文摘

背景。神经活动在认知重新评价可以更准确地调查,同时利用脑电图(脑电图)fMRI(功能性磁共振成像)比只使用脑电图或功能磁共振成像。互补的时空信息可以发现从同步EEG-fMRI数据来研究大脑功能。方法。一个有效EEG-fMRI融合框架提出了这项工作。EEG-fMRI数据同时采样在十五视觉刺激健康的成年参与者。网站工具箱和经验模态分解采用脑电图进行消噪处理。稀疏谱聚类用于构造fMRI面具用来限制fMRI激活区域。一个基于典型相关分析是利用非线性EEG-fMRI融合数据。结果。实验结果显示不同的后期积极潜力(垂直距离,延迟200 - 700 ms)从相关脑电图组件从非线性EEG-fMRI数据重建。峰值小于重新评价状态下的垂直距离,在负面状态,然而,比在中性状态。对于相关的功能磁共振成像的组件,可以观察到明显的激活在大脑区域,例如,杏仁核,颞叶、扣带回、海马和额叶。与此同时,在这些地区,重新评价状态下激活强度明显小于,大于,在中性和负面状态下的状态。结论。拟议中的EEG-fMRI融合方法提供了一个有效的方法来研究认知的神经活动与高时空分辨率的重新评价。也适用于其他神经影像技术使用同步EEG-fMRI数据。

1。介绍

情绪调节是人类的一种独特的能力来控制经验和表达自己的情绪。它已经被许多领域的重点(例如,认知神经科学、临床医学和社会学)由于它对人类的心理健康的重要性1,2]。两种行之有效的情绪调节策略被广泛应用于控制情感体验,包括表达抑制和认知重新评价。前者是一种反应调制,个人自愿抑制情绪表达行为(3]。然而,根据洗涤模式,情绪是应该“堆积”,如果不表达4]。因此,表达抑制可能增强情感体验这损害心理健康。认知重新评价,另一方面,是一个方法来改变人们的思考方式潜在的情绪诱发条件降低情感影响(5]。举例来说,一个代表反应一个场景一个人向另一个可能是减少了成像场景的电影场景。相反,反应可以增强成像的人被他/她的近亲。利用认知重新评价,不适事件(如恶心、恐惧和自卑)可以缓解处于初期阶段。尽管最近的研究表明,认知重新评价与面部皱眉肌的活动(6)、心率和皮肤电导(3),研究认知重新评价的本质仍然是迫切的。

最近,一些神经成像技术(例如,EEG(脑电图)和fMRI(功能性磁共振成像))是用来探索认知重新评价的本质。亚微秒级的时间分辨率脑电图使它适合探索神经活动的微妙的时间动态,由电势表示波动扩散到头皮。事件相关电位(ERP)被广泛用于研究脑电图信号的特征在不同情绪状态下由于其高的时间分辨率。ERP的基本组成部分,后期积极的潜力(垂直距离),发现表明认知重新评价使用情绪调节的能力。情绪刺激的帮助处理由垂直距离作为central-parietal缓慢表示积极的ERP的偏转。垂直距离的振幅是增加情感诱发与中性刺激相比,从大约200毫秒后刺激发病和持续几秒钟7]。与此同时,它是容易自发的情绪调节。因此,减少垂直距离振幅可以发现当参与者被要求分散注意力从图片可能引起不愉快的情绪通过认知重新评价(8]。此外,垂直距离降低也可以发现从积极情绪调节认知重新评价9,10]。然而,情绪诱发源很难定位由于脑电图的可怜的空间分辨率。功能磁共振成像是另一个广泛使用的技术来研究大脑功能。它可以定位表面和深源活动mm-scale通过检测血氧的变化空间分辨率等级相关(粗体)。大脑区域参与情绪调节可以通过功能磁共振成像由于其高空间分辨率。最近的功能磁共振成像研究表明,自愿重新评价会影响调节神经活动在杏仁核(11,12]。它还表明,认知重新评价的就业影响的神经活动背侧前扣带皮层,腹内侧前额叶皮层和背外侧前额叶皮层(13]。然而,这些区域的低分辨率时间变化不适合研究神经活动在认知重新评价。

