从信号处理角度看taVNS对大脑功能连接组的动态影响

这篇文章被收录在了2024年第七届亚洲认知工程与智能交互会议（CEII2024）的论文集中，此论文集首页呈现出了会议名称，还有IEEE的版权信息以及DOI，其具体是10.1109/CEII65291.2024.00009，在关联的会议论文有关页面当中，展示出这篇文章的页码是从1到5。

于2024年12月举行的这一届会议，是从CEII2024官方历史页面得知的，其举办时间为12月14–16日，举办地点是新加坡南洋理工大学，采用的是线上线下结合形式，会议所聚焦的是认知工程与智能交互相关研究，官网同时还说明，会议录用论文是由IEEE CPS出版的。

三、这篇文章主要在解决什么问题

这篇文章要解决的核心问题可以概括为：

经过皮肤的耳迷走神经刺激，也就是 taVNS，它是不是会使得默认模式网络，也就是 DMN，还有它的子系统的动态功能连接状态发生改变呢，并且这种改变是不是和自我意识以及情绪调节会有关联呢。

作者于摘要以及引言之中讲叙得非常明晰：已然存在的研究所显示，taVNS属于一种具备安全性、并非侵入式的神经调控技术，其能够对一些关键脑区的活动予以调节，并且有可能对情绪产生影响；然而与之相关的机制尚未得到充分的阐释。特别是在DMN这个网络之上，此前众多的研究更为倾向于静态连接，可是对于DMN内部不同子系统之间连接怎样动态变化，所给予的关注并不充足。

论文格外特别地指明，DMN并非是一个完整统合的整体，而是能够被划分成三个各自独立的子系统。

这些子系统，和社会认知的过程紧密相关，它们与情绪生成的过程紧密相关，还和自我反思等过程紧密相关。正因为是这样的情况，作者把问题进一步聚焦到了：taVNS会不会对DMN子系统之间的动态耦合模式产生改变。

四、为什么这个问题难做

阅读过后会发觉，此问题并非仅仅如同“进行前后对照”这般简易，它于三个层面存在难度。

1. 以往研究多看静态连接，容易忽略脑活动的时间变化

引言之中，作者明确地指出，多数的 taVNS - fMRI 研究，主要是采用静态方法，然而，人脑的活动，其本身具备动态性，静态连接分析，有可能并不足以去刻画这种随着时间而变化的神经交互，相比较而言，dFC 能够更为细致地描述不同脑区相互之间随着时间变化的协同关系。

也就是说，这篇文章的出发点之一，就是认为：

倘若仅仅去看平均连接强度，那么就极有可能会将真正具备价值的状态切换信息给“平均掉”。

2. DMN 本身不是单一区域，而是有内部层次结构

文章再三着意强调，DMN经由core、dMPFC、MTL这三个子系统所构成，并且它们于认知跟情绪里的功能分工存有差异：MTL更倾向于基于记忆的场景构建，dMPFC更倾向于当下心理状态评估，而core区域当中的aMPFC和PCC与自我相关情绪判断紧密关联。

这就意味着，问题不只是“DMN 变没变”，而是：

是 DMN 的哪一个子系统发生了变化呢，是子系统内部的连接出现了改变，还是子系统相互之间的负连接产生了变化呢？

3. taVNS 所产生的影响，并非单纯直接表现为“增强或者减弱”这般容易，而是会致使脑网络进入某些状态的概率发生改变。

最后在这篇文章里被发现的关键结果，并非是某一条既定连接在所有的时刻都呈现增强态势，而是某一个特定的动态状态，也就是 state 2，其在实验组当中出现的频率有所升高。这也就意味着，taVNS 的调节作用更倾向于像是在改变脑网络“比较易于进入哪一种状态”。

这个思路实际上是颇为重要的，因为相较于单纯的“前后均值比较”，它更加贴近真实的脑活动进程。

五、作者是怎么拆解这个问题的

这一篇所呈现的文章内里非常值得借鉴学习的其中一点内容之时，它并非是直接将所面对存在的问题直截了当地写成了“刺激前后脑区连接是不是显著地存在不同”这种样子，反而是去做了一项更为细致入微的拆解工作的那个做法。

第一步：先把研究对象限定为 DMN 及其子系统

文章并非进行全脑无约束探索，而是将重点放在了 DMN 及其三个子系统上。如此这般去做，所具备的好处在于，可以让研究问题更为集中，并且也能够更是容易地把结果与自我相关加工、情绪调节这些功能关联起来。

第二步：再把“连接变化”改写成“动态状态变化”

作者并非满足于去看一个处于静态的 FC 矩阵，而是通过运用滑动时间窗来构建每个时间窗所对应的功能连接矩阵，接着针对这些矩阵去进行聚类操作，从而获得若干个呈现离散状态的动态连接状态。换而言之，作者真正想要去回答的并非是“taVNS 会不会改变连接”这个问题，而是：

taVNS 有没有可能使 DMN 在不同动态状况之间的分布情况、停留的时长以及出现的频率产生改变。第三步：最终再将状态的变化投射回子系统这个层面去进行解释。

在获取到不一样的状态之后，作者并未停留在诸如“state 1、state 2、state 3、state 4”这般的抽象标签之上，而是更进一步地去剖析在这些状态之下：

这样一来，论文就形成了一条很清晰的逻辑链：

taVNS引发dFC状态改变，dFC状态改变使DMN子系统关系产生变化，DMN子系统关系的变化带来了可能的情绪/自我加工机制解释。

六、技术路线：这篇文章的方法框架

从方法部分来看，这篇文章的技术路线可以理解成四个主要模块。

1. 实验设计与刺激方案

论文总共招募了四十名年龄处于二十岁至二十五岁之间的健康大学生，将他们随机进行分组，分成了实验组与对照组，每组各为二十人。实验组接受了左侧 cymba conchae 的 taVNS，而对照组则接受左侧耳垂刺激。作者作出说明，表明之所以选择左侧，是由于左侧刺激不会对心脏功能产生影响。

