文摘

背景。Multivoxel模式分析提供了新证据在人类的大脑大脑表示。然而,刺激模式的影响(例如,穿透针和非穿透触摸)和水平的分类(例如,多级与二进制分类)的大脑活动模式编码空间信息的身体部位尚未被研究过。我们假设大脑预测模型的性能可能不同类型的刺激,和体素在SI和顶叶皮层的神经模式将大大有助于刺激位置的预测。客观的。我们旨在(1)测试大脑对触觉刺激的反应是否能区分刺激位置在身体表面,(2)调查类的刺激方式和数量是否影响分类性能,和(3)本地化的大脑区域的空间信息编码躯体感觉刺激。方法。15健康参与者完成了两个功能性磁共振成像(MRI)扫描,并刺激通过针灸针的插入或非侵入性触觉刺激(5.46份·冯·弗雷丝)。参与者收到了刺激在四个不同的位置上、下肢(两个网站)5分钟而blood-oxygen-level-dependent活动(粗体)用3-Tesla MRI测量。我们进行了多元模式分析(MVPA)使用参数估计的图像每个试验中每个参与者和支持向量分类器(SVC)函数,预测精度和其他MVPA使用分层5倍交叉验证结果进行评估。我们估计的意义分类精度使用随机排列测试标记的训练数据( )。探照灯分析是识别相关的大脑区域进行更高精度预测相比,基于机会获得一个随机分类器。结果。四级分类(分类四个刺激点的身体),SVC的分析整个大脑β值以针灸刺激能够区别对待刺激位置(意思是准确性,0.31; )。探照灯分析发现价值观与正确的初级躯体感觉皮层(SI)和壁内的沟明显比由于机会(更准确 )。另一方面,相同的分类不准确预测刺激位置触摸刺激(意思是准确性,0.25; )。对二进制分类(识别两个刺激之间的身体部分,即。,the arm or leg), the SVC algorithm successfully predicted the stimulated body parts for both acupuncture (mean accuracy, 0.63; )和触觉刺激(意思是准确性,0.60; )。探照灯分析表明,预测基于正确的SI,初级运动皮层(MI),近中心回、额上回明显更准确的预测相比,基于机会( )。结论。我们的研究结果表明,硅,以及MI,壁内的沟,近中心回、额上回、大脑负责表示身体部位的刺激触觉刺激。MVPA方法确定神经模式编码空间信息的躯体感觉刺激可能会影响到经济刺激类型(穿透针和非侵入性的接触)和类的数量分类(身体上的四个小点和两个大身体部位)。未来的研究与大样本识别stimulus-specific神经模式代表刺激位置,独立于主观的触觉感知和情感反应。识别不同的身体表面的神经模式将有助于改善疼痛的神经生物标记和其他感官知觉。

1。介绍

躯体感觉系统是分布在整个人体和响应有害和无害的感觉,而大脑处理多个感官的感知影响因素等躯体感觉刺激强度(1- - - - - -3)、形态(4,5),和位置(6- - - - - -8]。广泛的研究已经确定了大脑区域参与处理刺激强度、主观强度、情绪反应、疼痛的认知评价和非疼痛躯体感觉刺激,也就是说,主要和次要的躯体感觉皮质(SI和他们分别),前扣带皮层、丘脑、脑岛(9- - - - - -11]。

研究躯体感觉刺激的神经处理空间信息主要集中在身体表面的大脑表示(6,12- - - - - -15)因为潘菲尔德和Boldray报道的具有里程碑意义的研究运动和感觉矮人在人类的大脑16]。此外,的位置或姿态的影响感知的刺激部位皮肤的刺激位置(空间重新映射到外部空间(17,18])和大脑激活空间相关歧视任务(7,19,20.研究了。空间信息的主要候选人促进知觉和歧视大脑躯体感觉刺激的SI (6,12,21)和后顶叶皮层(18,22,23]。的SI反映了大脑不同区域表示身体部位;例如,下肢表示medial-superior SI的一部分,而上肢在外侧部分表示。后顶叶皮层更新表示身体的外部空间中通过整合本体感受的信息和感官输入,因而空间重新映射的关键。