monomodality神经成像技术来解决上述不足,同时EEG-fMRI融合利用研究神经活动在认知重新评价由于其高时空分辨率。一般来说,主要有三种方法同时EEG-fMRI融合,包括功能磁共振成像辅助脑电图分析、脑电图辅助功能磁共振成像分析和对称EEG-fMRI分析。功能磁共振成像辅助脑电图分析,功能磁共振成像信息与高空间分辨率是用来支持重建EEG逆问题的来源。Kyathanahally等。提出了一个框架来投资决策在大脑中使用同步EEG-fMRI数据(14]。Thinh声称等。开发了一种新颖的多通道EEG-fMRI融合方法采用最可能的功能磁共振成像空间子集时变的方式指导脑电图源定位(15]。为脑电图通知功能磁共振成像分析,脑电图的特性(如ERP振幅,功率谱,和癫痫)是用来预测的功能磁共振成像的变化。刘等。提出了一般线性模型(GLM) EEG-fMRI融合模型。融合结果表明,壁内的沟和额叶执行领域的主要来源是偏压影响任务相关视觉皮层,而task-unrelated默认模式网络和感觉运动皮层抑制在视觉注意力(16]。艾哈迈德等。开发了一个框架来识别不同的视觉大脑活动模式使用同步EEG-fMRI数据。GLM模型用于EEG-fMRI融合,结果被多层感知器(进一步分为不同的模式17]。对于对称EEG-fMRI分析,数据联合处理生成模型或变成一个共同特征/数据空间。余等。开发了一个框架来构建多通道脑图使用EEG-fMRI数据中同时采样睁大眼睛,闭上眼睛休息状态(18]。FMRI数据分解成独立的组件和相关时间的课程组独立分量分析(ICA)和脑电时间序列划分为光谱功率叠加平均时间课程的五个频段(α、θ,β,δ,低伽马)。然而,ICA假定所有的来源是独立的。这种强烈的假设限制了ICA的力量融合的方法探索潜在的来源。典型相关分析(CCA)受雇于科雷亚等。融合同时EEG-fMRI数据与弱假设[19]。越南盾等。提出了一个基于CCA EEG-fMRI融合方法研究家族性皮质肌肉阵挛性震颤和癫痫(20.]。提出地方专门设计的多通道连续分析处理血流动力学响应函数的变化(HRFs)。

尽管广泛开发方法分析EEG-fMRI数据,仍然没有方法,侧重于两个同时EEG-fMRI融合的具有挑战性的问题;一个是处理脑电图之间的相互干扰,fMRI,另一个是处理非线性EEG-fMRI数据。旨在解决这些挑战,我们提出一个有效的融合框架基于CCA。经验模态分解(EMD)是用于提高信噪比的脑电图数据扫描先生所污染。FMRI面具构造,用于消除不必要的功能磁共振成像组件与想要的脑电图描记器组件。RBF内核是嵌入到CCA处理EEG-fMRI数据的非线性框架。参与者与视觉刺激范例所示。基于先前的研究,研究脑电图和功能磁共振成像,分别为(7),我们预计(1)ERP相关组件和功能磁共振成像激活区域相关认知重新评价可以同时从EEG-fMRI中提取数据,和(2)牧民联盟三种情绪状态下可以观察到从不同的ERP相关组件和振幅牧民联盟恰逢存在的研究,和(3)相关fMRI激活区域恰逢前发现区域(如杏仁核,dorsomedial PFC,背外侧前额叶皮层(PFC)、前扣带皮层,和眶额皮层)。主要有两大贡献我们的工作:(1)提供一个有效的框架,同时EEG-fMRI融合和神经活动(2)探索认知高时空分辨率的重新评价。

2。材料和方法

2.1。EEG-fMRI融合框架

框架的融合方法是显示在图1。分别同时EEG-fMRI数据预处理。EMD脑电图数据的进一步用来消除噪声。稀疏谱聚类(SSC)被用来构造fMRI面具表明emotion-related大脑区域。脑电图特征融合的定义是 (卷积路径×ERP时间点),它是通过卷积ERP标准HRF值在不同的时间点。另一方面,功能磁共振成像特征融合的定义是 (扫描×AAL roi),通过计算平均值的解剖自动贴标(AAL)脑区域的约束下fMRI面具。然后, 和 使用基于融合CCA (KCCA)框架。脑电图和功能磁共振成像组件( 和 )终于重建基于所选择的相关组件。


