一种基于工作记忆任务的fMRI数据功能连接方法及其应用

技术领域

本发明涉及脑科学研究技术领域，特别是涉及一种基于工作记忆任务的fMRI数据功能连接方法及其应用。

背景技术

人脑的结构和功能非常复杂，它是通过分布在不同位置的多个脑区的相互作用来完成认知功能的，这些不同的脑区之间在时域上存在相关性。探究不同脑区之间的相互作用可以为探究人类大脑活动的认知机制提供帮助，具有十分重要的研究价值。功能连接主要是对脑区节点进行连接性分析，是一种能够更好地反映出人脑对听觉刺激的脑区分布及信息交互的方法。基于fMRI的功能连接分析是进行脑科学研究的一项重要内容，可以更好的研究大脑的认知功能。

功能磁共振成像技术(functional magenetic resonance imaging,fMRI)是一种基于血氧水平依赖(blood oxygenation level dependent,BOLD)效应显示脑的功能激活影像的影像技术，具有无创伤、无辐射的优点，并且同时具备较高的空间分辨率和时间分辨率，对多种认知实验设计有很好适应性，目前fMRI已被广泛应用于脑科学的研究。

工作记忆是指大脑能在短时间内存储，操纵信息以执行更高的认知操作。工作记忆是一种有限的资源，人脑只能在短时间内保持少量的感觉输入。工作记忆是人类认知功能的基础，听觉是我们感知和认识世界的主要手段之一，听觉工作记忆在在许多复杂的认知活动中起重要作用。然而，目前关于听觉工作记忆方面的研究还不太丰富，存在很多未解决的问题，还需要进一步探究。

发明内容

本发明的目的是针对现有技术中存在的听觉工作记忆任务与脑区分布之间的关系研究较少的技术缺陷，而提供一种基于工作记忆任务的fMRI数据功能连接方法。

本发明的另一个目的是提供所述方法的应用。

为实现本发明的目的所采用的技术方案是：

一种基于工作记忆任务的fMRI数据功能连接方法，包括以下步骤，

步骤1，实验范式设计：采用N-back实验范式，包括0-back,1-back，2-back和3-back四个任务条件；

步骤2，实验程序设计：利用E-prime软件进行了实验的程序设计，程序采用组块(block)设计，共计四个组块，每个组块对应步骤1中的一个任务条件；

步骤3，fMRI数据采集：被试人员根据听到的block中播放的信号做出判断，同时使用3T磁共振扫描仪设备采集测试人员的人脑的fMRI数据；

步骤4，fMRI数据预处理：依次通过时间层校正、头动校正、空间标准化和平滑四个步骤对采集到fMRI数据进行预处理，得到建模后的图像文件，作为fmri文件；

步骤5，组分析：将所有被试人员的fmri文件进一步处理，以分析组水平的激活结果，进行单方面的方差分析，计算六种对比情况，0-back vs 1-back,0-back vs 2-back,0-back vs3-back,1-back vs 2-back,1-back vs 3-back,2-back vs 3-back，以此来来分析在不同条件下组的激活结果，并从激活结果里面选择ROI(感兴趣区域)，作为ROI文件；

步骤6，行为学数据分析：根据收集到的所有被试人员的实验任务答案，计算所有被试人员在四个任务条件下实验的正确率和错误率，来比较实验任务条件之间的差异和个体的差异，每个实验任务条件下，将被试人员分成工作记忆表现好的人和工作记忆表现差的人两个分组，作为grop1,group2两组；

步骤7，分别对每个实验任务条件下的两个分组进行基于ROI的功能连接分析：分析出不同实验条件下的脑区之间的功能连接情况。

在上述技术方案中，所述步骤1中，0-back任务是目标字母的判断，要求被试者每当听到和目标字母相同的字母时做出判断；1-back任务是要求被试者每当听到的字母和当前字母的前一个字母相同时做出判断；2-back任务是要求被试者每当听到的字母和当前字母的前二个字母相同时做出判断；3-back任务是要求被试者每当听到的字母和当前字母的前三个字母相同时做出判断。