整个流程包括：

刺激参数为：

这一部分，使我产生文章做得较为规范的感觉，缘由在于它针对刺激位点，对照位点，刺激频率，以及周期，均作出了相对清晰的交代。

2. fMRI 采集与预处理

功能性磁共振成像数据借助西门子3.0T Skyra扫描仪来采集。预处理于CONN软件里达成，涵盖常规的：

随后，作者依据 AAL 模板，从 DMN 里提取 11 个 ROI 的平均时间序列，此设定表明，作者并非进行 voxel-wise 分析，而是运用 ROI-level dFC。

3. 动态功能连接构建

作者采用滑动窗方法，来构建动态功能连接矩阵，这一部分是方法核心。

通过这个设置能够看出，作者所关注的是，随着时间的逐步推进，DMN内部连接模式会怎样持续不断地发生变化，并非仅仅获取整个扫描期的那个单一平均矩阵。

4. 聚类分析与状态指标提取

基于动态FC矩阵，作者先是运用Elbow method来确定最佳聚类数，其次进行K-means clustering，然后将迭代次数设定为1000。结果显示，DMN的动态连接模式能够被划分成4个状态。

而后，作者针对处于每个状态里的子系统衔接开展更进一步层次聚类，并且计算如下temporal characteristics：

进而还对聚类系数，路径长度，全球效率，局部效率呀等网络指标进行了计算。

七、开展实验后，其结果究竟说明了什么呢，首先，在进行taVNS之后，那处于实验中的这一组，在state 2这个方面呈现出了显著的变化。

这篇论文当中最为关键核心的那种结果，是这样的，存在于四个动态状态里头，其中state 2，在实验组跟对照组二者之间呈现出显著的差异，怎么个显著法，具体来讲，实验组在经过taVNS之后，state 2的出现频率明显显著地增加乐，可与之形成对比的是，对照组在接受刺激之后，出现state 2的temporal coverage显著地下降了。

这表明，taVNS所产生的影响，并非单纯地呈现为“将某一连接予以增强”这种情况，而是更近似于使得脑网络朝着进入某种特定的动态功能状态的方向发展。

2. 与core内部增强相关，且和dMPFC - MTL负连接增强有关的是state 2的特征。

摘要和讨论部分都指出，state 2 的主要特征包括：

文章进一步结合已有研究解释说：

此一理解不是径直证实，乃是作者依据先前文献所做的机理推测。在阅读这篇文章之际，我感觉这一要点应当明晰：结果是实际测量得出的，功能含义是推导而来的。

3. 论文真正支持的是“可能的神经机制”，而不是直接的临床疗效

文章结论部其书写实则颇为克制，它持有这样的观点，即taVNS或许对DMN具备调节之作用，这为将taVNS当成为一种神经调节技术给予了神经学方面的依据，并且为未来的医疗应用给出了可行性的分析。

然而，此项研究针对的是健康个体，并未直接于情绪障碍患者身上对疗效予以验证，并且在这篇文章当中也未提供相应的行为学结果用以直接证实“情绪确实得到了改善”，所以更为精确的理解理应是：

这个文章所给到的是这么一种线索，是置于脑网络层面的机制方面的，并非直接的临床结论。八、读过之后会有的几个感受1. 此文章最为有意思的所在之处，并非“taVNS 体现出有效性”这个结论本身，而是它针对问题进行了放置，放置到了动态脑网络之上。

要是仅仅着眼于结论，极易将这篇文章解读成“taVNS对DMN产生了影响”。然而，真正具备学习价值的便是作者的思考路径：并非单纯开展静态FC，而是借助dFC来看待网络状态的转换。这致使结果更加贴近真实的脑活动历程。

2. 文章把 DMN 拆成子系统来看，是一个很关键的选择

若仅将DMN视作一个完整的整体，诸多信息将会被消除。文章把core拆开后，把dMPFC拆开后，把MTL拆开后，至少能够更加细致地展开讨论：究竟是自我相关的处理发生了变化，还是与记忆-心理状态相关的耦合关系有所政变。

3. 这篇文章更像是一篇机制探索论文，而不是最终应用论文

其拥有的优势之处在于将问题切割的特别清晰准确，且所具备的方法途径也是极其完整的，可是它同样存有颇为显著的界限：

所以读这篇文章时，更适合把它看成：

taVNS—DMN—情绪调节机制链条中的一个中间证据。

九、一个简短总结

如果用一句话概括这篇文章，可以写成：

利用静息态 fMRI 和动态功能连接分析，这篇论文做出了发现，即 taVNS 会改变默认模式网络及其子系统的动态状态分布，特别是这样一种情况，一个表现为 core 内部连接增强、dMPFC 与 MTL 负连接增强的 state 2 会更频繁地出现，而这一变化有可能和自我觉察增强以及情绪调节存在关联。

它最值得被记住的是，并非仅仅是“taVNS对DMN产生了影响”这点，而是其比较清晰明白地详尽阐述了：

为何不能仅仅着眼于静态连接；为何 DMN 得拆解到子系统层面方可理解；为何某个特定动态状态的出现频次发生变化，或许相较于单条连接的变化而言更具备解释效力。十、论文引用信息。

十一、会议网站

举办于2024年的CEII会议的页面地址是，https://www.ceii.asia/his2024.html。

IEEE 会议论文集页面：https://ieeexplore.ieee.org/xpl/conhome/11037609/proceeding

相关标签： # taVNS # 动态功能连接 # 默认模式网络 # 情绪调节 # 自我意识