图1
管道的EEG-fMRI融合方法。
2.2。主题

共有15名健康成年人,5女性和10个男性,年龄从19到24年(M(平均值)= 23日SD(标准差)= 1.48),从常州大学招募到实现的实验。

参与者定期或纠正视力没有神经系统的历史,医学或精神疾病。他们已经接受心理测试剖面丢弃一些共病问题,抑郁症或精神病症状会影响情绪评估。所有参与者提供书面知情同意是实验的一部分,这是经当地伦理委员会批准(常州,常州大学,中国)。每个主题得到42分fMRI扫描(结构:5分钟,静息状态:5分钟,和任务状态:32分钟)。

2.3。范式

视觉刺激范式(21)实现在一块fMRI设计如图2。整个实验为一个包含120个试验参与者,包括4 30试验实施的发行量。三个条件,包括看中性图片(如建筑、中性面孔,和食品),看负面形象(例如,悲伤、灾害和暴力),和看负面形象与认知重新评价,分别随机40试验中实现。国际情感的选择使用的所有图片画廊。中性图片的觉醒是米(平均)= 2.91和SD(标准差)= 1.93;与此同时,对于负面形象M = 5.71和SD = 2.61。一个审判程序最多可以持续16秒,提出在22]。最初,提示词“减少”或“看”在屏幕上显示4秒的线索。两秒钟后空白时期,刺激周期将持续6秒。在这一时期,中性和负面形象会随机出现提示词“看”,而只有负面形象将出现提示词“减少”。值得注意的是,认知重新评价将使用如果出现提示词“减少”。最后,剩下的时间将持续4秒。


图2
插图的视觉刺激模式。
2.4。同时EEG-fMRI收购

脑电采集系统EGI公司(尤金,美国)是用于实验。在1000赫兹脑电图连续采样。一个放大器是放置在扫描仪先生的房间。科目都配有一个包含64个电极的电极帽与Cz在线参考。后来,参比电极被引用为零的数据标准化技术(23]。它最近证实是接近零基准的概念(24,25]。低于50 kΩ阻抗保持低。氦泵实验期间关闭,以避免相关的工件。

功能成像数据采样与3-Tesla超导型核磁共振成像系统的飞利浦公司。单一激励梯度回波平面序列利用收购功能图像。整个模式完成后,960年大胆敏感回波平面图像(EPI)聚集在四个交易日。EPI卷与前后连合线保持一致。它包含24轴向片和4毫米厚度包括翻转角度:90度;TR(重复一次):2 s;TE (echo): 35女士;视场(视野):230毫米 182毫米;矩阵:96×74。受试者被要求躺在核磁共振扫描室,保持清醒,尽可能少地闪烁。泡沫垫(图3)是用来防止头部运动。


图3
泡沫垫用来防止头部运动。
2.5。脑电图数据处理

处理脑电图数据包含两个部分,一个是去噪,另一个是提取脑电图特征。在考虑造成的影响,扫描、去噪是通过两个步骤实现:传统去噪使用网站使用EMD工具箱,进一步提高信噪比。

对于传统的去噪,声音如梯度工件,ECG和权力干扰消除如下:(1)梯度工件被消去法的模板。梯度构件模板构造加权平均意思标签fMRI脑电图触发的时机。然后,工件平均减法的方法是用来消除工件梯度。(2)采用带通滤波与乐队0.01 -40 hz。(3)最优基础设置方法是用于消除心冲患构件引起的心跳。(4)EEG数据划分为基于刺激时间点不同的片段。每个片段范围从200 ms之前刺激和1500 ms。(5)构件(如头部动作和闪烁的是所有的碎片中发现电极。电极与工件是贴上坏电极。(6)坏电极是取代了其3电极周围的平均值。 (7) The first 200ms of each fragment is used for baseline correction.

