详细动态DETAILS

2018-10-18 有关自发重评脑网络时间动态性的研究在Soc. Cogn. Affect. Neurosci.发表

认知重评与重度抑郁症(MDD)和默认模式网络(DMN)的自发活动密切相关。然而,自发重评与默认模式网络关系,默认模式网络中潜在的神经机制是如何影响自发重评与抑郁症两者的关系,这些问题都没有被深入研究。因此,本文旨在利用脑网络的静息态指标探究默认模式网络与自发重评的关系,并进一步考察这些指标是否会影响个体的抑郁水平。

利用独立成分分析(ICA)和感兴趣区域分析(ROI),本研究分析了105个健康被试的静息态功能性核磁共振成像数据。研究使用ERQ情绪调节问卷测量被试的自发重评的程度,通过计算静息态脑网络的三项指标(低频振荡振幅fALFF,局部一致性ReHo,赫斯特指数H)来衡量默认模式网络的自发活动水平,并使用BDI贝克抑郁量表考察个体的抑郁水平。最后采用中介分析来探究默认模式网络对自发重评与抑郁症两者关系的影响。结果发现在默认模式网络中的H指数与自发重评的得分存在显著相关——这表明自发重评得分越高的个体,其默认模式网络的H值越小。由于H指数常被用来量化时间序列的复杂性,当前结果可能揭示了自发重评程度越高的个体具有更加复杂的脑网络,在面对情绪场景时可以更快的处理信息进行重评。中介分析结果表明默认模式网络的时间序列的复杂性在一定程度上中介了自发重评与抑郁程度之间的联系,而对于默认模式网络子区域的进一步分析显示出只有内侧前额叶皮层(MPFC)存在这种中介作用。这可能是由于内侧前额叶皮层既涉及到认知控制的相关功能,又与自我参照的过程有关。总之,本研究揭示了自发重评与默认模式网络的自发活动有关,脑网络的时间动态性影响了自发重评与个体抑郁水平两者的关系。


查看PDF文件