在上述技术方案中，所述步骤2中，一次运行内，四个block随机播放。

在上述技术方案中，所述步骤3中，每个block随机播放英文字母的声音刺激，每个声音播放0.5s。

在上述技术方案中，所述步骤4中，利用matlab软件的SPM模块进行fMRI数据预处理。

在上述技术方案中，所述步骤5中，利用matlab软件的SPM模块进行组分析。

在上述技术方案中，所述步骤6中，每个实验任务下，统计所有被试人员的正确率和错误率的差值，排名在前50％的被试人员归为工作记忆表现好的一组，排名在后50％的被试人员归为工作记忆表现差的一组。

在上述技术方案中，所述步骤7中，利用matlab软件conn模块进行功能连接分析，首先导入所有被试的预处理完成后的fmri文件，然后导入所有ROI文件，然后再依次进行去噪处理和ROI-to-ROI分析(ROI-to-ROI分析时导入的数据在conn工具包中分成grop1,group2两组)

本发明的另一方面，还包括所述方法在听觉障碍疾病的病理研究中的应用。

本发明的另一方面，还包括所述方法在计算机模拟人类听觉记忆机制中的应用。

与现有技术相比，本发明的有益效果是：

1.本发明采用真实的fMRI数据，数据真实可靠，能够为听觉工作记忆方面的研究提供有力的帮助。

2.本发明设计了实验任务，进行了行为学数据分析，能够为听觉工作记忆方面的实验设计提供帮助。

3.本发明使用功能连接的方法进行了工作记忆相关脑区的连接性分析，有助于听觉工作记忆的认知机制的研究，可以为听觉障碍疾病的病理的研究提供证据，同时对人工智能领域计算机模拟人类听觉记忆机制也有意义。

附图说明

图1为本发明的fMRI工作记忆相关脑区的功能连接方法的整体方案流程图。

图2为本发明的fMRI工作记忆相关脑区的功能连接方法的整体方案实施细化示意图。

图3是实施例3中3-back任务下的功能连接分析结果。

具体实施方式

以下结合具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

一种基于工作记忆任务的fMRI数据功能连接方法，包括以下步骤，

步骤1，实验范式设计：采用N-back实验范式，包括0-back,1-back，2-back和3-back四个任务条件；

步骤2，实验程序设计：利用E-prime软件进行了实验的程序设计，程序采用组块(block)设计，共计四个组块，每个组块对应步骤1中的一个任务条件；

步骤3，fMRI数据采集：被试人员根据听到的block中播放的信号做出判断，同时使用3T磁共振扫描仪设备采集测试人员的人脑的fMRI数据；

步骤4，fMRI数据预处理：依次通过时间层校正、头动校正、空间标准化和平滑四个步骤对采集到fMRI数据进行预处理，得到建模后的图像文件，作为fmri文件；

步骤5，组分析：将所有被试人员的fmri文件进一步处理，以分析组水平的激活结果，进行单方面的方差分析，计算六种对比情况，0-back vs 1-back,0-back vs 2-back,0-back vs3-back,1-back vs 2-back,1-back vs 3-back,2-back vs 3-back，以此来来分析在不同条件下组的激活结果，并从激活结果里面选择ROI(感兴趣区域)，作为ROI文件；

步骤6，行为学数据分析：根据收集到的所有被试人员的实验任务答案，计算所有被试人员在四个任务条件下实验的正确率和错误率，来比较实验任务条件之间的差异和个体的差异，每个实验任务条件下，将被试人员分成工作记忆表现好的人和工作记忆表现差的人两个分组；

步骤7，分别对每个实验任务条件下的两个分组进行基于ROI的功能连接分析：分析出不同实验条件下的脑区之间的功能连接情况。

首先通过平均每个脑区中的时间序列来提取代表性时间序列，然后在每个可能的脑区对中计算皮尔森相关系数，计算每个脑区对应的功能连接值，通过观察步骤6得到的两个分组的脑区之间的连接性，来分析功能连接的差异。

实施例2

为了逐步增加各任务条件的难度，所述步骤1中，0-back任务是目标字母的判断，要求被试者每当听到和目标字母相同的字母时做出判断；1-back任务是要求被试者每当听到的字母和当前字母的前一个字母相同时做出判断；2-back任务是要求被试者每当听到的字母和当前字母的前二个字母相同时做出判断；3-back任务是要求被试者每当听到的字母和当前字母的前三个字母相同时做出判断。