传统去噪后,采用EMD进一步提高信噪比的影响脑电图数据扫描先生(26]。EMD试图找到函数构成一个完整的和接近原始信号的正交基。这些函数称为固有模式函数(货币)。然后,增加信噪比,可通过消除货币作为扰动。通过EMD的细节增加信噪比可以发现在我们以前的工作27]。

去噪后,emotion-related ERP提取脑电图是用于研究神经活动在认知重新评价(7]。振幅的ERP(从Poz频道)在不同时间点称为脑电图特征。在每个时间点,trial-to-trial动力学与一个标准的卷积HRF恰逢fMRI(5卷在每个试验)由于大胆的延迟。我们将分析限制在900毫秒(225均匀和连续时间点)刺激后发病,因为脑电图的大多数emotion-related组件被认为是出现在第一次刺激发病后200 - 700 ms。最后,提取脑电特征的维数是600(卷积路径)×225 (ERP时间点)。

2.6。功能磁共振成像数据处理

功能磁共振成像数据处理使用参考电极标准化技术和统计参数映射(SPM)正确切时间和排除头部运动。然后数据归一化,并进一步注册到蒙特利尔神经学研究所(MNI)空间。最后,高斯滤波器(半峰的宽屏8毫米)用于平滑滤波和只有五个fMRI激活区域(三个在刺激期间和两个在休息期间)刺激后表示选择在每一个试验。每个fMRI激活区域由其平均值表示在不同AAL roi (28]。最后,提取的功能磁共振成像特征的维数是600(扫描)×90 (AAL roi)。

值得注意的是,一些功能磁共振成像区域与情感无关的处理也激活。这些不受欢迎的激活区域应该保证删除EEG-fMRI融合的准确性。否则,他们可能与希望脑电图组件。在这项工作中,一个fMRI面具是所有fMRI活化构造的时空聚类。SSC用于集群fMRI激活因为SSC是不敏感的特性,因此,可以避免维度灾难(29日]。然后,没有不受欢迎的fMRI激活fMRI面具,因为不受欢迎的激活大多维持在某些大脑区域在短时间内。最后,对于每一行的功能磁共振成像特性,一个”和“操作fMRI面具将抑制无用功能磁共振成像的影响进行激活。

2.7。同时使用KCCA EEG-fMRI数据融合

CCA寻找一对变量集的线性变换的一个。它通常用于对称EEG-fMRI分析。给定两个数据X ( )和Y ( ),给出它们的生成模型 在哪里一个X和一个Y规范变量矩阵和吗CX和CY脑电图和功能磁共振成像组件相关联。让一个Xk和一个即代表了kth列的一个X和一个Y(kth对典型变量);他们的关系被定义为程度 在哪里ρk表示的关系程度kth对相关组件。总协方差矩阵年代被表示为一个块矩阵。之间的协方差矩阵年代XX和年代YY。之间的协方差矩阵 = 。然后,相关组件的关系度大于给定的阈值(0.55)用于重建希望脑电图组件 和功能磁共振成像组件 ,定义如下: 在哪里 和 只包含所选双正则变量。解决CCA的细节问题可以称为(19]。

然而,CCA不能处理非线性数据。因此,内核是用来解决这些问题通过将数据映射到一个高维特征空间。一个内核κ对于所有X, Y∈R是定义如下: 在哪里φ是原始数据的映射空间R到一个新的特征空间F(φ:R - > F)。极大的灵活性可以通过应用不同的线性内核,内核,如高斯内核和RBF。基于内核的方向一个Xk和一个即可以表示如下: 在哪里α和β显示原始数据的转换标准变量。然后,(2)可以表示如下:

显著,线性变换X 'X Y没有不能处理非线性数据很好。因此,RBF核函数是用来取代线性变换在处理非线性数据由于其优越性。然后,(2)可以改写如下: 在哪里KX和KY代表了RBF核函数矩阵。关系度计算(8)是比这更适合非线性EEG-fMRI数据计算使用(2)。

