Neuron：空間注意中的Alpha同步和神經反饋控制

本研究亮點

1. 訓練被試學習控制左、右頂葉皮層的alpha同步；

2. alpha同步的調制會導致視覺加工中的空間偏好；

3. 即使在神經反饋訓練之后，注意偏好仍然存在；

4. alpha同步與注意和視覺加工的調控之間存在因果關系。

文獻導讀

以往研究表明，Alpha同步的降低與注意增強相關，然而alpha同步的增加卻與注意無關。為了驗證alpha同步是否與注意存在因果關系，來自麻省理工學院的研究者使用MEG手段進行了研究，相關成果發(fā)表在著名期刊Neuron上。

作者使用MEG通過神經反饋來訓練被試控制左頂葉皮層和右頂葉皮層的alpha功率的比例。作者發(fā)現，在視覺皮層出現了alpha不對稱分布的現象。alpha訓練導致左右兩個半球的電極上的視覺誘發(fā)電位出現不對稱分布的變化。因此，alpha的減少與感覺處理的增強相關。訓練后的測試顯示，注意在預期方向上存在持續(xù)的偏好。這些結果支持了alpha同步在調節(jié)注意和視覺處理中起因果作用的觀點，alpha訓練可以用來驗證關于同步的假設。

實驗設計

所有被試都完成MEG神經反饋訓練，該階段訓練被試通過頂葉傳感器調節(jié)大腦半球的alpha功率不對稱(25-30分鐘)。被試被分為兩組，左側神經反饋訓練組(LNT)(n = 10)和右側神經反饋訓練組(RNT)(n = 10)。LNT組接受的訓練是增加左側頂葉傳感器的alpha功率。RNT組的訓練方向相反，即減少。為了評估神經反饋訓練是否對注意有持續(xù)的影響，一部分被試在神經反饋訓練前后分別進行了額外的行為測試。這部分被試總共需要完成三個連續(xù)的階段，兩個階段中間有不到5分鐘的休息。第一個階段是行為訓練前，測量左右視野（30分鐘）注意的基線表現。第二階段為腦磁圖神經反饋。第三階段是行為訓練后，與第一階段（30分鐘）相同，以評估相對于基線神經反饋對注意的持續(xù)影響。行為訓練采用Posner范式(Posner, 1980) (LNT組n = 7, RNT組n = 7)和自由觀看任務(LNT組n = 3, RNT組n = 3)。

數據采集

使用306通道系統在磁屏蔽室中以1000hz的采樣率記錄MEG信號。收集每位被試的結構MRI數據，以重建腦皮層的MEG活動。每名被試的結構圖用3T西門子掃描儀掃描。T1加權序列參數為：TR = 1900 ms, TE = 2.52 ms, 翻轉角度 = 9, FOV = 256 mm², 矢狀位層數192。

神經反饋設置

作者設計了一個神經反饋系統，可以實時分析MEG數據，并為參與者提供快速的視覺反饋。利用rtMEG軟件將實時MEG數據分割成500ms的blocks。利用信號空間分離技術對分段后的MEG數據進行校正，降低環(huán)境噪聲，并將其存儲到刺激計算機可訪問的實時緩沖中。使用60個頂葉傳感器(每個半球30個)和短時快速傅立葉變換估計500 ms分段的Alpha功率(8-12 Hz)，計算Alpha功率不對稱指數(AAI,alpha asymmetry index)，定義為:

其中α_IS和α_CS為同側和對側傳感器反應的訓練方向的alpha功率。AAI（功率不對稱指數）的值決定了在屏幕中心呈現的Gabor（中文翻譯為光柵，gabor濾波器是一個用于邊緣提取的線性濾波器，其頻率和方向表達與人類視覺系統類似，能夠提供良好的方向選擇和尺度選擇特性，十分適合紋理分析，用在這里可能有效的提取被試的視覺反饋模式）模式的可見性，因此負的AAI導致了0%的可見性，正的AAI線性決定了從0%到100%的可見性。要求被試注視屏幕中央的注視點，在注視點的顏色變?yōu)楹谏螅?/span>使用“意志努力”（mental effort）盡可能長時間地增加Gabor模式的可見性。他們可以意識到他們持續(xù)的大腦活動將決定Gabor模式的可見性。神經反饋階段在睜眼靜息狀態(tài)下的20s參考記錄中開始，此段數據用于估計并糾正兩半球之間alpha不對稱的主要偏好。神經反饋階段由100個試次組成。每個試驗包括5s的休息階段，然后是5s的神經反饋階段，提供Gabor模式視覺反饋。在神經反饋周階段結束時，Gabor模式被從屏幕上移除，在3s延遲周期后，第二個Gabor模式在完全可見的情況下出現，其方向與原始Gabor模式相同或相差±5^o。被試在兩個選項中進行選擇，報告兩個光柵圖形的方向是否相同（圖1B）。這項任務與結果無關，只是為了讓參與者保持執(zhí)行任務的積極性。

