网络连接（resting-state networks, RSNs）和任务活动相关网络（task-related networks）。
静息态网络连接是指在没有特定任务的情况下，大脑区域之间存在的自发耦合网络。
这些网络包括默认模式网络（default mode network, DMN）、视觉、感知和运动等功能网络。
通过功能性磁共振成像技术，我们可以揭示这些静息态网络在不同认知任务中的变化和与疾病相关的改变。
除了静息态网络连接的研究，功能性磁共振成像技术还可以用于任务活动相关网络的探索。
通过让被试在执行不同任务时进行扫描，我们可以得到与该任务相关的激活脑区，以及这些脑区之间的功能连接。
这种方法可以帮助我们理解不同任务执行时大脑区域的协同性和功能特异性。
近年来，随着神经网络连接性研究的不断深入，功能性磁共振成像技术在分析方法上也取得了重要进展。
一种常用的方法是静息态功能磁共振成像中的种子相关分析（seed-based functional connectivity analysis）。
该方法基于设定种子区域，在整个大脑中计算种子区域与其他脑区之间的功能连接程度。
另一种方法是独立成分分析（independent component analysis, ICA），通过对数据进行降维和无监督聚类，可以将大脑活动分解为不同的独立成分，从而揭示不同脑网络之间的相互作用。
精神分裂症和强迫症的结构和功能磁共振成像比较研究进展
1. 1 资料来源与检索策略
1. 1. 1 资料来源
于 2020 年 6 月-2021 年 1 月对万方医学网、中国 知网等中文数据库和 PubMed 英文数据库进行检 索，检索时限为 2000 年 1 月-2021 年 1 月。
1. 1. 2 检索策略
检索主题词：精神分裂症（schizophrenia）、强迫 症（obsessive-compulsive disorder）、结 构 磁 共 振 （structural MRI）、功能磁共振（functional MRI）、脑网 络（brain network）、磁共振（MRI）。中文检索式：精神 分裂症 AND 强迫症 AND（结构磁共振 OR 功能磁
2. 2. 2 白质结构 MRI
弥散张量成像（DTI）是基于水分子在脑组织中 扩散的定量分析，能够提供脑白质纤维束的完整性 和微结构的相关信息［23］。分数各向异性（FA）是 DTI 的主要分析指标，基于纤维束的空间统计（TBSS）方 法 是 目 前 最 稳 定 和 成 熟 的 DTI 数 据 定 量 分 析 技 术 。 ［24］ 已有多项研究表明，精神分裂症和强迫症患 者通常会出现大脑白质结构的异常，包括精神分裂 症和强迫症在内的多种精神疾病患者的扣带束、胼 胝体以及额叶和颞叶区域的白质纤维束更可能存 在异常［25-27］。
285
http：//www. psychjm. net. cn
四川精神卫生 2021 年第 34 卷第 3 期
共振 OR 脑网络 OR 磁共振）；英文检索式：（（schizo⁃ phrenia）AND（obsessive-compulsive disorder））AND （（structural MRI）OR（functional MRI）OR（brain net⁃ work）OR（MRI））。 1. 2 文献纳入与排除标准
影像学在心理学研究中的作用
影像学在心理学研究中的作用影像学是一门利用影像技术研究和观察生理和解剖结构的学科，具有广泛的应用领域。
随着科技的进步，影像学在不同领域中发挥着重要作用，其中心理学研究是其中之一。
本文将重点探讨影像学在心理学研究中的作用及其优势。
一、影像学技术在认知心理学研究中的应用1.1 功能性磁共振成像技术在认知活动研究中的应用功能性磁共振成像技术（fMRI）可以通过检测脑血流变化，实时观察和分析大脑在特定认知任务下的活动变化。
通过fMRI技术，我们可以研究认知活动的神经基础，如决策、学习、记忆等，进一步揭示认知过程中的脑区激活模式。
1.2 脑电图技术在注意力和反应过程研究中的应用脑电图（EEG）技术是一种记录脑电活动的方法，可以检测大脑皮层电位的变化。
在研究注意力、反应过程等心理学现象时，EEG技术可以提供灵敏的时间分辨率，捕捉到脑电信号的微小变化，帮助我们深入了解认知过程中的时间序列。
二、影像学技术在情绪和情感研究中的应用2.1 功能性磁共振成像技术在情绪加工研究中的应用情绪加工是心理学研究中的一个重要领域，影像学技术为我们提供了非常有力的工具来研究情绪加工的神经基础。
通过fMRI技术，我们可以研究不同情绪状态下脑区活动的变化，进一步探讨情绪加工的神经机制。
2.2 脑电图技术在情绪识别研究中的应用脑电图技术可以通过记录情绪识别任务中被试者脑电活动的变化，研究不同情绪状态下脑电信号的特征，如情绪表情识别任务中的P300成分等。
通过对脑电波形和频谱进行分析，可以进一步了解情绪识别的独特神经机制。