最近,机器学习和多元模式分析(MVPA)已经广泛应用于功能性磁共振成像(fMRI)数据分析作为替代传统的单变量分析。在先前的研究中,MVPA能够区分vibrotactile刺激的位置传递给身体分离的部分(例如,双边的手和脚;正确地预测85%的试验)或密切位于身体部位(如三位数相同的手)(8]。此外,如果他们表现出更好的解码性能比其他感兴趣的区域(roi),平均精度为60%相隔身体部位(机会准确性,25%)。平均分类精度的三方解码三位数相同的手如果和他们分别为61%和50%(机会准确性,33%),分别比其他展出的roi。vibrotactile刺激传递到个位数,SI高分辨率7-Tesla fMRI显示地点的激活,并使用神经信号的指数SI finger-associated地区,MVPA成功分化四刺激网站在一个数字的位置(意思是准确性,65%)[24]。在我们之前的研究中,我们测试的能力MVPA歧视手臂上两个相邻站点接收一个针灸针引起的刺痛的感觉,发现如果,初级运动皮层(MI),脑岛和顶叶皮层参与预测疼痛的位置(20.]。

先前的研究结果表明,如果和他们以及其他躯体感觉处理区域,包含信息多元模式预测的位置感受外界刺激的刺激应用于人体。然而,目前尚不清楚是否区分模式编码空间信息在大脑中随刺激方式(即。渗透与非穿透触针)的数量和分类类(例如,多级与二进制分类)。基于前面的研究结果,我们推测,(1)大脑预测模型的精度可能不同类型的刺激(但是,我们没有事先假设模型预测刺激位置比另一个由于证据不足)和(2)集群的重要体素被探照灯分析主要分布在SI和顶叶皮层。

测试我们的假设,我们(1)调查了整个大脑反应是否两个触觉刺激,一个痛苦,一个不会产生疼痛,可以预测对身体的刺激位置,(2)调查是否刺激类的形态和数量影响分类性能,和(3)确定大脑区域编码躯体感觉刺激的大脑信息。

2。方法

2.1。参与者

15个健康的参与者(平均年龄22.8岁;6雌性)经历了两个功能磁共振成像扫描。所有参与者不天真的针灸,他们避免酒精或咖啡因实验前12 h。参与者没有注册,如果他们有任何皮肤问题刺激网站或者他们没有资格获得核磁共振(例如,患有幽闭恐怖症)。实验过程解释后,所有的参与者提供的书面同意。本研究按照指南进行临床研究建立的庆熙大学伦理委员会(首尔,韩国),而且它也是庆熙大学伦理委员会批准(khsirb - 15 - 056)。

2.2。研究设计和实验过程

所有参与者完成了两个与事件相关功能磁共振成像在两天的时间里,参与者和会话是抵消的顺序。每个会话都隔开至少5天,每天在同样的时间。每个会话包括4分钟静息状态基线扫描(没有分析研究),后跟一个5分钟的刺激扫描。在刺激扫描过程中,受试者经历20试验的针灸或触觉刺激在四个地点,和刺激的顺序位置是随机在每个参与者(5 s为每个刺激的抖动时间间隔 试验)之间。刺激扫描后,另一个功能磁共振成像扫描使用histamine-induced痒范式收购,结果也被报道(见敏等其他地方。25])。解剖图像获得的会话(图1)。

2.3。躯体感觉刺激

在每个会话中,参与者接受了针灸或刺激使用·冯·弗雷灯丝在四个地点在他们的身体。针灸针和冯·弗雷灯丝被用来唤起疼痛和触摸感觉,分别。所有刺激都由一个授权韩国医学医生。针灸治疗,两个网站在左臂(武器A和B:穴位PC6和HT7)和腿(腿A和B:穴位SP10和ST36)刺激。非磁性钛针灸针(0.20毫米直径40毫米的长度;DongBang针灸Inc .,当地一家韩国)插入四个穴位在一个安全的深度为每个穴位(HT7 6毫米,15毫米SP10和PC6和20毫米ST36)之前刺激扫描。在扫描期间,一个插针的速度旋转一个1 Hz指导下一个节拍器通过耳机声音传播按照随机的顺序。

触觉刺激是由MRI-compatible·冯·弗雷的温柔攻丝(尺寸5.46,目标力26克;触摸测试感官评估者指令、北海岸医疗Inc .)、摩根山,美国CA) 1 Hz的速度取决于节拍器的声音。一样的位置被贴上针灸会话(B手臂,手臂,腿,腿B),尽管他们不同于用于针灸的穴位刺激。触觉刺激网站位于同一穴位经络系统但不承认。详细信息描述了在我们之前的研究25]。