圖1 神經反饋設置

A. 實驗流程 B. 神經反饋階段的數據收集

神經反饋階段的電

為了測試神經反饋訓練對空間注意的影響，作者測量了隨機出現在屏幕左側或右側的視覺瞬變的誘發(fā)反應。為此，在80%的隨機神經反饋試次中，在神經反饋階段開始后3~4.5s的隨機時間內，在屏幕中心6.7^o的左側或右側呈現32ms閃爍的灰色點（0.25^o）（探測刺激）。這些探測刺激非常明顯，足以引起視覺誘發(fā)反應，但不易被察覺。為了防止探測刺激誘發(fā)的反應對alpha功率神經反饋的污染，在探測刺激出現后，實時神經反饋暫停500 ms，Gabor模式的對比度始終不變。要求被試忽略探測刺激，保持注視，并繼續(xù)任務。

Posner線索范式

采用經典的Posner線索范式在訓練前和訓練后階段測量注意的空間方向。每個試次開始時，在屏幕中央呈現1000毫秒的注視點，隨后呈現線索。線索是一個指向屏幕左側或右側的白色三角形（左/右線索測試），或者是一個菱形，表示兩邊注意力相同（中性測試）。在線索開始后1000 ms，在距屏幕中心6.5^o的左側或右側視角內呈現32ms的目標刺激。目標是一個光柵圖形（0.85^o），其方向可能為垂直的7^o或-7^o。

要求被試注視屏幕中央，以盡量避免眼跳。并要求被試偷偷地把注意力轉移到暗示的方向上，然后做出兩選項的迫選任務，通過反應表明目標刺激的方向。

這個實驗包括500個試次，每100個試次后有短暫的休息。本實驗中使用了三種不同的線索-目標組合，即有效、無效和中性條件。在有效條件下(70%的試次)，線索正確地指出了下一個目標的位置。在無效的情況下(10%的試次)，目標出現在相反的位置。最后，在中性條件下(20%的試次)，目標隨機出現在任何一個方向上，棱形的線索表明在任何一邊都有同等的注意力。在這三種情況下，目標出現的不同方向概率相同。

自由觀看任務

在訓練前和訓練后階段，采用自由觀看任務測量自由觀看行為的水平偏好。作者從自然、城市和形狀分類中選取了120幅圖像。從校正后的彩色圖像數據庫中選取自然（50個場景）和城市類別（50個場景）。形狀分類包括來自混雜N-空間網絡（Chaotic N-Space Network）的20幅圖像。為了控制對象分布或顯著特征中可能存在的偏好，所有圖像都被水平鏡像處理，以產生原始和鏡像兩類刺激。每個圖片只呈現給每個被試一次，以其原始或鏡像的形式（在被試之間平衡）。對于每一個被試，在神經反饋階段之前隨機提供60個刺激，其余60個刺激在神經反饋階段之后。圖像按順序呈現，如圖5A所示。用Eyellink 1000眼動儀記錄注視路徑。

圖5 自由觀看任務中神經反饋的影響

MEG離線處理

預處理

利用Elekta公司的Maxfilter軟件，采用空間濾波器，將三個實驗階段的環(huán)境噪聲從MEG數據中去除。該算法抑制了磁干擾，并對MEG的壞傳感器進行了插值。

作者在頭模型中使用默認的諧波擴展原點參數，定義為[0 0 40]mm，內部源模型和外部源模型的球面諧波擴展的階數分別為8和3。使用Brainstorm軟件，透過投射出第一個眨眼主成份，自動檢測和移除眨眼。分段后，使用閾值為6000 fT的peak-to-peak rejection（極端峰值剔除法）剔除偽跡。