三、影像学技术在神经解剖和结构研究中的应用3.1 结构磁共振成像技术在大脑结构研究中的应用结构磁共振成像技术（sMRI）能够提供高分辨率的大脑结构图像，对大脑灰质、白质和脑结构的分布进行详细分析和测量。
这为神经解剖学的研究提供了可靠的工具，并为研究神经系统发育、老化、疾病等提供了重要线索。
3.2 磁共振光谱成像技术在神经递质研究中的应用磁共振光谱成像技术（MRS）可以测量大脑中的化学物质浓度，并提供关于神经递质的信息。
基于独立成分分析的脑磁图信号处理技术研究
基于独立成分分析的脑磁图信号处理技术研究一、前言磁共振成像技术（MRI）和脑电图（EEG）是目前应用最广泛的两种脑科学研究技术。
尽管MRI在神经科学领域的应用具有很大的潜力，但其分辨率仍受到限制，因此EEG和脑磁图（MEG）成为提供脑活动动态信息和功能整合的最佳方法。
EEG和MEG 可以同时记录数千路信号，以非侵入性的方式提供脑功能的极高时间解析度和空间分辨率。
二、独立成分分析独立成分分析（ICA）是一种信号处理技术，用于将多个混合信号分离成独立的成分，并在信号处理中广泛应用。
ICA基于统计学方法，允许在信号中分离出相对较独立的源信号，从而使研究人员能够更好地理解信号来源。
ICA技术已广泛应用于EEG和MEG信号处理中，在识别人类大脑活动的时空模式方面具有独特的优势。
对于体积电极脑电图（VEEG），ICA技术可用于分离超过1000个通道的混合信号，使诊断和治疗神经失调的医学应用实现。
三、ICA在脑磁图中的应用ICA技术进一步拓展了MEG技术的应用领域。
MEG是一种非侵入性的神经生理学记录技术，可以获取脑区的神经活动。
MEG有很强的时间分辨能力，但空间分辨率与其特性有关。
在MEG系统中，磁场传感器围绕在头部周围，并捕捉头部表面的磁信号。
由于许多源发生在相同的时间点，因此MEG信号通常是相互混合的，难以直接解释。
ICA技术可以将MEG信号分离成许多独立的时间序列，每个序列代表单独的脑活动。
这种分离的能力可以提供比其他技术更丰富的脑活动信息。
研究人员可以使用ICA技术来确定不同脑区的信号成分，以便更好地对脑活动进行分析和解释。
ICA也可以用于分离由脑磁图信号混合而成的其他来源的噪声，如肌电信号。
通过这种分离技术，研究人员可以提高MEG信号的质量，从而增强脑活动的检测和解释。
四、总结ICA技术已被广泛应用于EEG和MEG信号处理中，成为研究人员了解人类大脑功能的必备工具。
在MEG的应用中，ICA技术提供了一种可靠的方法，用于分离脑区信号成分并排除其他来源的噪声，从而更好地了解人类大脑的运作方式。
独立成份分析(ICA) 及脑功能磁共振成像(fMRI)PPT课件
研究的主要方向
1. 独立成份分析理论，算法和应用研究。 2. fMRI脑高分辩成像的技术研究。 3. fMRI图像配准技术的研究。 4. fMRI的血流动力学模型的研究。 5. fMRI数据处理方法研究，重点是ICA在fMRI
的应用研究。 6. 基于fMRI的脑功能定位技术及应用研究。
(4) 提出图像ICA分离理论和BFGS算法
Chen, Yao et al Neurocomputing submitted
1) 图像仿 真实验
5）图像ICA在fMRI中的应用 数据模型 分离图像
脑功能 定位
6) Image Registration AlgorithmA Projection Based Image Registration (IEEE trans. On Medical Image. (submit) )
11. Chen Huafu, Zeng Min,Yao Dezhong. Independent Component Analysis in Extracting Characteristic signals in EEG, Proceedings of IEEE-EMBS APBME'2000 Conference189190
20 40 60 80 100 120
20 40 60 80 100 120
1200 1100 1000
900 800
0
1 0.8 0.6 0.4 0.2
0 0
20
40
60
80
20
40
60
80
11. Detecting Brain Activities from fMRI Dataset using MUSIC
功能磁共振成像在心理学研究中的应用
功能磁共振成像在心理学研究中的应用心理学是研究人类心理过程和行为的科学领域。
近年来，随着技术的进步，功能磁共振成像（fMRI）成为心理学研究中的重要工具之一。
通过检测大脑血液流量变化，fMRI可以帮助研究人员了解不同心理过程的神经机制，深入探索人类心理活动背后的秘密。
在心理学研究中，fMRI可以用于研究多个领域，包括记忆、情绪、决策、认知功能等。
下面将重点介绍fMRI在这些领域的应用。
首先，fMRI在记忆方面的应用非常广泛。
