网站首页 > 新闻中心 > 学习园地
联系方式
手机:18580429226
联系电话:023-63084468
联系人:杨晓飞
联系邮箱:syfmri@163.com
联系地址:重庆市渝中区青年路38号重庆国际贸易中心2004#
信息内容
PNAS:你会作弊吗?—认知控制在作弊行为与诚实行为中的介入作用
发布者:admin 发布时间:2020/8/26

你曾作弊过吗?你是一个诚实的人吗?面对作弊的诱惑时,你的认知控制是否帮你有效地抵抗了诱惑从而帮助你遵从自己的道德操守,还是促使你更加屈从于诱惑,从而获得更多利益呢?快来看看这篇文章,帮助你了解面对作弊选择时,to be or not to be的困惑是怎样被大脑最后决定的。

长期以来,研究者们认为认知控制在调解追逐利益最大化和维护自我的道德形象的冲突中发挥作用,但其在(不诚实)诚实行为中的确切作用仍不明确。在本文中,研究者通过fMRI实验考察作弊的神经机制。为观察被试的作弊行为,研究者开发了一项任务,该任务在被试不知情的情况下,对被试在单个试次中是否存在作弊行为进行测量。实验发现伏隔核(Nacc)的活动促使作弊行为,特别是对于那些经常作弊的人。而对于一贯诚实的人,由后扣带回皮质,颞顶交界和内侧前额叶皮层组成的网络促进采取诚实的行为。最后,相关大脑区域的活动及认知控制(前扣带回皮质和额下回)有助于促使一贯作弊的被试做出诚实的反应,而帮助一贯诚实的被试尝试作弊。实验结果表明,选择诚实或不诚实的行为不需要借助认知控制,但认知控制的介入取决于行为是否违背了个人一贯的道德准则(道德违约)。本文发表在PNAS杂志。

 

引言

设想当朋友给你免费获得电影资源的链接时,你是否会打开它?在考试时,面对同学递来的难题答案,你是否会选择抄袭?当你只需要一个谎言就可以骗你女神与男朋友分手时(然后你有机会),你是否会内心挣扎?

日常生活中,我们总会面临类似这样服从于自我兴趣却违背道德准则的诱惑与维护道德准备放弃眼前利益的矛盾,但我们目前还不清楚大脑如何解决这种冲突。

当存在作弊的机会时,回报会成为是否采取作弊行为的关键因素,更高的回报给予采取作弊行为更强的动机。而行为研究表明贪婪的人更容易采取违规行为。另外体现在伏隔核(Nacc活动上的对预期回报的反应,预测了后续任务中的作弊行为。总的来说,这些研究强调更高的奖励和对奖励更高的敏感性增加不诚实的可能。

但实际生活中,在面临这些选择时,人们不仅仅考虑最大化经济回报,还会考虑很多其他社会行为比如利他和互惠。人们内化社会规范并将其用作自我准则来约束自己的行为。在不诚实的情况下,对自我的评价(self-concept)会阻止人们进行作弊的行为。人们对诚实行为高度重视,并对自我的道德标准有极高的信念,损害自我的道德标准,拉低对自我的观感可能是让人反感的。故而人们有动机维护自己的道德感,即使这样会失去一些潜在的金钱收益。

因此,当存在作弊机会时,人们会面临获得潜在收益的诱惑与维护自我形象的冲突。与维持积极的自我形象有关的神经过程尚未被发现。根据行为研究,研究者假设自我参照的思维过程与包括前额内侧皮层(MPFC),后扣带回皮质(PCC)和双侧颞顶交界处(TPJs)在内的网络有关,该网络可能是自我概念维持的基础,并促成了诚实行为。

一些研究表明,认知控制在处理回报与自我观念的冲突中起到关键作用,但是认知控制这种作用的性质仍存在争议,目前存在两种相互竞争假说(the Will and the Grace hypotheses)。

The Will假说认为人们默认采取不诚实的行为,认知控制被用于抵制诱惑进而采取诚实的行动以维护自己的正面形象。The Grace假说则相反,认为人们以诚实反应作为直觉,借助认知控制克服这种直觉来从作弊机会中受益。

