自发和诱发电生理活动之间的动态关系

自发和诱发电生理活动之间的动态关系,第1张

文章来源于微信公众号( 茗创科技 ),欢迎有兴趣的朋友搜索关注。

自发的神经活动波动已被证明会影响感知、认知和行为结果的变化。然而,这些波动形成刺激诱发的神经活动的复杂电生理机制仍有待进一步探索。 自发和诱发电生理活动之间的动态关系 这篇研究使用大规模脑磁图数据集和脑电图可复制数据集,考察了一系列电生理变量中自发和诱发神经活动之间的关系。研究结果发现, 对于高频活动,刺激前高振幅会导致更大的去同步诱发电位,而对于低频,刺激前高振幅会导致更大的事件相关同步。 研究者进一步将电生理功率分解为振荡和无标度分量,并且展示了每个分量的自发-诱发相关电位的不同模式,发现了自发和诱发时域电生理信号之间的相关性。这种多个电生理变量的动力学在自发和诱发活动之间的关系,对非侵入性电生理学的实验设计和分析具有启示意义。

1.前言

即使在没有特定的实验刺激的情况下,神经活动也会显示出时间和空间结构的自发波动。这种自发的神经活动与各种形式的内在认知有关,例如思维游离、自我参照加工、心理时间旅行和社会认知/心理理论。虽然自发活动通常是在无刺激的“静息状态”中进行研究的,但它在认知任务中的神经活动波动是持续存在的。最近的多项研究表明, 刺激开始前的自发神经活动可以预测或影响参与者与刺激相关的知觉,自我感知,意识,注意力,反应时间和工作记忆。 刺激前活动对行为结果的普遍影响引发了关于这种效应的神经机制的问题。 如果自发的刺激前神经活动 能够在 行为上观察 到 ,那么它必须影响大脑对外部刺激的 加工 ,从而影响刺激 开始 后的神经活动变化。 然而,目前对自发的刺激前和刺激诱发活动之间的动态关系仍知之甚少。

关于自发和诱发活动关系的脑电图(EEG)和脑磁图(MEG)研究通常侧重于刺激开始两侧的神经生理的不同方面,基于普遍的生理学变量的假设,选择刺激前活动的特定 *** 作变量,如去同步化。然而,在相同的电生理特征下,自发活动和诱发活动之间是否存在系统的关系,而不是通过不同的测量方法来 *** 作这两种分量的,目前仍未可知。 例如,是否存在 一种 动态机制,通过这种机制, 刺激前 伽马功率的自发变化会影响刺激诱发的伽马反应,或者,诱发反应是否主要受更普遍的大脑兴奋和同步状态的影响? 虽然这种自发-诱发关系已经在fMRI的BOLD信号动力学中显示出来,但从未在MEG/EEG中进行研究。这对于MEG/EEG信号的生理学解释的可行性是相当重要的。

脑电图和脑磁图提供了一个了解大量神经生理现象的窗口,并且时域和频域的分析反映了不同的潜在神经生理过程。 时域电生理信号反映了许多神经元的同步突触后电位,而频域分析允许记录如(8-13 Hz),(4-8 Hz)和(13-25 Hz)的皮层振荡。 这些被认为反映了皮质反馈回路或神经递质相关的过程。频域分析也揭示了节律性无标度活动,这与兴奋-抑制平衡和自组织临界的复杂网络模型有关。