通过观察大脑各个区域的活动，研究人员能够了解何时、何地以及如何存储和检索记忆。
例如，研究人员可以利用fMRI技术探索编码新信息时所涉及的大脑区域，进一步了解记忆形成的过程。
此外，fMRI还可以用来研究长期记忆和工作记忆，揭示相关的神经机制。
其次，fMRI在情绪研究中具有重要意义。
情绪是人类行为和决策的重要驱动力之一，而fMRI可以帮助我们理解不同情绪状态下大脑的变化。
通过观察患者的脑部活动，研究人员可以探索情绪处理的神经机制，并深入了解不同情绪对认知和行为的影响。
此外，fMRI还可以帮助确定某些情绪紊乱和心理障碍的神经基础，为临床治疗提供指导。
此外，fMRI也被广泛用于决策研究。
决策是人类日常生活中不可或缺的过程，而fMRI可以通过揭示决策过程中大脑的激活模式来帮助我们了解决策思维的神经基础。
研究人员可以利用fMRI技术研究决策与奖励之间的关系，进一步了解奖励系统是如何影响我们的决策行为的。
最后，fMRI在认知功能研究中也占有重要地位。
认知功能是人类思维和思考过程的基础，包括学习、感知、语言和注意力等方面。
通过使用fMRI技术，研究人员可以观察大脑在不同任务中的激活模式，了解不同认知活动背后的大脑机制。
这些研究有助于我们理解学习和记忆、注意力分配和决策制定等认知功能的神经机制。
然而，尽管fMRI在心理学研究中的应用前景十分广阔，但也存在一些限制。
首先，fMRI技术非常昂贵，仪器设备和维护成本高，这限制了它在大规模心理学研究中的运用。
用于功能磁共振成像数据处理的时间簇分析法
!综述T h e t e m p o r a l c l u s t e r a n a l y s i sm e t h o du s e d i n f M R I d a t a p r o c e s s i n gL UN a ,L I L i n ,S HA NB a o -c i "(K e y L a b o r a t o r y o f N u c l e a rA n a l y s i sT e c h n i q u e s ,I n s t i t u t e o f H i g hE n e r g y P h ys i c s ,C h i n e s eA c a d e m y o f S c i e n c e s ,B e i j i n g 100049,C h i n a )WTH Z :[A b s t r a c t ]#T h e t e m p o r a l c l u s t e r a n a l y s i s (T C A )i s a n o v e lm e t h o d t h a t c a n o b t a i n i n f o r m a t i o n o f t i m e a n d s p a c e o f b r a i nw h e n t h e t i m i n g a n d l o c a t i o no f t h e a c t i v a t i o na r e c o m p l e t e l y u n k n o w n .T C Ai sb a s e do n t h en u m b e r o r t h e i n t e g r a t e ds i g n a l i n t e n s i t y o f a t e m p o r a l c l u s t e r a t e a c h t i m e p o i n t .W i t h t h e c u r v e o fT C A ,t h e t i m e i n f o r m a t i o n a n d t h e s p a c e i n f o r m a t i o n o f a c t i v a t i o n c a nb e o b t a i n e d .M o r e o v e r ,t h em e t h o d i s e a s y t o i m p l e m e n t a n d i t s c o m p u t a t i o n f u a n t i t y i s l o w.b o w e v e r t h e l i m i t a t i o n so f t h em e t h o dm a k e i t d i f f i c u l t t ob ew i d e l y u s e d i n t h e f i e l do f f M R I d a t a p r o c e s s i n g.[K e y wo r d s ]#T e m p o r a l c l u s t e r a n a l y s i s ;F u n c t i o n a lm a g n e t i c r e s o n a n c e i m a g i n g ;D a t a p r o c e s s i n g 用于功能磁共振成像数据处理的时间簇分析法鲁#娜,李#琳,单保慈"(中国科学院高能物理研究所核分析室,北京#100049)[摘#要]#作为一种新的数据处理方法,在大脑激活的位置和时间信息完全未知的情况下,时间簇分析(T C A )可以基于每个时间点达到最大值的像素的个数或灰度值得到大脑激活的时间信息。