基于以上背景,本研究旨在探索认知控制如何解决额外经济回报与自我观念的冲突,更具体地说,这种决策过程如何在大脑中展开。对认知控制在作弊决策中功能的更好认识有助于调和前述两种假说的矛盾。

研究者在Gai的范式基础上,进行了任务改良,使得被试参与者在不知晓任务真正目的的前提下进入MRI扫描仪,并故意反复作弊。这一改进任务(spot-the-differencetask)的意义在于解决了先前对于作弊行为的神经影像学研究中如抛硬币任务只能在任务结束后判定作弊行为,无法考察单一试次行为变化的问题。另外,该任务的重点在于被试不会知晓实验的真实目的。

任务能够在观察具有个体差异的作弊行为的同时对被试内的试次变化敏感。使研究者不只识别在总体上促进诚实的神经机制,还可发掘通常选择作弊的被试突然做出诚实决定的认知过程

实验的数据分析首先在全脑范围展开,寻找在有机会作弊的情况下参与进行作弊或诚实决策的大脑区域;考察实验验证的大脑区域与元分析得出与奖赏,自我审视思维及认知控制的大脑区域的重合度;对上述联合分析中重合的兴趣区进行功能连接分析,并将兴趣区的神经活动与被试内单一试次的行为决策关联,最终借助兴趣区域的神经活动及功能连接对被试行为反应的预测准确度评估结论的可靠性。

实验观察到认知控制网络在决策中的作用,但发现其影响取决于行为是否违背个人的道德惯性。对于更诚实的被试,需要认知控制参与作弊,而对于作弊者,则需要进行认知控制选择诚实。另外,借助区域激活水平与连接方式对作弊试次和作弊被试预测的高准确性验证了结果的可重复性。

 

方法:

被试:

实验数据来自40位被试(30名女性;年龄1835; M = 23.7, SD = 3.2),来自网络社区招募的大学生,右利手,英语熟练,视力正常无精神疾病。



Spot-the-difference task

被试被要求观察一对图片,并被告知每组图片中有三个不同点,不同点类型包括增添或删除要素及改变要素颜色任务要求被试找出两图之间的三组不同,但实际上呈现的图片可能包括仅12个不同或全部3个不同。由于被试参与试次的奖励(见下文)取决于被试是否报告他们发现了所有三个差异,而不必指出不同之处。故而任务鼓励作弊行为(即报告发现所有三个不同,即使客观上图片的差异少于三个)。

被试首先会被告知研究目的是为了调查用于营销目的的视觉搜索机制,并提示被试注意金钱奖励对视觉搜索速度和准确性的影响。

在所有图片对中有25%的图片对包含一组差异,25%包含两组差异,50%包含三组差异作为填充。所有图片刺激的大小已标准化并在白底屏幕上呈现。

所有试次被分为正常难度(50%),困难(25%)和非常困难(25%)三类,被试参与三类试次并报告发现三处不同可分别获得52040欧分的收益。具有三个差异的所有试验(填充试次)均归类为正常试次,而差异少于三个的试次(感兴趣的试次)随机分入困难试次或非常困难试次。在此,添加不同难度是为了减少被试对实验真实目的的怀疑,同时,消除研究者鼓励被试多作弊以获得更多奖励的可能,因为在此研究者预设被试会认为任务难度越高,越难找到全部三组不同。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtaT9rHZia25SLy7PMLVDyWhdZlR1lFjufgoxAQu3kP4g3hHDVnap3PQQ/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

S4 正常难度的三处不同的刺激对



https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtXYNpD0aia0HdUvKPe9eNshx1yzn7KPYHjGS8mmqXwtVB8wAQVgoBicBw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

S5 困难的三处不同的刺激对

 

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNttj48QyKq02wvcbibu7Vw5p18CBDicHMsbYnvctNzkAQ5ialCc8QvvoLicw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

S6 非常困难的三处不同的刺激对

    为了进一步混淆实验目的,10%的试次要求被试使用操纵杆点击差异点。在实验结束后,被试会在无人的房间中填写问卷记录下他们关于实验的想法,最终被试会被告知实验以调查不诚实行为为目的并给与最高额度的奖励(全部找到所有试次的不同点)。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtTeFhDfu3gyCBrGKm9eh9QgHdsyqSxIXVj6AfKiax3dECGeiaphOjiaJpQ/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

spot-the-differences paradigm的单一试次

    每个试次由一个1-3s的注视点开始,随后2s屏幕显示试次难度级别及被试的潜在收益,使被试不断意识到作弊的潜在好处。在第二个注视点后,将呈现图片对6s。之后,将询问被试是否发现所有三组差异并再次给出潜在奖励。3秒后,进入被试反应阶段,记录被试反应,并提示选择找出差异,被试的余额立即增加,这样进一步鼓励被试作弊。