本研究针对一组不同的电生理变量来考察自发和诱发的神经活动之间的关系,即使用 简单感觉范式的大规模脑磁图数据集 ,以及具有更 复杂的认知任务的可复制脑电图数据集 。这使研究者们能够 探索刺激前和刺激诱发的任务特异性与非特异性。 在频域中,研究者观察到多个频段中的自发和诱发功率存在广泛相关性,这一发现在不同的模式和任务中是一致的。然而,这种相关性的类型和大小在不同频段有所不同。研究者发现, 在检查纯振荡功率时,在混合功率中的自发和诱发活动的相关性在很大程度上得到了概括。 无标度活动的两个参数(标度指数和宽带偏移)也显示出自发和诱发之间的正相关关系。 在时域中也观察到自发和诱发活动之间的相关性,它们似乎是特定于任务或模式的。本研究揭示了许多常见电生理变量自发和诱发神经活动之间的不同关系。这可能 在未来有助于解释自发活动的反复波动影响认知和知觉结果的神经生理学机制。

2.材料和方法

评估自发和诱发活动之间相关性的方法。研究刺激前和刺激后活动关系的fMRI研究采用了两种不同的方法: 试次间变异性(TTV)和伪试次。 试次间变异性(TTV)利用总变异率来评估自发活动(X)和诱发活动(Y)之间的相关关系。

自发和诱发活动之间假定的相关性用r XY 表示。 由于方差始终为正,唯一可以观察到试次间变异性降低的情况是该系数为负的情况。因此, TTV的降低意味着自发活动和诱发活动之间存在负相关。 然而,三种模型中的任何一种都可以使TTV增加。研究发现,在刺激开始后,fMRI反应的试次间变异性降低,这种模式只能通过假设自发的BOLD与诱发BOLD信号之间存在负相关来解释。

最近,出现了一种更直接的方法来评估 fMRI 中自发活动和诱发活动之间的相关性。评估这种关系的一种直观方法是比较刺激前活动高/低的试次的时间过程。然而,这种方法可能会被均值回归所混淆,具有高刺激前活动的试次可能有自然地向均值回归的趋势。为了校正这一点,Huang等人将相同的程序应用于“伪试次”,即任务中没有刺激的部分。伪试次根据其“刺激前”活动(伪试次开始前的活动)的中位数分为几组:这提供了自发活动对中值分割过程反应的估计。然后 将 每个条件下的 真实 试 次 时间过程减去每个刺激 前 条件下的伪试 次 时间过程。 真实试次刺激前高和低组之间的剩余差异反映了自发活动对诱发活动的真实影响。这种方法的一个优点是,它可以 从理论上检测自发活动和诱发活动之间的正相关 , 并将其与负相关区分开来,这是 试次间变异性 (TTV)方法无法实现的 。

数据集和实验设计

研究者使用了两个先前发表的数据集,以两种不同的成像方式来研究假设。来自剑桥老龄化和神经科学中心(CamCAN)  MEG 数据集 (可从http://www.mrc-cbu.cam.ac.uk/datasets/camcan/上获取) (文末提供了MEG和EEG数据集的网址链接,有需要的小伙伴可以去看看~) 。采用Vectorview 306通道MEG系统(Elekta Neuromag, Helsinki)记录数据。与此数据集相关的任务是一个简单的感觉运动任务,在该任务中,给参与者呈现一个多模态听觉(300 ms音调)和视觉(34 ms棋盘模式)刺激。接下来给被试呈现120个试次,试次间隔(ITIs)在2到26s之间不等。听觉和视觉刺激同时呈现,要求参与者在感知到刺激后进行按键反应。

为了验证这些结果,研究者使用了Wolff等人先前发表的 道德决策范式 的数据。在这个任务中,参与者(n = 26)会面临 天桥困境 。要求参与者通过按键来回答“是”或“否”,从而得到死亡和获救的比例。另一种外部引导条件是要求参与者简单地比较屏幕左侧和右侧的人数。为了本研究目的,研究者将这两种情况结合起来考虑。共有420个试次被纳入分析,ITI在5到6s之间抖动。