3所示。实验结果

3.1。对比KCCA和CCA

本工作的重点是高度相关的组件之间的脑电图时间进化和功能磁共振成像空间激活。九十年获得使用KCCA融合相关组件。表1演示了相关组件的关系度大于0.55。如表所示,有六条相关组件在中性和重新评价,和七对相关组件在消极状态。我们的前使用CCA融合是用作比较27]。很明显,使用KCCA关系获得的学位是获得比使用CCA。

表1
相关的组件EEG-fMRI关系度高(> 0.55)在三种情绪状态。

数据4- - - - - -6说明了十五个受试者的叠加平均EEG-fMRI组件相关的结果。相关组件的关系度大于0.55用于叠加平均水平。对于每一个图,subfigure (a)显示相关的叠加平均结果脑电图组件提取Poz电极。此外,轴代表时间(ms)和轴代表规范化振幅(无量纲)。Subfigure fMRI (b)说明了相关激活在同样的状态,虽然颜色条表示归一化激活强度。然后,神经活动引起相同的刺激可以观察到在这两个时间(脑电图相关组件)和空间分辨率高(相关fMRI激活)。

(一)
(一)
(b)
(b)
图4
15个受试者的叠加平均相关EEG-fMRI中性状态下的结果。(一)相关脑电图fMRI激活组件和(b)相关。
(一)
(一)
(b)
(b)
图5
15个受试者的叠加平均的结果相关EEG-fMRI下消极的状态。(一)相关脑电图fMRI激活组件和(b)相关。
(一)
(一)
(b)
(b)
图6
15个受试者的叠加平均的结果相关EEG-fMRI下重新评价状态。(一)相关脑电图fMRI激活组件和(b)相关。

除了在关系的差异度,脑电图组件也评估差异CCA (27)和KCCA的。图7(一)说明了十五个受试者的叠加平均的结果重建脑电图KCCA融合计算的组件。所有的脑电图组件提取Poz电极。垂直距离组件中可以观察到明显的区别。垂直距离组件重新评价状态下的振幅小于,在消极的状态,显然是比在中性的状态。图7 (b)说明了十五个受试者的叠加平均的结果重建脑电图组件由CCA融合计算。可以观察到类似的结果。然而,振幅下的垂直距离组件负面状态下,重新评价或多或少是相交的报道情绪唤起时期(200 - 700 ms (7)如图7 (b)。十字路口可能是由于非线性同步EEG-fMRI数据。

(一)
(一)
(b)
(b)
图7
15个受试者的叠加平均的结果脑电图相关组件三种情绪状态下使用(a) KCCA融合和(b) CCA融合。

定量比较脑电图表现平均相关组件三种情绪状态下的15个主题。225样品均匀采样700 ms脑电图组件及其振幅作为输入。野生用于评估和使用不同的情绪状态的因素方差分析。结果表明不同的脑电图组件不同的情绪状态的差异。的均值之间的差异(MOD)条件的负面和中性状态是23 F (224) = 262.65 (P < 0.01)。国防部之间条件重新评价和消极状态是11,F (224) = 70.49 (P < 0.01)。国防部之间条件重新评价和中性状态是13,当F (224) = 83.04 (P < 0.01)。显然,定量结果确认的结果图7。

3.2。对比KCCA和漠视

对比KCCA的漠视和执行验证的优越性对称EEG-fMRI分析研究认知的神经活动的重新评价。表2演示了十五个受试者的叠加平均的结果相关的功能磁共振成像使用KCCA三种情绪状态下激活。fMRI激活强度是衡量在不同AAL roi的z分数值。大z分数值表示一个强大的fMRI激活。值得注意的是,只有AAL ROI的z分数值大于0 (- z分数值在某些AAL ROI表明此ROI与情感处理)都保存在这个表。同时,没有脑电图评估组件,因为全球语言监测机构主要用于分析fMRI激活。表3演示了十五个受试者的叠加平均的结果相关的功能磁共振成像三种情绪状态下激活使用的漠视。KCCA和GLM之间的差异存在于激活区域和强度。节将讨论他们的分歧4在细节。