2.4。功能磁共振成像数据采集和分析

数据获得在3-Tesla磁共振扫描仪(德国西门子,埃朗根)和一个三轴梯度线圈。功能与T2图像被收购了 - - - - - -加权梯度echoplanar成像序列(37片; ; ;翻转角度90°;的视野, ;切片厚度4.0毫米; )。解剖图像获得使用t1加权快速梯度回波序列 , ,9°的翻转角度的视野 ,和一片厚度为1.0毫米。

功能磁共振成像数据进行使用分析的预处理功能神经影像学(19.2.24 AFNI版本,https://afni.nimh.nih.gov)[26]。despiked echo-planar成像数据,修正片时间差异,重新进行运动校正,coregistered个体解剖图像,缩放voxel-wise使用每个立体像素的平均值。方案特殊使用beta-series回归估计得到,最小二乘模型,模型试验作为一个单独的回归量由卷积伽马函数与箱式车函数在每个试验的开始27]。我们做了一个测试图像分别为每个扫描(针灸和触觉)和两个不同的标签用于刺激的位置。一个方案特殊测试图像计算使用所有刺激的审判标签位置(四级;手臂,手臂,腿,和腿部B),另一个测试图像使用标签的两个身体部位(两级;胳膊和手臂B被贴上“上肢,”和腿和腿B被贴上“下肢”)。得到的参数估计是用作MVPA输入功能。

2.5。MVPA和统计分析

多变量分析是使用Python包scikit-learn(图执行2)[28]。我们应用支持向量分类器(SVC)函数与线性内核来预测刺激的位置,和one-vs。——计划用于四级分类。参考训练数据进行特征选择,和10的体素最高的百分比分数作为输入功能。每个立体像素的分类精度在大脑(整个大脑分类准确性)估计其泛化能力分层5倍交叉验证过程。此外,我们估计分类器的性能作为接受者操作特征曲线下的面积(ROC-AUC),精度,回忆,和F1的分数,总结正确的和不正确的分类使用混淆矩阵的目标位置。

所有体素的分类精度的重要性进行了测试使用非参数随机排列测试( )和配对 - - - - - -测试,结果为多个比较使用纠正错误发现率(罗斯福)方法(阈值被设定为意义 )。神经编码模式刺激位置是局部使用球形多元探照灯分析( )(29日]。探照灯结果确定使用矫正voxel-wise阈值 使用蒙特卡罗模拟和修正为多个比较修正阈值的意义 (30.]。

3所示。结果

3.1。整个大脑SVC分类性能

分类精度的所有体素都比分布排列精度的测试来评估分类器的性能差别位置的两种类型的躯体感觉stimuli-acupuncture和触觉刺激。四级分类(预测四种刺激位置的机会水平0.25),分类与使用全脑βMVPA分析图像和SVC明显更准确的预测比acupuncture-stimulated位置排列精度获得使用随机标签(意思是准确性,0.31,罗斯福调整 ,图3(a))。另一方面,相同的分类器没有明显更准确的预测触感位置排列相比精度(意思是准确性,0.25,罗斯福调整 ,图3(b))。所有分类的混淆矩阵给出了频率(图4)。

同样的程序进行预测两种刺激身体部位,上或下肢(机会水平,0.5)。分类器的预测性能明显优于针刺试验(排列测试的准确性,0.63,罗斯福调整 ,图3(c);ROC-AUC 0.63;精度估计0.63;记得估计0.63;意味着F1得分0.63)和触觉刺激试验(意思是准确性,0.60,罗斯福调整 ,图3(d);ROC-AUC 0.59;精度估计0.61;记得估计0.61;意味着F1得分0.60)。

3.2。解码对身体的躯体感觉刺激的空间信息

定义的大脑脑区包括信息体素表示身体表面刺激渗透针或非穿透触觉刺激,5毫米的球形探照灯分析。探照灯分析表明,SVC表现好于随机分类器在正确的如果是用来区分四个地点刺激通过针灸(family-wise纠正错误(FWE), ;图5(a))。没有与体素明显高于准确性SVC时随机分类器相比,用于预测的四个地点的触觉刺激。二进制分类(区分上下肢体上的刺激位置),利用SVC对SI的图像分析,近中心回、额上回针灸(图5(b)(图)和触觉刺激5(c))比使用一个随机分类器(更准确的纠正FWE, )。细节补充表中给出1。