3.结果

同一参数的自发活动和诱发活动之间的关系通常可以用简单的相关性来概括: 在 正相关中,高刺激前活动 会 导致更大的 诱发 反应,而在负相关中,低刺激前活动 会 导致更大的 诱发 反应。 然而,自发活动和诱发活动之间的关系经常被刺激后时期自发活动的持续存在所混淆。因此, 在研究同一变量内自发活动和诱发活动之间的动态关系时, 只用 相关性方法是不够的。目前有两种方法可以 用于 评估自发和诱发活 动 之间的相关性 , 即 TTV法和伪试 次 法。 对于TTV方法,TTV是计算跨试次信号的标准差: 根据总方差定律(见方法和图1c,右),刺激后TTV的降低表明自发活动和诱发活动之间存在负相关。

另一种方法是使用伪试次法以更直接的方式计算刺激前活动的影响(图1c,左)。试次被分为两组:高于中值和低于中值的刺激前活动水平组,并且相对于基线计算刺激后的时间过程。然后,通过 从试次间隔中减去“伪试次”来校正这些时间过程(见图 1c,左) 。这可以校正具有相同初始条件的正在进行的自发波动,从而回归到自发活动的平均值。如果高刺激前活动的试次显示出比低刺激前活动的试次更大的诱发增加(或更少的诱发减少),这就是自发活动和诱发活动之间正相关的证据。相比之下,如果高刺激前活动的试次显示出比低刺激前活动的试次更小的诱发增加(或更大的诱发减少),那么,这就是负相关的证据。由于伪试次方法能够检测正相关和负相关,本研究将分析重点放在这种方法上,并且使用TTV方法来证实这些发现。

图1. 本研究主要目标和研究方法示意图

应用这两种方法来检测时域和频域信号中自发活动和诱发活动之间是否存在相关性。为此,研究者 同时使用了 MEG 和 EEG 数据集 。

频域中 的 自发 - 诱发相关 —— 因 频带 而异

使用伪试次的方法,通过比较低与高刺激前功率试次中的诱发功率来测试MEG中自发活动和诱发活动之间的相关性(图 2)。在宽带数据中,可以观察到在 刺激后200ms左右开始的低刺激前功率和高刺激前功率条件之间存在显著差异。 对于特定频段,结果显示了多个频段中刺激前功率的显著影响,包括 delta、theta、alpha、beta和低伽马波段。 使用试次间变异性法(TTV;图2b)证实了自发和诱发光谱功率之间的相关性。从图中可以观察到 宽带中TTV的早期增加和随后的下降(图 2b) 。研究者计算了不同频段的TTV。 对于theta,alpha,beta和低伽马波段,可以看到TTV(相对于刺激前期)有非常明显的下降,且在 400-500ms之间达到峰值。

图2. 在CamCAN数据集中使用伪试次方法和TTV方法评估自发功率谱和诱发功率谱之间的相关性。

时域中 的 自发 - 诱发相关 —— 方法之间的冲突

采用与功率谱相同的方法,在时域中检测刺激前和刺激后活动之间非加和关系的可能性(图 3)。 使用伪试次方法,可以观察到时域电生理信号中自发活动和诱发活动之间存在显著的正相关,这表明对于高(正)刺激前的场强比低刺激后的磁场强度更高(图 3a) 。 有趣的是, 这种影响在整个刺激后时期基本保持不变,而不是达到峰值后下降。

图3. 自发和诱发磁场强度的时域相关性,使用CamCAN数据集中的两种方法进行评估。

为了检查两种方法之间差异的可能来源,研究者进行了模拟分析(图 4)。正如材料和方法中描述的那样, 模拟自发电压和诱发电压之间的负相关,而振荡功率没有变化,以及振荡功率降低与刺激前电压和刺激后电压之间没有相关性。 研究者发现在两个模拟中,TTV 都显著降低。然而,只有在自发-诱发相关模拟中,才观察到使用伪试次方法校正刺激前的高低振幅有显著差异。这表明, 上述使用TTV方法得出的负相关结果可能会被刺激开始后alpha功率的降低所混淆 ;出于这个原因,研究者认为使用伪试次方法获得的结果反映了时域信号中的真实情况。然而,伪试次的方法也可能受到ERP信号的宽带性质的影响,这种可能性在讨论中进行了详细阐述。

