本研究亮点
1. 训练被试学习控制左、右顶叶皮层的alpha同步；
2. alpha同步的调制会导致视觉加工中的空间偏好；
3. 即使在神经反馈训练之后，注意偏好仍然存在；
4. alpha同步与注意和视觉加工的调控之间存在因果关系。
文献导读
以往研究表明，Alpha同步的降低与注意增强相关，然而alpha同步的增加却与注意无关。为了验证alpha同步是否与注意存在因果关系，来自麻省理工学院的研究者使用MEG手段进行了研究，相关成果发表在著名期刊Neuron上。
作者使用MEG通过神经反馈来训练被试控制左顶叶皮层和右顶叶皮层的alpha功率的比例。作者发现，在视觉皮层出现了alpha不对称分布的现象。alpha训练导致左右两个半球的电极上的视觉诱发电位出现不对称分布的变化。因此，alpha的减少与感觉处理的增强相关。训练后的测试显示，注意在预期方向上存在持续的偏好。这些结果支持了alpha同步在调节注意和视觉处理中起因果作用的观点，alpha训练可以用来验证关于同步的假设。
实验设计
所有被试都完成MEG神经反馈训练，该阶段训练被试通过顶叶传感器调节大脑半球的alpha功率不对称(25-30分钟)。被试被分为两组，左侧神经反馈训练组(LNT)(n = 10)和右侧神经反馈训练组(RNT)(n = 10)。LNT组接受的训练是增加左侧顶叶传感器的alpha功率。RNT组的训练方向相反，即减少。为了评估神经反馈训练是否对注意有持续的影响，一部分被试在神经反馈训练前后分别进行了额外的行为测试。这部分被试总共需要完成三个连续的阶段，两个阶段中间有不到5分钟的休息。第一个阶段是行为训练前，测量左右视野（30分钟）注意的基线表现。第二阶段为脑磁图神经反馈。第三阶段是行为训练后，与第一阶段（30分钟）相同，以评估相对于基线神经反馈对注意的持续影响。行为训练采用Posner范式(Posner, 1980) (LNT组n = 7, RNT组n = 7)和自由观看任务(LNT组n = 3, RNT组n = 3)。
数据采集
使用306通道系统在磁屏蔽室中以1000hz的采样率记录MEG信号。收集每位被试的结构MRI数据，以重建脑皮层的MEG活动。每名被试的结构图用3T西门子扫描仪扫描。T1加权序列参数为：TR = 1900 ms, TE = 2.52 ms, 翻转角度 = 9, FOV = 256 mm2, 矢状位层数192。
神经反馈设置
作者设计了一个神经反馈系统，可以实时分析MEG数据，并为参与者提供快速的视觉反馈。利用rtMEG软件将实时MEG数据分割成500ms的blocks。利用信号空间分离技术对分段后的MEG数据进行校正，降低环境噪声，并将其存储到刺激计算机可访问的实时缓冲中。使用60个顶叶传感器(每个半球30个)和短时快速傅立叶变换估计500 ms分段的Alpha功率(8-12 Hz)，计算Alpha功率不对称指数(AAI,alpha asymmetry index)，定义为:
其中αIS和αCS为同侧和对侧传感器反应的训练方向的alpha功率。AAI（功率不对称指数）的值决定了在屏幕中心呈现的Gabor（中文翻译为光栅，gabor滤波器是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉系统类似，能够提供良好的方向选择和尺度选择特性，十分适合纹理分析，用在这里可能有效的提取被试的视觉反馈模式）模式的可见性，因此负的AAI导致了0%的可见性，正的AAI线性决定了从0%到100%的可见性。要求被试注视屏幕中央的注视点，在注视点的颜色变为黑色后，使用“意志努力”（mental effort）尽可能长时间地增加Gabor模式的可见性。他们可以意识到他们持续的大脑活动将决定Gabor模式的可见性。神经反馈阶段在睁眼静息状态下的20s参考记录中开始，此段数据用于估计并纠正两半球之间alpha不对称的主要偏好。神经反馈阶段由100个试次组成。每个试验包括5s的休息阶段，然后是5s的神经反馈阶段，提供Gabor模式视觉反馈。在神经反馈周阶段结束时，Gabor模式被从屏幕上移除，在3s延迟周期后，第二个Gabor模式在完全可见的情况下出现，其方向与原始Gabor模式相同或相差±5o。被试在两个选项中进行选择，报告两个光栅图形的方向是否相同（图1B）。这项任务与结果无关，只是为了让参与者保持执行任务的积极性。