为了提高判断精准性，所述步骤2中，一次运行内，四个block随机播放。

更为优选的，所述步骤3中，每个block随机播放英文字母的声音刺激，每个声音播放0.5s。

为了步骤4和步骤5方便快捷的进行，所述步骤4中，利用matlab软件的SPM模块进行fMRI数据预处理，所述步骤5中，利用matlab软件的SPM模块进行组分析。

为了便于分组对比统计，所述步骤6中，每个实验任务下，统计所有被试人员的正确率，排名在前50％的归为工作记忆表现好的一组，排名在后50％的归为工作记忆表现差的一组。

为了步骤7方便快捷的进行，所述步骤7中，利用matlab软件CONN模块进行功能连接分析。

实施例1或实施例2的所述方法都可以在听觉障碍疾病的病理研究和计算机模拟人类听觉记忆机制中进行应用。

实施例3

一种基于工作记忆任务的fMRI数据功能连接方法，该方法详细包括一下步骤：

步骤(1)实验范式设计。本实验的设计采取的是被广泛应用的N-back实验范式，实验包括包含0-back,1-back，2-back和3-back这4个条件，0-back任务作为基线条件，1-back,2-back,3-back这3个任务的认知负载是递增的。0-back任务是目标字母的判断，要求被试者每当听到和目标字母相同的字母时做出判断；1-back任务是要求被试者每当听到的字母和当前字母的前一个字母相同时做出判断；2-back任务是要求被试者每当听到的字母和当前字母的前二个字母相同时做出判断；3-back任务是要求被试者每当听到的字母和当前字母的前三个字母相同时做出判断。

步骤(2)实验程序设计。实验范式采用组块(block)设计，每个条件为一个block，1次运行(run)内4个block随机播放。每个block中随机播放英文字母的声音刺激，每个声音播放0.5s。任务中设置按键用于让被试集中注意力并收集行为学数据。

步骤(3)fMRI数据采集。本方法共征集28名健康被试者，使用3T磁共振扫描仪设备采集人脑的fMRI数据。在进入核磁共振室之前，提醒被试不要带含金属的物品，检查完成后要求被试平躺于磁共振仪器内，两手两脚不要交叉或接触。实验过程中要求被试头不要动，戴上眼罩闭眼，保持放松，不要紧张。按键位于平躺姿势下人体的手指位置下。被试者听到声音刺激后，通过按键做出判断。

步骤(4)fMRI数据预处理。在matlab软件的SPM模块中进行，本方法使用统计参数图(statistical parametric mapping,SPM)对采集的最原始的fMRI数据进行初步的预处理。首先进行时间层校正，该步骤对所有的时间序列做校正，使得每个点的信号都近似在同一时间内取得的。然后进行头动校正，将被试的头动范围：平移>3mm和旋转>1度的数据删除以处理头动，减少头动误差，使所有被试的fMRI图像能保持在一个框架内。再进行空间标准化，该步骤将所有被试的大脑进行变换，使之能够和标准模板对齐，消除被试间的差异，数据重采样为3*3*3大小。最后采用半高全宽(full width half maximum,FWHM)为8mm的高斯核进行平滑，对功能影像的高频数据进行滤波，可以提高信噪比，避免因噪声导致相邻体素之间产生较大的激活差异。

步骤(5)组分析。在matlab软件的SPM模块中进行，本方法将所有被试预处理建模后的图像文件进一步处理，以分析组水平的激活结果，进行了单方面的方差分析，计算了六种对比情况(这六种对比情况是做方差分析时写的contrast)：0-back vs 1-back,0-backvs 2-back,0-back vs 3-back,1-back vs 2-back,1-back vs 3-back,2-back vs 3-back来分析在不同条件下组的激活结果，并从激活结果里面选择ROI(激活结果阈值p<0.01)。

步骤(6)行为学数据分析。该方法首先计算所有被试在不同条件的任务下完成实验的正确率和错误率，来衡量被试在各个实验任务里的表现好坏情况，分析实验任务条件之间的差异是否符合预期，分析个体表现是否符合要求(将无效数据筛出去，比如正确率过低，明显未认真参与实验的人员)。实验任务表现好的人具有更高的正确率和更低的错误率，因而再计算出所有被试的正确率和错误率的差值，再根据计算结果将被试分成工作记忆表现好的人(根据差值排序，排在前50％的被试)和工作记忆表现差(根据差值排序，排在后50％的被试)的grop1,group2两组两组数据。