表2
15个受试者的叠加平均的结果相关的功能磁共振成像下激活中性状态,消极的状态,和重新评价状态(使用KCCA)。
表3
15个受试者的叠加平均的结果相关的功能磁共振成像下激活中性状态,消极的状态,和重新评价状态(使用GLM)。
3.3。评价的功能磁共振成像面具

FMRI面具用来抑制激活功能磁共振成像区域由于他们能够消除不相关的情感处理区域。所有科目下的聚类结果见图三种情绪状态8。如图,激活区域中性状态下最小的负面状态下而激活地区是最大的。

(一)
(一)
(b)
(b)
(c)
(c)
图8
fMRI的聚类结果所有科目(一)中性状态;消极的状态下(b);和(c)重新评价状态(彩条显示激活强度)。

KCCA融合没有fMRI面具执行评估的有效性fMRI面具。fMRI, 15个受试者的叠加平均的结果相关的功能磁共振成像通过激活KCCA但没有fMRI面具见图9。相关fMRI激活变化很多由于fMRI面具是否使用,尤其是在消极和重新评价。例如,有明显的激活脑区如海马、杏仁核,颞叶,情感处理图直接相关5 (b)。然而,不能激活这些大脑区域在图中找到9(一个)。在数据可以观察到相同的现象6 (b)和9 (b)。没有激活emotion-related大脑海马和颞叶图等地区9 (b)在这些地区,可以观察到明显的激活在图6 (b)。没有明显的差异激活fMRI数据之间的区域4 (b)和9 (c)因为fMRI面具不关注脑区域与情感无关的处理。

(一)
(一)
(b)
(b)
(c)
(c)
图9
15个受试者的叠加平均的结果相关的功能磁共振成像激活使用该方法没有fMRI面具(a)在负面状态,重新评价状态下(b),和(c)在中立状态。

脑电图,15个受试者的叠加平均的结果脑电图相关组件在三种情绪状态但是没有集群面具如图10。相比之下,图中的结果7中可以观察到,没有明显的降低ERP振幅从负面状态重新评价状态。与此同时,脑电图演进不同情绪状态下是很难分开的。


图10
十五受试者的叠加平均结果脑电图相关组件的三种情绪状态下使用该方法但是没有集群面具。

4所示。讨论和结论

认知重新评价的目的是调节人类经验在抑郁等负面情绪,恐惧,和失望。同时EEG-fMRI分析用于研究神经活动在认知重新评价由于其在空间和时间域互补。在这项工作中,这些神经活动进行了研究使用KCCA融合框架。同时,EMD用于进一步提高信噪比的脑电图数据采样先生领导下的扫描。FMRI面具都是计算使用SSC,用于消除激活与情感无关的处理。所有这些处理,脑电图和功能磁共振成像组件可以重建基于所选择的相关组件(数字4,5,6)。这些数字是非常重要的研究结果对人类有用的认知重新评价的机制来调节他/她的情感。空间分析,激活大脑emotion-related地区(如杏仁核、海马和颞叶)在重新评价状态明显弱于,在负面状态通过引入认知重新评价策略。它表明,负面情绪在emotion-related脑区域可以有效地限制应用认知重新评价策略。对于时序分析,可以观察到明显的区别在不同垂直距离组件被认为是高度相关的情感处理。峰值重新评价状态下的垂直距离组件小于,在负面状态,显然比在中性状态。fMRI激活区域萎缩和减少峰值的垂直距离组件验证假设的消极情绪,例如,悲伤,恐惧,和失望,可以克制使用认知重新评价。

内核策略的有效性可以通过对比观察KCCA和CCA。CCA融合被广泛用于对称EEG-fMRI分析。然而,非线性EEG-fMRI数据可能降低融合精度。因此,我们与一个内核策略提高CCA融合。它不是很新颖,但是有效的。KCCA融合是处理非线性EEG-fMRI数据特别设计的。如表所示1、关系程度的相关组件派生使用KCCA融合主要由CCA融合比派生。值得注意的是,一个更大的关系程度显示更强的两个组件之间的关系。因此,在表的结果1可能表明KCCA融合传统CCA融合的优越性。