图1 神经反馈设置
A. 实验流程 B. 神经反馈阶段的数据收集
神经反馈阶段的电
为了测试神经反馈训练对空间注意的影响，作者测量了随机出现在屏幕左侧或右侧的视觉瞬变的诱发反应。为此，在80%的随机神经反馈试次中，在神经反馈阶段开始后3~4.5s的随机时间内，在屏幕中心6.7o的左侧或右侧呈现32ms闪烁的灰色点（0.25o）（探测刺激）。这些探测刺激非常明显，足以引起视觉诱发反应，但不易被察觉。为了防止探测刺激诱发的反应对alpha功率神经反馈的污染，在探测刺激出现后，实时神经反馈暂停500 ms，Gabor模式的对比度始终不变。要求被试忽略探测刺激，保持注视，并继续任务。
Posner线索范式
采用经典的Posner线索范式在训练前和训练后阶段测量注意的空间方向。每个试次开始时，在屏幕中央呈现1000毫秒的注视点，随后呈现线索。线索是一个指向屏幕左侧或右侧的白色三角形（左/右线索测试），或者是一个菱形，表示两边注意力相同（中性测试）。在线索开始后1000 ms，在距屏幕中心6.5o的左侧或右侧视角内呈现32ms的目标刺激。目标是一个光栅图形（0.85o），其方向可能为垂直的7o或-7o。
要求被试注视屏幕中央，以尽量避免眼跳。并要求被试偷偷地把注意力转移到暗示的方向上，然后做出两选项的迫选任务，通过反应表明目标刺激的方向。
这个实验包括500个试次，每100个试次后有短暂的休息。本实验中使用了三种不同的线索-目标组合，即有效、无效和中性条件。在有效条件下(70%的试次)，线索正确地指出了下一个目标的位置。在无效的情况下(10%的试次)，目标出现在相反的位置。最后，在中性条件下(20%的试次)，目标随机出现在任何一个方向上，棱形的线索表明在任何一边都有同等的注意力。在这三种情况下，目标出现的不同方向概率相同。
自由观看任务
在训练前和训练后阶段，采用自由观看任务测量自由观看行为的水平偏好。作者从自然、城市和形状分类中选取了120幅图像。从校正后的彩色图像数据库中选取自然（50个场景）和城市类别（50个场景）。形状分类包括来自混杂N-空间网络（Chaotic N-Space Network）的20幅图像。为了控制对象分布或显著特征中可能存在的偏好，所有图像都被水平镜像处理，以产生原始和镜像两类刺激。每个图片只呈现给每个被试一次，以其原始或镜像的形式（在被试之间平衡）。对于每一个被试，在神经反馈阶段之前随机提供60个刺激，其余60个刺激在神经反馈阶段之后。图像按顺序呈现，如图5A所示。用Eyellink 1000眼动仪记录注视路径。
图5 自由观看任务中神经反馈的影响
MEG离线处理
预处理
利用Elekta公司的Maxfilter软件，采用空间滤波器，将三个实验阶段的环境噪声从MEG数据中去除。该算法抑制了磁干扰，并对MEG的坏传感器进行了插值。
作者在头模型中使用默认的谐波扩展原点参数，定义为[0 0 40]mm，内部源模型和外部源模型的球面谐波扩展的阶数分别为8和3。使用Brainstorm软件，透过投射出第一个眨眼主成份，自动检测和移除眨眼。分段后，使用阈值为6000 fT的peak-to-peak rejection（极端峰值剔除法）剔除伪迹。
源水平重建
为了对脑皮层进行时频分析并对感兴趣区域进行MEG定位，作者将MEG信号映射到源空间。根据Colin27默认解剖的Freesurfer自动分割，计算皮质表面的源激活图。MEG正演模型（forward model）采用重叠球模型进行计算。然后，使用动态统计参数映射方法(dSPM，dynamic statistical parametric mapping approach )将MEG信号映射到大约15000个皮层源的网格上。
神经反馈时频分析