步骤(7)在matlab软件中的conn模块中进行功能连接分析。该方法使用ROI-to-ROI功能连接分析方法。打开conn工具包后，首先导入所有被试的预处理完成后的fmri文件，然后导入所有ROI文件，然后再依次进行去噪处理和ROI-to-ROI分析(ROI-to-ROI分析时导入的数据在conn工具包中分成grop1,group2两组)。该方法首先通过平均每个脑区中的时间序列来提取代表性时间序列，然后在每个可能的脑区对中计算皮尔森相关系数。AAL是一种广泛使用的解剖模板，根据解剖结构将整个大脑分为78个皮质区域，26个小脑区域和12个皮质下区域，该分析为AAL模板生成了116×116矩阵，计算了每个脑区对的功能连接值。分析出了不同任务条件下的脑区之间的功能连接情况，通过观察两个分组情况下的脑区之间的连接性来发现功能连接的差异。

使用ROI-to-ROI的功能连接分析方法可以计算出具有显著功能连接的脑区，可以计算出所有脑区之间各自的功能连接情况，并计算脑区间功能连接的强度。

如图3所示，是3-back任务下的功能连接分析结果，彩色的条形柱描述了脑区之间的功能连接强度，圆环上面的颜色块代表脑区并标注了脑区名称，脑区颜色的深浅代表脑区的功能连接强度。由蓝到红强度依次增加，连接曲线描述了脑区之间有显著功能连接。比如，从图示的结果图展示了所有与右脑前扣带和旁扣带脑回有功能连接的脑区，同时可以看出内侧前额叶、右脑前扣带和旁扣带脑回、内侧额上回等脑区具有很强的功能连接。另外，计算的各个脑区之间具体的功能连接值可以从结果里导出来在MATLAB里查看，图示描述的右脑前扣带和旁扣带脑回功能连接情况，同理可查看其它脑区的功能连接情况，只需点击圆环上的该脑区即可查看结果。

通过结果图的连接曲线可以清晰地看出所有脑区之间的功能连接情况，通过彩色的条形柱可以看出脑区的功能连接强度。此外，圆环外的大脑模板展现了各个脑区的大致位置，大脑模板上面的彩色圆点代表脑区。

图中：

mPFC内侧前额叶

DLPFC背外侧前额叶

Cingulum_Post_L左脑后扣带回

Cingulum_Post_R右脑后扣带回

Cingulum_Ant_L左脑前扣带和旁扣带脑回

Cingulum_Ant_R右脑前扣带和旁扣带脑回

Frontal_Sup_L左脑背外侧额上回

Frontal_Sup_R右脑背外侧额上回

Frontal_Sup_Medial_L左脑内侧额上回

Frontal_Sup_Medial_R右脑内侧额上回

Frontal_Mid_L左脑额中回

Frontal_Mid_R右脑额中回

Frontal_Inf_Tri_L左脑三角部额下回

Precuneus_L左脑楔前叶

Precuneus_R右脑楔前叶

Parietal_Inf_L左脑顶下缘角回

Parietal_Inf_R右脑顶下缘角回

Temporal_Inf_L左脑颞下回

Temporal_Inf_R右脑颞下回

Insula_L左脑脑岛

Insula_R右脑脑岛

SPL_L左脑顶上回

SPL_R右脑顶上回

比如，从图示的结果图展示了所有与左脑前扣带和旁扣带脑回(Cingulum_Ant_L)有功能连接的脑区，同时从脑区的颜色标注可以看出功能连接的强度差异，颜色变化从蓝色到红色表示功能连接依次增强。结果图表示左脑前扣带和旁扣带脑回(Cingulum_Ant_L)与内侧前额叶(mpfc)之间的色块为深红色、其与右脑前扣带和旁扣带脑回(Cingulum_Ant_R)之间的色块为深红色、其与左脑内侧额上回(Frontal_Sup_Medial_L)之间的色块为红色、其与右脑内侧额上回(Frontal_Sup_Medial_R)之间的色块为橘红色、其与左脑后扣带回(Cingulum_Post_L)之间的色块为土黄色、其与右脑后扣带回(Cingulum_Post_R)之间的色块为土黄色、左脑背外侧额上回(Frontal_Sup_L)之间的色块为土黄色，说明以上脑区具有较强的功能连接。

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。