KCCA融合CCA融合的优越性也可以观察到从重建脑电图和功能磁共振成像组件。fMRI的集中于空间激活,没有明显的激活可以观察到在海马体emotion-related负面或重新评价状态下使用CCA融合。这可能是由于这一事实CCA不能处理非线性EEG-fMRI数据。然而,在这些地区可以观察到明显的激活使用KCCA融合在同样的情绪状态。它揭示了KCCA的能力从非线性EEG-fMRI数据挖掘有效的fMRI激活。脑电图,集中于颞演进,振幅下的垂直距离组件重新评价状态明显弱于消极的状态下使用KCCA融合在同一时期。下降幅度表明认知的能力重新评价抑制悲伤的情绪,所指出的(4]。然而,没有明显的减少可以观察振幅的垂直距离组件从负面状态重新评价使用CCA融合状态。关系度,因此,较大的fMRI激活越多,和振幅明显降低负面和重新评价状态之间的垂直距离组件显示的优越性KCCA融合CCA融合。这种优势是获得由于内核策略处理非线性EEG-fMRI数据的影响。

对称的优越性EEG-fMRI分析EEG通知功能磁共振成像分析可以通过对比观察KCCA和全球语言监测机构(表2和3)。只有fMRI激活比较漠视,因为不能用于研究脑电图的演进。然后,对于KCCA(表2),可以观察到明显的激活在消极状态下大脑颞叶等地区,海马、杏仁核和扣带回。同时,可以观察到激活下重新评价状态在杏仁核等脑区、颞叶、扣带回、海马和前额叶。这些激活区域显示这些大脑区域在情绪调节的重要作用。激活强度(z分数)的角度,重新评价状态下激活大脑区域,特别是区域(如杏仁核、海马和颞叶)直接相关的情感处理,明显弱于负面状态下激活这些地区利用认知重新评价。激活这些大脑区域在中立国远远弱于激活在同一地区在其他两个国家。所有这些结果基本上符合提出的结论(28]。相比之下,使用全球语言监测机构(表融合结果3),两个结果可以得出结论:(1)利用KCCA的方法,越来越多的地区发现负面和重新评价状态下被激活,这些地区和(2)激活强度计算KCCA融合比那些使用GLM融合计算。结果表明KCCA融合的优越性(对称EEG-fMRI分析)在研究认知的神经活动重新评价。

作为一种特殊的预处理,fMRI面具是有用的因为假设强劲fMRI激活不相关的情感处理可能与脑电图的组件,从而导致省略fMRI激活我们真正感兴趣的。如数据所示4 (b),5 (b),6 (b),可以观察到明显的fMRI激活emotion-related大脑海马和颞叶等地区和负面的重新评价。但是,没有激活可以观察到这些地区如果fMRI面具不作为预处理。同时,脑电图可以观察到明显的降低幅度从负面状态重新评价状态(图用我们的融合方法7(一)可以观察到),而小减少在同等条件下没有fMRI面具(图10)。

基于上述讨论,我们融合的方法可能会提供一个好的解决方案在高分辨率分析同时EEG-fMRI数据时空领域。它可以同步告诉神经活动的时间和地点相关的特定任务,如认知重新评价。它也可以提供一个有用的技术手段fusion-based脑区定位,ERP-induction时间测定,脑成像特征提取领域的brain-human接口。我们融合的方法也可以用于模式可能导致垂直距离与认知研究和临床试验进一步研究。

仍有一些局限性提出的融合方法:(1)的数据融合,激活AAL roi雇佣而不是最初的功能磁共振成像像素点,旨在减少计算复杂度。因此,一个人不能研究重建的激活功能磁共振成像组件在体素水平。(2)先验知识是必要的对于我们KCCA融合方法。很难选择合适的参数显著满意的融合结果。也没有一定的准则在确定关系度的阈值。(3)报名对象的数量是远远不够的;因此,评估可能缺乏说服力。我们未来的工作重点是实现EEG-fMRI融合体素水平而不是AAL roi。因此,重建功能磁共振成像的空间分辨率组件可以大大提高。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

表杨和Tiantong周同样对本文亦有贡献。

确认

这项工作已经部分由中国国家自然科学基金(61201096和61201096),江苏省自然科学基金(BK20150271),江苏省、清局域网项目。