    这一任务设计的好处在于可以追踪在哪些试次被试选择了作弊。且通过改变差异的数量(有一对还是两对),该设计可以评估被试作弊的程度。



数据采集:     

    使用3T Siemens Verio收集fMRI图像,功能扫描通过T2 *加权梯度回波,降序交错顺序的回波平面脉冲序列(3.0 mm切片厚度,3.0×3.0 mm面内分辨率,每切片64×64体素,翻转角度= 75°)。 TE30毫秒,TR2,030毫秒。采集T1加权图像用于解剖学参考(分辨率为1.0×0.5×0.5 mm192个矢状切片,翻转角= 9°TE = 2.26 msTR= 1,900 ms
fMRI 
数据处理

预处理:借助fMRIprep1.0.8进行数据预处理。

统计分析:

   对每个被试建立一般线性模型(GLM,使用被试试次决策阶段(decision phase,持续时间3s)分离诚实试次,作弊试次,可作弊试次(少于三对差异)和无法作弊试次(有三对差异试次),以提供被试进行决策的所有信息,另外在回归中,加入提示任务难度及潜在奖励的阶段(level of difference 持续2s),加入不同任务难度作为回归因子以检验被试是否感知到任务难度的差异;加入视觉任务的阶段(图片呈现,6s),以检验被试的任务参与及动机没有明显差异。最后加入按键反应阶段,全脑回归信号及WMCSF信号。

    计算诚实与作弊条件以及可作弊和无法作弊条件之间的对比。将这些对比进行随机效应分析以计算主效应(单样本t检验)并同行为数据(即合计每位参与者的作弊次数)作为回归因子进行回归分析。
可作弊和不可作弊试次的比较:     

    使用每个被试可作弊与无法作弊条件的对比图像进行组分析(在两个方向上),将每个被试作弊次数的计数设置为组分析的协变量,以考察在总是作弊和几乎不作弊的被试间是否存在个体差异,应用于组分析的阈值为P<0.05(FDR),并呈现于MNI空间中。
诚实决策VS作弊决策:    

    使用每个被试作弊与诚实条件的对比图像进行组分析(在两个方向上分别进行),并分别将每个被试作弊次数的计数设置为组分析的协变量,应用于组分析的阈值为P<0.05(FDR),并呈现于MNI空间中。由于对于每个被试作弊与诚实条件的数量不平衡,在进行对比时,对多数类进行了抽样以平衡。
单个trail的激活估计:    

    实验的创新主要在于,可以逐一试次考察被试的行为差异,通过将上述分析识别出的ROI中提取的单个试次的神经激活加入多层次模型中,可以揭示出怎样的神经机制可以解释被试反应的差异。此部分数据分析的模型代码将会向公众开放。
Beta-series correlations
    

    为了进一步探索不同大脑区域活动对不同对比的影响,对上述ROI区域在决策阶段(decision phase)的活动进行功能连接分析,为了避免激活引起的相关性问题,采用了Beta-series correlations(作者计算了单个trailbeta值,使用序列的beta值来计算这种相关)。

结果:

行为学结果:

   40位被试完成了实验,在作弊总次数上观察到较大的个体差异(平均= 26%, 中数 = 14%,标准差= 26%)其中17.5%的被试仅仅作弊一到两次,而5%的被试仅仅错过一两次作弊的机会。在实验后的问卷报告中,没有被试认为该实验是关于不诚信行为或其他相关概念。        