正常人和抑郁症对情绪面孔刺激的fMRI研究的开题报告
正常人和抑郁症对情绪面孔刺激的fMRI研究的开题报告一、研究背景和意义随着现代社会的发展，抑郁症等情绪障碍的发病率逐年增高，给社会和家庭带来了巨大的负担和危害。
情绪面孔作为人类交流中最为重要的非语言信息之一，对于情绪障碍患者的治疗和预防具有重要意义。
目前已有许多研究探讨了情绪面孔刺激对正常人和抑郁症患者的影响，但是对于不同疾病的影响机制存在争议和不确定性，因此有必要对不同疾病患者的情绪面孔识别机制进行比较研究。
基于此，我们计划开展一项研究，使用fMRI技术比较正常人和抑郁症患者在面孔情绪刺激过程中的脑功能变化，探讨情绪面孔在两组人群中的加工差异及其机制，为抑郁症的机理解析、治疗和预防提供新的思路和依据。
二、研究内容和方法1. 研究内容本研究将比较正常人和抑郁症患者在观看情绪面孔刺激过程中的脑功能变化，探讨两组人群对不同情绪面孔的反应及其机制。
具体研究内容包括以下几个方面：（1）两组人群在面孔刺激下的行为表现差异（2）不同情绪面孔对两组人群的脑功能的影响（3）两组人群在情绪面孔处理过程中脑神经网络的差异2. 研究方法采用fMRI技术观察两组人群在情绪面孔刺激下的脑功能变化，同时采用自我报告问卷和临床评估工具测量两组人群的情感状态和抑郁症状。
具体流程如下：（1）受试者招募：招募20名正常人和20名抑郁症患者（临床诊断符合DSM-5诊断标准）。
（2）fMRI实验任务：采用面孔情绪识别实验，包括基线、中性、愤怒、快乐、悲伤、恐惧6个条件。
每个条件分别有18个试次，每个试次呈现1000ms，随即呈现注视点500ms，等待参与者做出回应。
实验时采用Siemens 3T磁共振成像仪，并记录受试者的行为表现。
（3）数据分析：使用SPM12软件对fMRI数据进行预处理和分析，包括运动校正、空间标准化、平滑和统计分析。
统计分析主要包括群体差异、情绪效应和功能连通性等方面。
（4）数据分析和结果解读：对fMRI数据进行分析，并结合自我报告问卷和临床评估工具的结果进行结果解读。
ICA评估
ICA评估
ICA评估是指利用ICA（Independent Component Analysis，独立成分分析）对数据进行分析和评估的一种方法。
ICA是一种统计方法，用于从混合信号中恢复出原始信号的分析技术。
ICA评估常应用于信号处理领域，尤其是在脑电图（EEG）和功能性磁共振成像（fMRI）等生物医学信号的分析中。
ICA 评估可以帮助研究人员分离和鉴别混合信号中的独立成分，从而获得更准确和可靠的数据分析结果。
ICA评估的目标是通过对各个成分的特征进行分析，提取出独立成分并对其进行分类和描述。
ICA评估的优势在于可以处理非高斯分布的信号，其核心思想是寻找最独立的成分，使得信号的混合程度最小化。
通过ICA评估，可以分离出具有独立结构的信号成分，帮助研究人员识别出对研究结果有重要影响的成分。
ICA评估在生物医学领域有着广泛的应用。
例如，在EEG信号分析中，可以利用ICA评估来分离出各个脑电波，并研究它们与特定认知功能的关联。
在fMRI信号分析中，ICA评估可以帮助研究人员确定fMRI图像中的活跃脑区，并进一步研究其在特定任务中的功能。
除了生物医学领域，ICA评估还可应用于其他领域，如信号处理、图像处理、语音识别等。
通过ICA评估，可以对信号进行更深入的分析和理解，从而得到更准确和可靠的结果。
总之，ICA评估是一种通过对混合信号进行独立成分分析的方法，可以帮助研究人员分离出独立的信号成分，并进行分类和描述。
ICA评估在生物医学领域有着广泛的应用，可以帮助研究人员深入理解信号，并获得准确和可靠的数据分析结果。
同时，ICA评估也可应用于其他领域，为信号处理和图像处理等任务提供有力的工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
doi：10.3969/j.issn.1674-1242.2019.03.002基于组独立成分分析的情绪刺激功能磁共振成像研究周春宇，武杰上海理工大学医疗器械与食品学院(上海，200093)【摘要】目的通过独立成分分析(ICA)方法研究大脑对正、负性情绪的响应机制。
方法用组独立成分分析方法、聚类及可视化的可靠性评估方法来评估和选择相应的独立成分研究响应机制。
结果算法处理后的成分数据对积极和消极情绪的刺激形成特定处理通路。