图4. 解开图3中方法上出现的不一致而进行的模拟结果。

频域的自发 - 诱发相关 —— 振荡分量和分形分量

本研究的第三个目的是分别研究振荡和节律性失常、无标度活动中自发活动和诱发活动之间的关系;此外,检查这些参数中哪些参数最能解释混合数据中所观察到的效果。根据图4的结果,研究者集中分析了伪试次方法中的振荡和分形功率(使用TTV方法的结果与使用伪试次方法的结果一致)。

使用伪试次方法的结果表明, delta和theta的自发和诱发振荡活动之间呈正相关 (图 5a),以及 alpha、beta和低伽马的自发和诱发振荡活动之间呈负相关 。 此外,研究者定量比较了振荡和分形活动之间的自发-诱发相关性,发现 在 给定频带内的振荡活动通常比相同频率范围内的分形功率表现出更强的 自发 - 诱发相关性。

无标度活动可以用幂律分布来描述,幂分布为1/fβ :这可以通过对数尺度上的线性拟合来建模。无标度活动可以用两个参数来描述: 标度指数和宽带偏移。 研究者考察了这两个参数是否与无标度活动相关。 分形活动的标度指数和宽带偏移上的自发和诱发活动之间呈正相关(图5 b)。 中央传感器上的宽带偏移的自发和诱发活动之间存在负相关,使用TTV方法达到显著性水平,但使用伪试次方法未达显著性。 该结果表明,振荡和节律性失常/分形分量对自发活动和诱发活动的正相关和负相关测量有显著贡献,而混合数据中观察到的相关主要归因于皮层振荡,而非无标度活动。

图5. 功率谱的振荡和分形分量的自发和诱发活动的关系,使用伪试次方法进行评估。

在 EEG数据集中 验证 自发 - 诱发 活动 的相关性

为了确保研究结果的稳健性,研究者在EEG 数据集中应用相同的步骤(图6和7)。该数据集包含一个对认知要求更高的范式,即Wolff等人研究中的道德决策任务。使用伪试次的方法,发现与图2中相同的自发-诱发相关模式,其中 delta显示正相关,而alpha、beta 和 gamma显示负相关(图 6a)。 然而, theta波段在EEG数据的中呈负相关,在MEG 中呈正相关。 研究者认为, theta的这种差异可能是由于波段是delta中的正相关机制与alpha和beta中的负相关机制之间的过渡段。

采用TTV法得到的结果在很大程度上证实了采用伪试次法得到的结果(图6b)。只是TTV方法在theta波段没有显示负相关,然而,这并不意味着这种相关绝对不存在。对于所有波段,用每种方法计算的效应大小是相关的(图6c)。研究者还评估了脑电图数据在时域中的自发-诱发相关性。与MEG数据类似,研究者观察到刺激后的较长时间段内TTV的下降(图7b)。然而, 与MEG结果相反,使用伪试次的方法在时域EEG数据中观察到自发活动和诱发活动之间呈负相关(图7a)。 伪试次方法和TTV方法的结果不存在相关。

 图 6. EEG数据集中自发和诱发光谱功率的相关性。

图7. 验证EEG数据集中自发和诱发EEG电压的相关性。

4.讨论

本研究考察的神经生理学变量中显示出刺激前的自发活动与刺激后的诱发活动之间存在明显的关系。 alpha和beta波段中的自发和诱发活动之间呈负相关 (刺激前高alpha/beta振幅导致更大的刺激诱发去同步化), 而在delta波段中为正相关 (刺激前高delta振幅导致更大的刺激诱发同步电位)。而且,这种效应主要在有限频宽振荡动力学中存在,而不是在非周期性、无标度动力学中发现,尽管无标度活动也显示了标度指数和宽带偏移的自发和诱发动力学之间的关系。最后, 在时域中观察到自发 - 诱发相关性,在MEG多感 觉 任务中 , 自发活动和诱发活动之间呈 显著 正相关,而在EEG道德推理任务中呈 显著 负相关 。