    针对任务特征是否影响被试表现,研究者将有作弊机会的试次中的被试行为作为因变量(作弊=1,诚实=0),使用任务图片中的差异数量(一组还是两组差异)及任务奖励水平(困难还是非常困难)作为预测指标对被试行为进行预测,该模型反应了图片中差异数量对被试行为有显著影响(b = 2.13SE = 0.44z= 4.85P <0.001),具体而言,当有两组差异时被试者在36%的试次中作弊,而仅一组差异时被试只在16%的试次中作弊,即当作弊行为更隐蔽时,被试有更大可能作弊。此外,奖励幅度对作弊的影响不显著,借助试次编号考察被试的疲劳效应的影响没有发现显著效应。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtNnFOwByicKk9nsflAz23TQ2Fg0PAsibyMPs59Bq1Xz76DIogdaPlhic2w/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

2作弊几率(01)的个体差异,n=40

 

神经响应和作弊机会的相关分析:

   fMRI数据分析首先比较被试有机会作弊的试次与无作弊机会的试次以找出响应作弊机会的神经活动。为了显示被试的个体差异,作弊次数的计数被作为协变量添加在组分析中。全脑分析表明较诚实的被试(相比那些作弊更多的被试)暴露于作弊机会时,PCC(后扣带回皮质)MPFC(前额内侧皮层)和双侧TPJ(双侧颞顶交界处)表现出更大的激活(pFDR<0.05,图3A)。

   研究者进一步将上述激活区域与从Neurosynth获得的通过元分析得出的自我参照思维相关的大脑区域(图3B)进行关联分析,以多重比较校正(FDRp<0.01为阈值,确定以上区域与假设相符,在PCC发现(overlap[mm3]=4,600),在MPFC中(overlap[mm3] = 4,072),在右侧TPJ中(overlap[mm3] = 869),而在左侧TPJ中(overlap[mm3] = 608)(图3c

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtlnFGOPzcLxDB6fmgSpbXR5VyibajJgpnBicCvibict4He1wH2Z7jvXicD3Q/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

3 诚实的被试比作弊更多的被试在暴露于作弊机会时激活更大区域

 

作弊决策的神经机制:

   接下来研究者考察,哪些区域的神经活动与被试决定是否作弊相关。研究者比较被试有机会作弊的试次中,被试选择诚实反应与作弊反应的试次,为了反应被试的个体差异,同样将被试作弊次数的计数作为组分析的协变量。

    研究者发现,作弊更多的被试在选择诚实的时候表现出更高的前扣带回皮质(ACC)和左侧额下回活动(IFGP <0.001,未校正,图4A),换句话说,作弊者相比于诚实被试使用他们的ACCIFG来避免作弊。为了证实实验发现的大脑区域与认知控制网络相关,研究者测试了这些区域与Neurosynth中元分析提取的认知控制的相关区域(图4B)的重合度,在ACC中发现(overlap[mm3]= 168)和左侧IFGoverlap[mm3] =1,256,图4C)。说明与以往研究结果高度重合。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtibn6xUVcRj3KU0VliaTGYTAribLicbCq5aMbgK806Liaicm71rIyiaMAVuYFA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

4 作弊更多的被试在做出诚实决策时的脑激活状况
 对奖励的敏感性的神经基础与作弊有关:

   尽管在行为层面上潜在奖赏未对作弊行为产生影响,研究者仍尝试考察在神经层面上被试是否会对潜在的奖赏产生反应。研究者使用试次难度(潜在奖赏幅度)作为指标对神经活动进行预测,发现奖赏分析显示,奖励的幅度极大地调节了双侧Nacc(伏隔核)的活动pFDR<0.05,图5A)。由于Nacc因其在处理预期奖赏中的作用而闻名,而奖赏幅度水平间Nacc的活动差异表明被试确实感知到了不同奖赏幅度。Neurosynth中通过元分析得出的奖赏预期区域(图5B)进行重叠比较(p(FDR)<0.01)在右侧Nacc中发现重叠(overlap[mm3] = 2,040)而左侧Naccoverlap[mm3] = 840,图5C)。

    但是,将被试作弊次数作为协变量考察被试奖赏敏感度的差异并未得到显著的结果,显示参与者对奖励同样敏感,且与他们是否选择作弊无关。

    为了进一步讨论奖赏预期对被试作弊行为的作用,研究者结合实验发现及Neurosynth map中的奖赏相关区域,使用每个被试在预期及决策阶段的平均Nacc活动预测其作弊次数,该分析表明,在决策阶段,平均Nacc活动显著预测了作弊数(b = 18.29SE = 7.01P <0.05),但在难度级别显示阶段没有显著影响(b = 8.89SE = 14.2P =0.54)。这表明参与者同样在没有道德冲突的困难阶段感知到奖励。但在做出作弊决定时,作弊更多的参与者似乎更期望得到回报