4所示。讨论

4.1。解码两个触觉刺激的空间位置

本研究的第一个目的是确定MVPA是否基于触觉刺激神经模式可以区分身体表面上的刺激位置。我们发现MVPA能够解码人体网站由两种类型的躯体感觉刺激stimuli-acupuncture和冯·弗雷filament-during二进制分类两个大身体部位(腿和手臂)。的四大分类,然而,在一个位置预测了四个小得多的刺激网站(两个点在左胳膊和腿),MVPA成功预测acupuncture-stimulated网站,而那种触感位置并不比偶然预测更准确。此外,四通的混淆矩阵分类显示,分类性能被发现可怜的触觉刺激,而且,每个位置的预测倾向之间存在差异。例如,腿上的位置更有可能比那些被预测准确的手臂。MVPA方法的结果表明,大脑神经编码模式的代表somatosensations可能受到刺激类型的影响(即。针,穿透与非穿透触摸)和分类任务的数量(即。身体上,四个相对较小的点和两个相对较大的身体部分)。

对于本研究的第二个目的,我们训练和测试分类器对数据从两个刺激会话、二进制和四分类任务。在这项研究中,输入到分类器是多元β值像素点对面每个参与者。因此,分类器的性能是由神经反应感受外界刺激的躯体感觉刺激。小的身体表面的位置由non-puncturing触觉刺激刺激使用神经模式(即没有预测。,classification predictions were not more accurate than predictions based on chance), whereas stimulated locations were successfully predicted using neural patterns responding to penetrating pain stimuli (i.e., more accurate than predictions based on chance). Although we could not compare the accuracies between the four-way classification (classifying four small points on the body) and the binary classification (classifying two large body parts), we found that both penetrating pain and non-penetrating touch stimuli produced distinguishable neural patterns that allow the determination of where the stimuli were delivered, either on the leg or the arm. This finding implies that MVPA classification performance in terms of locating somatosensation on the body surface might be altered by the stimulus modality and number of classes (the degree of classification difficulties).

4.2。刺激的神经表示身体部位

与之前的研究结果相一致的空间信息处理(8,20.,24),MVPA提供详细信息的刺激大脑中的位置表示。探照灯结果表明,神经活动在SI, MI,后顶叶皮层(顶叶脑回和壁内的沟),近中心回、额上回编码他们刺激的地方。有趣的是,集群的压了三个成功的分类任务(四分类任务对针灸刺激和二进制分类针灸和冯·弗雷灯丝刺激)重叠但也不同。集群携带有识别力的大脑信息表示的四个不同位置相对较小(图5())和SI和顶叶区域限制,而集群为区分两大身体部位主要分布在大脑的额叶和顶叶皮层(图5(b)和5(c))。针灸(图二元分类器5(b)(图)和触觉刺激5(c))也由重叠与非重叠集群在大脑中,这表明不同类型的躯体感觉刺激可能在不同的地方区域加工的大脑组织。

vibrotactile先前的研究发现,刺激手指的刺激和痛苦阈刺激可以从大脑可解码模式(31日,32]。Ritter等人证明了MVPA方法可以解码空间信息手臂或腿上的疼痛33),和波等人发现MVPA能够区分vibrotactile刺激的位置分离的部分交付给身体或密切位于身体部位(8]。然而,这些研究主要集中在单一的触觉通道,痛苦或触觉刺激。我们最好的知识,这是第一个研究,测试和报告MVPA分类器的识别性能的刺激位置,小范围和大区域的身体,当他们被两个不同的触觉刺激模式。

4.3。警告、限制和影响

我们的方法是第一个试图揭示modality-specific needle-induced疼痛的神经模式不同于非侵入性触觉刺激,和刺激模式的发现可能影响身体的神经模式编码空间信息。然而,我们需要进一步的研究来回答我们的问题的影响方式和程度的分类,我们测试只有两个触觉形式(渗透与非穿透触针)和两个数字的类(2和4)在这项研究。