本研究首次显示了自发活动和诱发活动在不同电生理变量之间的差异,包括频带之间的差异,振荡和无标度过程之间的差异,以及时域和频域电生理信号之间的差异。未来, 这些研究可能有助于更全面地理解自发活动的波动如何影响行为和认知特征(如知觉、自我、注意和意识)的变化。 通过不同的测量方法来表征刺激前和刺激后时间段,并不能避免评估自发活动和诱发活动之间关系所面临的方法上挑战,因为脑电图指标是高度相关的,并且容易混淆:ERP成分与皮层振荡的功率和相位变化有关,熵测量与光谱功率有关,而且皮层振荡和无标度活动经常相互混淆。鉴于此,在刺激前和刺激后时间段,表面上不同测量之间的相关性可能会导致虚假效应,因为在刺激前和刺激后时间段测量的非独立性。本文利用功能磁共振成像(fMRI)来解释刺激后时期自发活动的持续存在,首次在脑电图(EEG)的不同电生理变量的动力学中探讨了自发活动和诱发活动之间的相关性。研究结果证实了自发活动和诱发活动之间的关系,并展示了感兴趣的电生理变量的持续活动和诱发活动之间的具体关系。

相同参数的刺激前和刺激后活动之间存在广泛的非加和性对脑电图/脑磁图中诱发活动的分析具有影响,基于试次的研究范式假设自发和诱发活动的线性叠加是进行任务相关神经科学研究的主要方式。本研究结果与许多其他研究结果共同表明, 忽略刺激前活动的影响,这种方法漏掉了与依赖诱发反应对刺激前和正在进行的活动影响相关的重要数据。

不同的电生理变量中自发活动和诱发活动之间存在着明显的关系—不同频带中存在着正相关和负相关。 本研究在多个电生理变量中证明了刺激前和刺激后活动之间的非加和性。对于频谱功率,MEG中的感觉活动和EEG中的认知活动,使用不同的方法(TTV和伪试次法)。这表明,在频谱功率中自发活动和诱发活动之间的密切关系适用于不同的任务和方法。 自发活动和诱发活动之间的负相关在alpha带中很明显,约刺激后400ms。与这些结果和先前的fMRI研究不同的是,在delta带中观察到正相关的时间段更早,约在200ms左右。

鉴于先前的数据显示刺激前alpha对刺激后知觉、自我和刺激意识的影响,自发和诱发alpha功率之间存在负相关是值得注意的。刺激前alpha对刺激后ERP的影响也得到了充分的研究,特别是 刺激前alpha功率可以预测P1和N1 ERPs 。 alpha一般被认为是一个抑制过程,alpha去同步化反映了抑制的释放,即反映了对“知识系统”的控制。 此外, 刺激前或预期alpha去同步化与注意分配和更好的后续知觉任务表现有关。

此外, delta带的自发和诱发活动之间呈正相关。 Delta带活动已经被证明与清醒状态下的觉醒和注意力有关,包括对p300事件相关电位的调节。 delta也被认为与默认模式网络活动的电生理学关联,是动机、觉醒和体内平衡的组成部分。 刺激前的delta带功率被证明可以预测P3 ERP成分,而P3 ERP本身也被认为反映了相位同步 ,本研究结果扩展了这一发现,表明 这种效应适用于delta功率和相位,并且不受自发活动延续到刺激后时期的影响。