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtuehX6cZcoibRtbYw4JuXxRo3e4zib2CKv3mT89zkWMweGzsHM3pHc6Yw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

5 奖赏调节了被试在作弊几率高的试次中的诚实和不诚实反应

 

作弊中的主体内变异程度:基于试次的分析:

   为了进一步探索自我概念,奖赏和认知控制如何影响作弊的决定,我们进行了逐个试次的分析,使我们能够研究为何被试在某些试次选择作弊,而在其他试次保持诚实。首先,研究者从各个区域提取逐个试次在不同兴趣网络的平均激活(结合Neurosynth确实实际采用区域)。依靠这些激活数据,得出一个矩阵,其中行代表试次,列代表代表不同的ROI研究者对每个网络进行了多层次分析(自我参照思维,认知控制和奖励)。其中因变量是被试的行为反应(作弊为1,诚实为0),使用不同ROI作为试次间的预测指标,作弊次数的计数作为个体水平的预测指标,该模型将每个被试的斜率及截距作为随机量进行处理。

    将其作为广义线性混合模型并使用L1范数作为惩罚函数进行参数估计,以确定对于预测作弊行为最为有效的网络(L1惩罚函数使估计的参数变得稀疏)分析表明,ACC(前扣带回皮质)b=0.13SE = 0.06P = 0.02),左IFG(左侧额下回)b = 0.42SE = 0.06P <0.001),作弊计数(b = 1.59SE = 0.07P <0.001),以及左IFG与作弊计数之间的交互作用(b = 0.38SE = 0.06P <0.001)在预测作弊中最重要。

    这些结果表明,在试次层面,认知控制网络对于预测作弊行为最为重要。对于那些经常作弊的参与者(浅蓝色,下图),则左侧IFG中的较高活动对应较低的作弊的可能性,而对于更诚实的参与者(深蓝色线,下图),则左IFG的较高活动对应于更高的作弊可能性。这些发现表明,左侧IFG对作弊的影响取决于参与者是否倾向于作弊或诚实。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtCEWPu3ibHW9yYnujYNygX5eeDNV4W3V8iaECPnS7CAAtrDPuiaNxYHmHw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1


作弊计数与左IFG的相互作用对作弊的可能性的预测。其中,浅蓝色线表示三个标准差以外的作弊者,深蓝色线表示三个标准差外的诚实被试

由此,研究者认为认知控制区域的活动能够更好预测被试不同试次的作弊行为。为了测试此预测指标的准确率,研究者以70%的被试试次作为训练集取得单个被试模型的随机斜率和截距,并用该数值对剩余30%的被试反应进行预测。由于因变量作弊是不平衡的(在图片有一组差异和两组差异时的作弊行为同诚实行为),研究者采用了两个对类不平衡现象不敏感的准确性指标AUCF1进行预测准确性评估,结果显示对预测集能够进行准确预测(AUC = 76%,F1= 89%,P <0.001)。



决策过程中功能连接的个体差异:

   为了进一步探索在上述过程中,不同区域如何相互影响实现作弊行为的决策,研究者考察了在决策阶段上述区域的功能连接。为了避免激活引起的相关性问题,选取了beta-series相关性。该分析发现在在做出诚实决策时,相对诚实被试中,自我审视思维的网络节点间连接比作弊的被试更强,诚实行为相关于PCC和左侧TPJ之间的连通性(r =0.51,padj< 0.05)以及PCCMPFC之间的连通性((r =0.55padj<0.05;)。此外,PCC和左TPJ之间以及PCCMPFC之间的功能连接在诚实决策与作弊决策期间的相关性显著不同(双侧比较Z>2,p(adj)<0.005)。

    因此,自我审视思维网络中的节点特别是在MPFC,左TPJPCC之间的紧密联系可能促进诚实行为,尤其是对诚实的被试,而当这些节点之间的连通性被破坏时,诚实的参与者倾向于作弊。