选项选择的基本原理MVPA应该描述。我们实现了SVC,它使用一个线性内核和one-vs。——多类分类方法。 - - - - - -最近邻(资讯)和支持向量机(SVM)函数用于多级分类,我们选择线性SVC,先前的研究已经报道,SVM表现资讯(34]。我们也使用参考特征选择减少输入特性,基于方差分析(方差分析)。许等人所做的最近的一项研究表明,神经功能选择基于他们歧视特征(例如,方差分析)表现出更好的分类性能和更高的预测精度区分任务或条件比特性选择基于他们的可靠性35]。然而,应该注意的是,MVPA结果是敏感的组合参数,和各种组合应该测试在未来。

这项研究应该解决的局限性。样本量不够大代表的人口,和少量的试验限制了我们的研究结果的普遍性。此外,由于缺少主观刺激强度评级,我们不能断定是否感觉的区域代表位置(“疼/感觉触摸”)或刺激的位置(“刺激”的地方)。毫针刺激身体以一种侵入性的方式,唤起刺痛。相反,冯·弗雷灯丝非侵入性,但会产生疼痛或不会产生疼痛的触觉力根据目标和个体差异。针灸在我们之前的研究中,会导致更多的主观强度评级与触觉刺激当送到同一个位点(36]。因此,我们认为一个针灸针会生成一个痛苦的感觉和冯·弗雷灯丝将提供一个非疼痛触觉参与这项研究。主观体验和情感因素影响皮质躯体感觉刺激的反应,刺激的主观经验的函数应该在未来的研究调查。除了强度、位置和刺激皮肤的神经支配之间的距离可能会影响预测的刺激位置。最后,理解跨通道预测分类器的测试分类器,由一个训练有素的神经模式诱发刺激,对其他刺激诱发的神经模式将是未来工作的一个重要方向。为了实现这一目标,大量的试验与随机顺序的刺激是必要的。

这项工作揭示了神经机制支撑空间触觉歧视和表明神经模式不同的编码位置不同的触觉刺激。空间信息的中央处理somatosensations(即。,location of sensations on the body) has been less studied using the MVPA technique compared to other somatosensory factors such as functions of stimulus intensity or subjective intensity. However, identifying neural representations of the locations of stimulations or sensations is crucial for developing brain-based biomarkers for somatosensations such as pain. We are still relying on subjective reporting by patients to describe pain, although research on the biomarkers of pain has advanced greatly in past years. A few studies have demonstrated that neuroimaging-based patterns can be used to predict subjective pain experiences [37]。大脑的模式表示感受外界刺激的触觉刺激(即。,身体被触碰)和主观疼痛体验(即。,where it hurts) will improve the current approach in the search for neural biomarkers of somatosensory percepts. For example, brain patterns encoding spatial information of somatosensations will allow us to locate where patients feel pain or other somatosensory percepts (e.g., itchiness, touch, and temperature). It will contribute to more precise and reliable clinical application of neuroimaging-based biomarkers. In addition, we could test hypotheses of whether neural patterns responsible for the spatial representation of somatic and visceral sensations are overlapping and whether chronic and acute pain experienced at the same location are distinguishable in future studies. Taken together, distinct neural representations of body sites will expand our understanding of somatotopic maps of our body in the brain, which will lead us to develop neuroimaging-based biomarkers for clinical improvements of pain in chronic pain patients.

5。结论

MVPA的结果表明,如果,MI、壁内的沟,近中心回、额上回、编码躯体感觉刺激的空间位置。此外,预测MVPA分类器的性能使用神经模式,以应对躯体感觉刺激可能会影响到经济刺激类型(穿透针和非侵入性的接触)和分类类的数目(分类上的四个小点的身体与两大身体部位)。未来的研究需要更大样本识别空间的大脑活动模式反映刺激位置独立的主观强度评级,情绪状态(例如,焦虑和恐惧),和认知因素(例如,关注,期望,和评价)。这种方法会导致大脑多元模式的识别代表“受罪”和“刺激感到“对各种类型的躯体感觉刺激和其他躯体感觉,这将有助于发展的神经生物标志物对疼痛和其他感官知觉。

信息披露

投资者没有参与研究设计、数据收集和分析,决定发表,或准备的手稿。

的利益冲突

作者宣称没有利益冲突存在。

确认

这项研究受到了韩国国家研究基金会,由韩国科技部,ICT和未来规划(nrf - 2015 m3a9e052338和2018号r1d1a1b07042313)。

补充材料

表1:集群中标识探照灯分析编码刺激位置针灸和触觉刺激。(补充材料)