结论积极情绪下的高级脑区呈现活跃状态，且左侧额中回与海马旁回通路的联结性明显上升；消极情绪刺激的激活通路:皮层-丘脑枕核-杏仁核，且右扣带回区域与左侧楔前叶间的联结性下降明显。
【关键词】组独立成分分析；情绪刺激；脑部区域；磁共振成像；可靠性分析【中图分类号JR445.2【文献标志码】A文章编号：1674-1242(2019)03-0131-05Study on Brain Activation Region Basedon Group Independent Component AnalysisZHOU Chunyu,WU JieSchool of Medical Instrument and Food Engineering,University of Shanghai for Science and Technology(Shanghai,200093)[Abstract]Objective To study the brain s response mechanism of positive and negative emotions by independent component analysis(ICA).Methods The group independent component analysis method and the clustering and visualization reliability evaluation method were used to evaluate and select the corresponding independent component response mechanism.Results The component data processed by the algorithm formed a specific processing pathway for the stimulation of positive and negative emotions.Conclusion The advanced brain areas showed an active state,and the connectivity between the left middle frontal gyrus and the para一hippocampal gyrus was significantly increased under positive emotions.The activation pathways of negative emotional stimulation iscor-tical一thalamic occipital nucleus一amygdala,and the connectivity between the right cingulate gyrus region and the left precuneus lobe was significantly decreased.[Key words]group independent component analysis,emotion stimulation,brain region,magnetic resonance imaging,reliability analysis情绪是内心情感的外在表现形式，既能在一定程度上体现个人思想、行为的生理及心理状态，也能反应个人主观认知水平的变化情况。
情绪状态是基金项目：国家自然科学基金(61605114),上海理工大学微创基金项目(YS30810175)作者简介：周春宇，E-mail：912913560@通信作者：武杰，E-mail：wujie3773@ 影响人体认知执行水平、诱发脑疾病的重要因素，如何促使脑部激活区域更好地面对情绪波动，已经成为脑科学领域的热点研究内容[1-2]o根据现有资料记载可知，在过去较长的一段时间内，我国脑科学研究单位主要依靠独立成分分析方法，研究脑部激活区域在情绪刺激中的变化情况。
独立成分分析在不依靠假设条件的情况下，分离提取由情绪刺激带来的人体生理性变化指标，再在既定脑组织区域内，对比这些指标与理想数据间的差值，进而得出脑部激活区域对情绪刺激的应变情况[3-4]o 但这种方法不能充分提取各脑组织的共同特性，为解决上 述问题，在保留独立成分分析方法应用优势的基础 上，对所有脑组织进行跨个体融合，建立一种组独立成分分析方法，并利用该方法探究脑部激活区域 对正、负性情绪的准确处理机制。
1组独立成分分析方法的内涵研究大脑处理描 预处理和归一化 降维ICA图2 组ICA 应用于fMRI 数据处理框架Fig. 2 Data processing framework of Group ICA applied to fMRI简单的ICA 处理能够有效地分离单个被试者 的脑区激活图及其对应的时间进程，此方法可以被 用来提取fMRI 数据中的源信号，对于用作数据的预处理是一个非常灵活并且有效的方法。