神经反馈 MEG数据的分段为Neurofeedback开始的-1.0 ~ 5.0s。在每个试次中，将dSPM时间序列与时间分辨率为FWHMt = 3 s的复Morlet小波进行卷积，在中心频率f = 1 Hz处，将dSPM时间序列转换为频率范围为(8-12 Hz)的TF（时频）功率图。得到的TF图在试次中取平均值，时间序列来自顶叶皮层。为了对所有被试的源映射进行平均，每个映射被变形为一个默认的解剖结构，并在Brainstorm中实现了迭代最近点算法（ iterative closest point algorithm）。
神经反馈功率谱密度分析
用50%重叠的1s时间窗计算左、右顶叶、枕外侧、颞下和额中外侧神经反馈周期（0.5～4.8s）的功率谱密度图（PSD, power spectraldensity）。通过将频谱除以总功率，计算每个频率点的相对功率。
探测刺激相关诱发反应分析
将预处理后的神经反馈数据被以探测刺激开始时的-200 ms~300 ms进行分段。诱发反应图的计算是通过试次的平均值并映射到dSPM重建的皮质图上。将结果的地图标准化为相对于平均基线的百分比变化。用20hz低通滤波器平滑。作者分别计算了左探测刺激和右探测刺激开始后100ms~200ms的诱发反应平均振幅。先前的研究表明，注意对早期视觉皮层的影响发生在这个时间范围内。这些值被认为是空间注意分配的指标，并在两个训练组之间进行比较。
Posner任务中的注意调制指数
Posner任务MEG数据分为注意左侧、注意右侧和中性试验。每个试次的时间间隔为线索开始的-0.2~1.3s，线索开始时间为0秒。采用Morlet小波(FWHMt = 3.0 s，中心频率f = 1.0 Hz)估计alpha功率的TF（时频）。然后，作者计算了alpha调制指数(AMI，alpha modulation index)的皮质图，方法是将右注意试次的alpha功率减去左注意试次的alpha功率，然后除以这些值的平均值而进行标准化:
αAL和αAR分别为出现在左侧和出现在右侧的alpha功率。作者比较了训练前和训练后的AMI地形图：
作者还计算了同侧和对侧顶叶区域相对于训练方向的△AMI的平均值。
如果您对神经电生理感兴趣，请点击以下文字，或添加微信号siyingyxf或19962074063进行咨询：
第七届脑电数据处理入门班（内容与第八届入门一致）
第十九届脑电数据处理中级班（南京）
第六届脑电信号数据处理提高班（南京）
行为分析
Posner任务的反应时
Posner的行为数据被分为6种情况（3个线索的两个目标方）。反应时间（RTs）快于100ms或慢于平均值标准差的4倍被视为异常值。有错误反应或异常值的试验被排除在进一步的分析之外。作者用ex-Gaussian函数来拟合RT分布，即高斯函数和指数函数的卷积。非高斯分布的参数包括高斯分量的均值和标准差以及指数分量的均值。作者比较了训练前阶段和训练后阶段的RT变化：△RT=post RT–pre RT
自由观看任务中的注视偏好
对于每张图像，作者使用Brainstorm将原始的眼球运动数据转换成注视点数据。通过比较左侧和右侧与屏幕中心进行对比将注视点分为左侧注视点和右侧注视点两类。该中心的坐标参考被定义为被试在每次试次开始时在注视点进行漂移校正的位置。漂移校正有两个目的:校准眼动仪和确认被试总是在同一个地方开始实验。作者通过测量每个训练阶段所有图像的左右注视比率来计算注视偏好(FB，fixation bias)。作者从训练后阶段的中位数减去训练前阶段的中位数:△FB =post FB – pre FB。负值表示向左偏，正值表示向右偏。采用双侧秩和检验对训练前和训练后分布中位数相等的假设进行检验。
Posner任务和神经反馈中的注视偏好
为了测试被试是否使用了隐蔽注意策略来执行神经反馈任务，作者分析了来自Posner任务的眼动数据，并将注视模式与自神经反馈任务的注视模式进行了比较。Posner眼动数据分为注意左、注意右和中性试验。作者测量了注意延迟期间的水平注视偏好，方法是用0- 300ms时的平均水平坐标减去0- 300ms时的平均水平坐标。负值表示向左偏移，正值表示向右偏移。
为了评估神经反馈训练过程中的注视偏好，作者将神经反馈眼动数据分别分为LNT组和RNT组，试次的时间为0~3.0s（神经反馈开始后到探测刺激出现之前）。作者首先通过从0-0.5秒的水平坐标中减去0.5-3.0秒时眼睛位置的平均水平坐标来测量水平固定偏好。负值表示向左偏好，正值表示向右偏好。为了显示在神经反馈期间眼睛的水平位置，作者计算了每500ms眼睛的平均位置。