源水平重建

為了對腦皮層進行時頻分析并對感興趣區(qū)域進行MEG定位，作者將MEG信號映射到源空間。根據Colin27默認解剖的Freesurfer自動分割，計算皮質表面的源激活圖。MEG正演模型（forward model）采用重疊球模型進行計算。然后，使用動態(tài)統計參數映射方法(dSPM，dynamic statistical parametric mapping approach )將MEG信號映射到大約15000個皮層源的網格上。

神經反饋時頻分析

神經反饋 MEG數據的分段為Neurofeedback開始的-1.0 ~ 5.0s。在每個試次中，將dSPM時間序列與時間分辨率為FWHMt = 3 s的復Morlet小波進行卷積，在中心頻率f = 1 Hz處，將dSPM時間序列轉換為頻率范圍為(8-12 Hz)的TF（時頻）功率圖。得到的TF圖在試次中取平均值，時間序列來自頂葉皮層。為了對所有被試的源映射進行平均，每個映射被變形為一個默認的解剖結構，并在Brainstorm中實現了迭代最近點算法（ iterative closest point algorithm）。

神經反饋功率譜密度分析

用50%重疊的1s時間窗計算左、右頂葉、枕外側、顳下和額中外側神經反饋周期（0.5～4.8s）的功率譜密度圖（PSD, power spectraldensity）。通過將頻譜除以總功率，計算每個頻率點的相對功率。

探測刺激相關誘發(fā)反應分析

將預處理后的神經反饋數據被以探測刺激開始時的-200 ms~300 ms進行分段。誘發(fā)反應圖的計算是通過試次的平均值并映射到dSPM重建的皮質圖上。將結果的地圖標準化為相對于平均基線的百分比變化。用20hz低通濾波器平滑。作者分別計算了左探測刺激和右探測刺激開始后100ms~200ms的誘發(fā)反應平均振幅。先前的研究表明，注意對早期視覺皮層的影響發(fā)生在這個時間范圍內。這些值被認為是空間注意分配的指標，并在兩個訓練組之間進行比較。

Posner任務中的注意調制指數

Posner任務MEG數據分為注意左側、注意右側和中性試驗。每個試次的時間間隔為線索開始的-0.2~1.3s，線索開始時間為0秒。采用Morlet小波(FWHMt = 3.0 s，中心頻率f = 1.0 Hz)估計alpha功率的TF（時頻）。然后，作者計算了alpha調制指數(AMI，alpha modulation index)的皮質圖，方法是將右注意試次的alpha功率減去左注意試次的alpha功率，然后除以這些值的平均值而進行標準化:

α_AL和α_AR分別為出現在左側和出現在右側的alpha功率。作者比較了訓練前和訓練后的AMI地形圖：

作者還計算了同側和對側頂葉區(qū)域相對于訓練方向的△AMI的平均值。

如果您對神經電生理感興趣，請點擊以下文字，或添加微信號siyingyxf或19962074063進行咨詢：

第七屆腦電數據處理入門班（內容與第八屆入門一致）

第十九屆腦電數據處理中級班（南京）

第六屆腦電信號數據處理提高班（南京）

行為分析

Posner任務的反應時

Posner的行為數據被分為6種情況（3個線索的兩個目標方）。反應時間（RTs）快于100ms或慢于平均值標準差的4倍被視為異常值。有錯誤反應或異常值的試驗被排除在進一步的分析之外。作者用ex-Gaussian函數來擬合RT分布，即高斯函數和指數函數的卷積。非高斯分布的參數包括高斯分量的均值和標準差以及指數分量的均值。作者比較了訓練前階段和訓練后階段的RT變化：△RT=post RT–pre RT

自由觀看任務中的注視偏好

對于每張圖像，作者使用Brainstorm將原始的眼球運動數據轉換成注視點數據。通過比較左側和右側與屏幕中心進行對比將注視點分為左側注視點和右側注視點兩類。該中心的坐標參考被定義為被試在每次試次開始時在注視點進行漂移校正的位置。漂移校正有兩個目的:校準眼動儀和確認被試總是在同一個地方開始實驗。作者通過測量每個訓練階段所有圖像的左右注視比率來計算注視偏好(FB，fixation bias)。作者從訓練后階段的中位數減去訓練前階段的中位數:△FB =post FB – pre FB。負值表示向左偏，正值表示向右偏。采用雙側秩和檢驗對訓練前和訓練后分布中位數相等的假設進行檢驗。