如图1所示，是ICA 方法分离数据源信号的模式。
假设在不 同位置v 上存在的产生信号的信号源个数为N 个, 其中第i 个源信号定义为Si(”)。
其中i 为像素位置，％为采样数目。
这个过程 可被视为信号臥”)与混叠矩阵B 的乘积。
由此得 出的信号y( 0 ,就是本文所要利用ICA 方法处理的对象。
对于采集的fMRI 图像数据，首先要对其进 行预处理包括层间矫正、头动修正、图像配准、归 一化和空间平滑等，这个过程我们以T(.)表示。
预处理之后，本文将采用ICA 方法寻找解混矩阵和久"，从而得出独立成分所得到的独立成分即是对于源信号的估计，数据结果包括了 空间激活图和相应的时间进程序列。
数巒产生过程数獄•处樂过程一L.切)T(.)处理称ICAA 1B \ A MRlfi 描丈範处理图1 ICA 应用于fMRI 数据处理框架Fig. 1 Data processing framework of ICA applied to fMRI但是，如果将处理所得的数据具有“大数据”的 统计学意义，需要将多个被试者在同样状态下进行 测试，即以“组”的形式呈现。
本文所使用的fMRI数据都是来自于成“组”的数据，即将参与同一实验 的多个被试者的数据统一加以处理和分析。
不过组ICA 在某些计算过程中与ICA 的计算 原理有所不同或更为复杂。
这些过程主要分为两 方面：(1) 独立成分数目的估算。
一个“组”的血氧水平信号既有相同之处也有不同之处，组ICA 的处理 对象是所有被试者的数据信号混叠起来的信号集合，所有独立成分数目的估算也有相对复杂的计算 公式。
(2) 跨个体的独立成分的融合。
组独立成分分析计算得出的独立成分是基于多个被试者的血氧信号(BOLD)。
每个被试者的fMRI 信号先经过预处 理，然后分别进行降维处理。
然后所有被试者的信 号级联在一起形成一个数据集。
这个数据集再经过一步降维过程才形成可以由ICA 处理的数据矩阵。
也就是说，与ICA 相比，组成分ICA 多出了一步数 据叠加和降维过程。
2聚类及可视化的可靠性评估方法(1CASSO)首先，由于组独立成分分析的过程中有限的样本容量导致了估计中的统计误差。
其次，真实的数据没有完全遵循ICA 模型，对比函数用于估计可能 会有很多局部最小值都一样好，或者实用算法可能 并不总是正确执行，例如陷于局部最小值和强烈对比的次优值函数。
便于下文选取可靠性高的独立成分所代表的意义进行重点分析，我们需引入可靠性 的概念，本文中相似度与可靠性成正比，即相似度高则可靠性高，反之亦然。
我们假设如公式(1),独立成分分析的解混矩阵为“。
另外，矩阵力的协 方差矩阵我们设为轧我们引入相似度的概念，我们把相似度高的独立成分归为一类，低的列为不同类。
我们设矩阵S 为相似度矩阵。
则S = W g W T( 1 )3情绪刺激对脑部激活区域研究的实验设计3.1 实验选取50名身体健康、精神状态正常的成年人 作为实验对象，通过随机分配方法将其平均分为实验组和对照组，每组25人。
利用Siemens Trio 3. 0T MRI仪器对所有实验人员脑组织进行深度扫描,排除隐性脑肿瘤、脑梗死等原因对实验结果造成的影响。
根据仪器扫描结果绘制定位图像，再结合投射仪对所有实验人员的脑组织进行情绪刺激。
为避免深入脑组织内部对实验人员造成不必要的身体损伤，本次实验采取肉眼观看不同情绪图片的方式,对实验人员脑激活区域进行情绪刺激。
在操作过程中，若实验对象肉眼所见图片为“正性”表情，则要求该名实验对象点击左侧固定按键；若实验对象肉眼所见图片为“负性”表情，则要求该名实验对象点击右侧固定按键。
所有实验用图片数量均为15,整个实验过程中图片均维持随机出现状态，每幅图片出现持续时间为2s,每隔2s时间出现下一幅图片。
整个磁共振扫描参数的基本设置如表1所示。
表1磁共振扫描参数设置表Tab・1Magnetic resonance scan parameter setting table参数名称数值TR2000msTE60ms视野24cm矩阵64x64层厚5mm层间距1mm3.2组独立成分选取结果的可靠性分析利用ICASSO工具包进行处理，设置Fast-ICA 算法的运行次数为50次来筛选出可靠性高的独立成分。
图3、图4是正性和负性情绪刺激下，脑部组织的类二维空间分布图。
图3正性情绪独立成分的类二维空间分布图Fig.3Two-dimensional spatial distribution ofpositive emotional independent components图4负性情绪独立成分的类二维空间分布图Fig.4Two-dimensional spatial distribution ofnegative emotional independent components图4中独立成分分析的结果中的每个区域表示一个类，红色表示类与类之间的相似度，黑色（1~ 0.9）越深表示相似度越高。