不同电生理变量的时域与频域、振荡与分形动力学的自发-诱发相关性。 在MEG数据集中,自发磁场强度和诱发磁场强度在刺激前的大部分时间段内呈正相关,而在EEG中,刺激后(300~600ms)时间段内呈负相关。这可能是因为 MEG和EEG对不同的皮质源敏感度不同。 另一种可能是,任务(简单的感觉vs复杂的认知)对时域信号的影响。几个常见的ERP成分可能表现出对自发活动的依赖性。特别是, MEG结果表明,N1和P1与正在进行的活动呈现正相关,因此当电压高且膜强烈去极化时,P1振幅更大,N1振幅更正 (即,较低)。此外,EEG结果(以及去除高通滤波后的MEG结果)都表明,正在进行的活动与晚期正电位振幅之间存在负相关,这与Iemi等人(2019)的非零均值振荡框架是一致的。

最后, 本研究观察到无标度动力学和皮层振荡中自发和诱发活动之间的差异,不仅对最近观察到的振荡和无标度动力学与fMRI信号的差异关系进行了补充,而且对认知加工速度方面也具有一定的贡献。 自发活动对诱发反应的更大影响是在振荡分量中,而不是在无标度分量中,这加强了皮层振荡在刺激反应中的核心作用。

原文:Wainio-Theberge, S. , Wolff, A. , &Northoff, G. . (2021). Dynamic relationships between spontaneous and evoked electrophysiological activity.  Communications Biology , 4(1).

第一种,可能路由器问题

出现问题的原因:

1.路由器自动拨号失败,或者自动连接互联网失败。

2.路由器设置的互联网参数被更改,导致连接不上

3.路由器本身损坏

解决问题的方法:

1、对于上面的故障,断电再插上路由器会自己联网,或者用电脑进入路由器设置界面点击重新启动,如果不行,多重新启动就行,比如tp—link的路由器就是这样不好用。

2、对于第二种故障解决办法,进入路由器设置界面,进入方法,打开ie浏览器,一般是输入http://192.168.1.1或者192.168.0.1,通常在路由器上贴着地址,进去之后选择wan设置,然后根据联网方式设置互联网联网参数。

3.对于第三种故障,如果接口损坏,买个网口,自己用锡炉、烙铁换个,如果芯片损坏,只有换个路由器了。网线插入顺序: 连接外网的(就是电信、网通的网线)插到wan口上,自己的电脑插在lan口上。

扩展资料

网络是由节点和连线构成,表示诸多对象及其相互联系。在数学上,网络是一种图,一般认为专指加权图。网络除了数学定义外,还有具体的物理含义,即网络是从某种相同类型的实际问题中抽象出来的模型。在计算机领域中,网络是信息传输、接收、共享的虚拟平台,通过它把各个点、面、体的信息联系到一起,从而实现这些资源的共享。网络是人类发展史来最重要的发明,提高了科技和人类社会的发展。

在1999年之前,人们一般认为网络的结构都是随机的。但随着Barabasi和Watts在1999年分别发现了网络的无标度和小世界特性并分别在世界著名的《科学》和《自然》杂志上发表了他们的发现之后,人们才认识到网络的复杂性

网络会借助文字阅读、图片查看、影音播放、下载传输、游戏、聊天等软件工具从文字、图片、声音、视频等方面给人们带来极其丰富的生活和美好的享受。

参考资料:百度百科-网络

可能存在的原因:

1.基站出现故障或附近有屏蔽器手机网络连接不可用。

2.手机欠费会出现手机网络连接不可用的状况。

3.可能是手机的SIM卡松动或者故障。

4.使用的路由器故障,也会导致网络连接不上。

网络是由若干节点和连接这些节点的链路构成,表示诸多对象及其相互联系。在1999年之前,人们一般认为网络的结构都是随机的。但随着Barabasi和Watts在1999年分别发现了网络的无标度和小世界特性并分别在世界著名的《科学》和《自然》杂志上发表了他们的发现之后,人们才认识到网络的复杂性。


欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/yw/11525567.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-16
下一篇 2023-05-16

发表评论

登录后才能评论

评论列表(0条)

保存