Posner任務和神經反饋中的注視偏好

為了測試被試是否使用了隱蔽注意策略來執(zhí)行神經反饋任務，作者分析了來自Posner任務的眼動數據，并將注視模式與自神經反饋任務的注視模式進行了比較。Posner眼動數據分為注意左、注意右和中性試驗。作者測量了注意延遲期間的水平注視偏好，方法是用0- 300ms時的平均水平坐標減去0- 300ms時的平均水平坐標。負值表示向左偏移，正值表示向右偏移。

為了評估神經反饋訓練過程中的注視偏好，作者將神經反饋眼動數據分別分為LNT組和RNT組，試次的時間為0~3.0s（神經反饋開始后到探測刺激出現之前）。作者首先通過從0-0.5秒的水平坐標中減去0.5-3.0秒時眼睛位置的平均水平坐標來測量水平固定偏好。負值表示向左偏好，正值表示向右偏好。為了顯示在神經反饋期間眼睛的水平位置，作者計算了每500ms眼睛的平均位置。

結果

神經反饋訓練能夠在線控制頂葉皮層的alpha功率

圖2 神經反饋期間的alpha功率調制

在LNT組和RNT組中，神經反饋訓練成功地將頂葉皮層上的alpha半球不對稱調節(jié)到所需的方向，在訓練結束時效果更強。在兩組中，alpha不對稱主要是由左頂葉皮層的調節(jié)引起的，在LNT組alpha活動增加，在RNT組alpha活動減少，而右頂葉皮層的alpha活動沒有變化。此外，即使神經反饋只針對阿爾法不對稱，作者也觀察到gamma波段與alpha波段的半球側化方向相反，表明alpha功率減少和gamma功率增強之間存在相關。最后，alpha和gamma的不對稱性從頂葉皮質延伸到枕葉皮質，但沒有延伸到顳葉或額葉皮質，這表明這種變化并不包括整個大腦半球。
視覺加工中的神經反饋訓練偏好

圖3 神經反饋階段的探測刺激誘發(fā)反應

在訓練方向上，探測刺激指向同側比指向對側能夠誘發(fā)更強反應，這與視覺處理偏好于與較低alpha值的頂葉皮層對應的半球是一致的。

神經反饋訓練導致空間注意的持續(xù)調節(jié)

在訓練后階段，神經反饋訓練可導致空間注意的持續(xù)調節(jié)。作者發(fā)現神經和行為效應與訓練方向一致。

由觀看行為中神經反饋訓練結果的水平偏好

作者發(fā)現LNT組存在向左的偏好，RNT組存在向右的偏好。因此，神經反饋訓練不僅在Posner線索范式的隱蔽注意中，而且在自由觀看行為中，也實現了對空間注意的持續(xù)調節(jié)。

圖4 Posner任務中神經反饋對神經和行為的影響

在Posner任務中，眼動數據揭示了空間注意的方向，而不是神經反饋

作者發(fā)現，當提示注意左側時，存在顯著的向左注視偏好（p=0.007，n=8），當提示注意右側時，存在顯著的向右注視偏好（p=0.007，n=8），但在中性試驗中沒有顯著偏好（p=0.2，n=8）（p<0.05，雙側Wilcoxon符號秩檢驗）。

作者在LNT組（p=0.4，n=8）或RNT組（p=0.2，n=7）中均未發(fā)現明顯的水平注視偏好。作者還對反饋訓練中的注視點和Posner任務進行了直接比較，并對每個被試進行了配對比較。在Posner任務中，LNT組的視覺注視在神經反饋時與在左側的隱蔽注意時有顯著差異（p=0.02，n=4）。類似地，在神經反饋期間，RNT組的視覺注視與Posner任務中右側的隱蔽注意顯著不同（p=0.02，n=4）。因此，在反饋訓練和Posner任務中的注視是顯著不同的，這表明在神經反饋訓練中，被試不會試圖將注意力轉移到一個或另一個半球來影響反饋信號。