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)

0 引言

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]。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]。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

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(v)。

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：

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

(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(ICASSO)

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w。另外，矩阵x的协方差矩阵我们设为ε。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=wεwT

(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 3.0 T 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2 s，每隔2 s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.1 Magnetic resonance scan parameter setting table

3.2 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.3 Two-dimensional spatial distribution of positive emotional independent components

图4 负性情绪独立成分的类二维空间分布图Fig.4 Two-dimensional spatial distribution of negative 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。当两个或几个类之间的相似度超过0.9时，则可以视为同一个类，由图4可见，十二个独立成分互相之间未出现黑色区域，即未形成明显的聚类相似度。说明是一个独立成分可以看作十二个类。因此可以从两组数据中观察到同样的结论： 即各个独立成分之间的聚类相似度低，可以各自视为网络节点进行分析。其中代表左侧背外侧前额叶皮质的成分 2 和代表高级视觉网络的成分9 聚类质量最佳。由于实验范式的原因，视觉区域会在本次实验中充当重要角色。执行控制网络的作用将会在下文中探讨。

图4中消极情绪的诸多独立成分中，代表楔叶右侧的成分5和代表执行控制网络的成分10的聚类指数最高。这两个区域的功能将在下文重点探讨。

3.3 正性情绪下的脑部激活区域

从上可知，成分9有着良好的聚类可靠性，可以作为节点来加以探讨。图4包含了成分9的空间分布图、 时间进程序列图及其与fMRI总体信号时间进程的对比。由该图IC9的空间激活图可以观察出，杏仁核附近的区域十分活跃。而且从时间序列图可以观察出，IC9和杏仁核周围的BOLD信号，有着较好的同步性。另外，从功能联结图中可以发现，IC9与IC6 和IC2有着明显的相关性。有大量文献表明，杏仁核在情绪信息的处理整合过程中有着核心节点的地位[15-16]。本研究的结果以新的方式，佐证了该理论的有效性。

图5a 积极情绪成分9的空间激活图Fig.5a Spatial activation map of positive emotional component 9图5b 成分9激活区所在像素点的总体fMRI信号时间序列Fig.5b Overall fMRI signal time series of the pixels in the activation zone of component 9图5c 成分9在激活区像素点的时间序列Fig.5c Time series of pixels of component 9 in the activation region

图6a 积极情绪成分6的空间激活图Fig.6a Spatial activation map of positive emotional component 6图6b 成分6激活区所在像素点的总体fMRI信号时间序列Fig.6b Overall fMRI signal time series of the pixels in the activation zone of component 6图6c 成分6在激活区像素点的时间序列Fig.6c Time series of pixels of component 6 in the activation region

图7a 积极情绪成分2的空间激活图Fig.7a Spatial activation map of positive emotional component 2图7b 成分2激活区所在像素点的总体fMRI信号时间序列Fig.7b Overall fMRI signal time series of the pixels in the activation zone of component 2图7c 成分2在激活区像素点的时间序列Fig.7c Time series of pixels of component 2 in the activation region

根据数据处理结果和独立成分的评估结果，成分6有着最好的聚类质量，而成分2的聚类质量也比较良好，可以作为参考性较强的独立成分来探讨。这两个成分所代表的区域为左侧背侧前额叶(Dorsolateral prefrontal cortex, DLPFC)，有文献认为这部分区域参与记忆、 控制和执行[17-18]。

3.4 负性情绪下的脑部激活区域

从上文可知，成分05和成分10有着良好的聚类可靠性，对于负面情绪的刺激来说： 楔叶右侧(IC5)、 左侧颞叶与额叶临近的区域 (IC3、 12)分别以不同的时间进程与上述区域产生高度相关性。有文献指出抑郁症[12]患者右侧颞极上部右侧梭状回(AAL56&56)、 右侧海马(AAL38 )、 左右侧尾状核(AAL 71&72)、 左侧后扣带回(AAL 35)、 左侧中扣带回(AAL 33)、 左侧颞极上部(AAL 83)、 右侧楔前叶(AAL 68)等脑区比对照组更为活跃。而本文所得出的空间独立成分 IC9 准确反映了右侧楔前叶的活跃性。而右侧海马 (AAL 38 )左侧后扣带回(AAL 35)、 左侧中扣带回(AAL 33)处于 IC6 的附 近区域。右侧尾状核(AAL 72)也与 IC1 和 IC11 所反映的区域相近。

进一步对相应的脑网络联结性进行分析可以看出，右侧丘脑和左侧三角部额下回产生高度相关性，以及楔前叶(IC9)与杏仁核、 丘脑和苍白球等附近脑区产生高度相关性。这些脑区之间的联系与处理情绪信息的皮层-丘脑枕核-皮层通路[14]有着高度的契合。有文献表明皮层[19](包括视觉皮层、 前额叶及小脑皮层)-边缘系统纹状体-丘脑环路脑区结构异常与抑郁症的形成关系密切。以上结果表明独立成分分析可以作为验证皮层-丘脑枕核-皮层环路机制的有效方法。

4 结束语

根据本文的实验结果发现，在积极和消极情绪产生过程中杏仁核起到关键的核心作用从实验结果可以看出，在正性情绪状态下，语言网络表现得较为活跃，并且其与左脑的凸显网络、 颞叶和额中回有着更强的连结性，这些区域和认知上的处理以及信息的处理方面有关。本文由此推断在神经机制的研究意义上，正性情绪对于认知水平有促进作用，更明显地激活语言区域等高级脑区，并且与左侧额中回—颞叶—脑岛—海马旁回通路有关。

在负性情绪条件下，整体上各个成分相互之间的联结性普遍下降。说明在同一时间能够一起激活的脑区较小，可能与负性情绪抑制认知活动的处理过程有关。特别是在左侧楔前叶部分，在正性情绪下该部位视觉区域、 脑岛、 背外侧前额叶皮质以及后扣带回关联紧密。而在负性情绪下，与该部位共同活跃的区域明显较少，类似的情况在后扣带皮层也比较明显。由此可知，患者所存在的认知水平下降很可能与左侧楔前叶和右侧后扣带回区域的代谢下降有关联。