结果
神经反馈训练能够在线控制顶叶皮层的alpha功率
图2 神经反馈期间的alpha功率调制
在LNT组和RNT组中，神经反馈训练成功地将顶叶皮层上的alpha半球不对称调节到所需的方向，在训练结束时效果更强。在两组中，alpha不对称主要是由左顶叶皮层的调节引起的，在LNT组alpha活动增加，在RNT组alpha活动减少，而右顶叶皮层的alpha活动没有变化。此外，即使神经反馈只针对阿尔法不对称，作者也观察到gamma波段与alpha波段的半球侧化方向相反，表明alpha功率减少和gamma功率增强之间存在相关。最后，alpha和gamma的不对称性从顶叶皮质延伸到枕叶皮质，但没有延伸到颞叶或额叶皮质，这表明这种变化并不包括整个大脑半球。
视觉加工中的神经反馈训练偏好
图3 神经反馈阶段的探测刺激诱发反应
在训练方向上，探测刺激指向同侧比指向对侧能够诱发更强反应，这与视觉处理偏好于与较低alpha值的顶叶皮层对应的半球是一致的。
神经反馈训练导致空间注意的持续调节
在训练后阶段，神经反馈训练可导致空间注意的持续调节。作者发现神经和行为效应与训练方向一致。
由观看行为中神经反馈训练结果的水平偏好
作者发现LNT组存在向左的偏好，RNT组存在向右的偏好。因此，神经反馈训练不仅在Posner线索范式的隐蔽注意中，而且在自由观看行为中，也实现了对空间注意的持续调节。
图4 Posner任务中神经反馈对神经和行为的影响
在Posner任务中，眼动数据揭示了空间注意的方向，而不是神经反馈
作者发现，当提示注意左侧时，存在显著的向左注视偏好（p=0.007，n=8），当提示注意右侧时，存在显著的向右注视偏好（p=0.007，n=8），但在中性试验中没有显著偏好（p=0.2，n=8）（p<0.05，双侧Wilcoxon符号秩检验）。
作者在LNT组（p=0.4，n=8）或RNT组（p=0.2，n=7）中均未发现明显的水平注视偏好。作者还对反馈训练中的注视点和Posner任务进行了直接比较，并对每个被试进行了配对比较。在Posner任务中，LNT组的视觉注视在神经反馈时与在左侧的隐蔽注意时有显著差异（p=0.02，n=4）。类似地，在神经反馈期间，RNT组的视觉注视与Posner任务中右侧的隐蔽注意显著不同（p=0.02，n=4）。因此，在反馈训练和Posner任务中的注视是显著不同的，这表明在神经反馈训练中，被试不会试图将注意力转移到一个或另一个半球来影响反馈信号。
总结
作者的结果支持Alpha同步在调节注意和视觉处理中起因果作用的观点，alpha的调制会导致视觉加工中的空间偏好。
如需原文请加微信：siyingyxf 或者19962074063获取,如对思影课程感兴趣也可加此微信号咨询。
微信扫码或者长按选择识别关注思影
非常感谢转发支持与推荐
欢迎浏览思影的数据处理课程以及数据处理业务介绍。（请直接点击下文文字即可浏览思影科技其他课程，欢迎报名与咨询）：
第十九届脑电数据处理中级班（南京）
第六届脑电信号数据处理提高班（南京）
第八届脑电数据处理入门班（南京）
第七届近红外脑功能数据处理班(上海）
第七届脑电数据处理入门班（内容与第八届入门一致）
第二十届脑电数据处理中级班（重庆）
第二十八届磁共振脑影像基础班
第六届任务态fMRI专题班（重庆）
第十四届磁共振脑网络数据处理班（重庆）
第二十七届磁共振脑影像基础班（南京）
第九届磁共振脑影像结构班(南京）
第十届脑影像机器学习班（南京）
第十二届磁共振弥散张量成像数据处理班
第六届小动物磁共振脑影像数据处理班
第二十九届磁共振脑影像基础班（南京）
第十五届磁共振脑网络数据处理班（南京）
思影数据处理业务一：功能磁共振（fMRI）
思影数据处理业务二：结构磁共振成像(sMRI)与DTI
思影数据处理业务三：ASL数据处理
思影数据处理业务四：EEG/ERP数据处理
思影数据处理服务五：近红外脑功能数据处理
思影数据处理服务六：脑磁图（MEG）数据处理
招聘：脑影像数据处理工程师（重庆&南京）
BIOSEMI脑电系统介绍