   为了测试自我审视思维网络的连接模式是否可以预测诚实度上的个体差异,研究者基于每个被试功能连接训练了一个分类器,分类分析表明,可以用自我审视思维网络中连通模式将预测集中的被试分类为诚实者或作弊者(accuracy = 71%, F1 = 75%,P < 0.05)

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz83BnicbB5ES3uwqSZZW0VNtqQk5GkfOZAPcq31ZF0GrGn4yzFmtNIojMz3T8NiaRYfhhPd0icNn5ovA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

4. 在决策过程中使用参与者自己思维网络中的功能连接模式将参与者分类为作弊者或诚实的参与者

总结:

   在这项研究中,研究者探索了与奖励预期,自我审视思维和认知控制相关的神经机制如何参与个人的诚实(不诚实)决策。使用spot-the-difference task研究单个试次作弊行为的行为,研究者发现认知控制的效果取决于被试倾向于诚实或不诚实。

   当暴露于作弊机会时,一贯诚实的被试在PCC,双边TPJMPFC组成自我审视思维相关的大脑区域更为活跃。且这些节点间的连通性更强。这突显了道德的重要性,自我概念及相关的自我审视思维过程促进诚实。

   另外,研究发现作弊者在决策过程中表现出较强的奖励敏感性。尽管所有被试都对预测奖励的差异敏感,但,相较于诚实被试,更多作弊的被试在做出作弊与否决策时,受到回报的驱动更强,且更多作弊的被试在Nacc的神经活动更活跃,该区域被认为与奖赏预期相关。

   研究表明认知控制的功能取决于一个人的道德违约。这种解释有助于调和关于认知控制作用的不同假说之间的冲突,更好理解认知控制在调节奖赏与自我道德约束冲突中的具体作用。此外,该研究指出了自我审视网络及维护个人积极形象在作弊决策中的重要性。

 

如需原文及补充材料请加思影科技微信:siyingyxf 或者18983979082(杨晓飞)获取,如对思影课程及服务感兴趣也可加此微信号咨询。觉得对您的研究有帮助,请给个转发,以及右下角点击一下在看,是对思影科技莫大的支持。

 

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


第九届脑电数据处理入门班(重庆,9.22-27

 

第二十一届脑电数据处理中级班(南京,9.7-12

第二十二届脑电数据处理中级班(南京,11.12-17

 

第七届脑电信号数据处理提高班(南京,11.18-23

第八届眼动数据处理班(重庆,10.26-30

 

第九届近红外脑功能数据处理班(上海,11.24-29

 

第三十二届磁共振脑影像基础班(南京,9.21-26

 

第六届小动物磁共振脑影像数据处理班(南京,9.1-6

 

第十一届脑影像机器学习班(南京,8.25-30

 

第十三届磁共振弥散张量成像数据处理班(南京,9.15-20

 

第六届任务态fMRI专题班(南京,10.16-21

 

第二届弥散磁共振成像数据处理提高班(南京,10.24-29

 

第七届磁共振ASL数据处理班(南京,10.12-15

 

第十八届磁共振脑网络数据处理班(南京,11.6-11

 

第三十四届磁共振脑影像基础班(南京,10.30-11.4

 

第三十一届磁共振脑影像基础班(重庆,9.14-19

 

第三十三届磁共振脑影像基础班(重庆,10.11-16

 

第十七届磁共振脑网络数据处理班(重庆,10.20-25

 

第十届磁共振脑影像结构班(重庆,11.2-7

 

第十二届脑影像机器学习班(重庆,11.11-16

 

脑磁图(MEG)数据处理学习班(预报名)


数据处理业务介绍:


思影科技拜访式培训服务


思影科技功能磁共振(fMRI)数据处理业务


思影科技弥散加权成像(DWI/dMRI)数据处理


思影科技脑结构磁共振成像数据处理业务(T1)


思影科技啮齿类动物(大小鼠)神经影像数据处理业务


思影数据处理业务三:ASL数据处理


思影科技脑影像机器学习数据处理业务介绍

 

思影科技EEG/ERP数据处理业务

思影科技脑电机器学习数据处理业务


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


思影科技眼动数据处理服务


招聘及产品:

招聘:脑影像数据处理工程师
(重庆&南京)


BIOSEMI脑电系统介绍


目镜式功能磁共振刺激系统介绍



 
 

打印本页 || 关闭窗口