Current Biology腦電研究:自閉症患者雙眼競爭較慢

  • 2019 年 11 月 1 日
  • 筆記

請點擊上面「思影科技」四個字,選擇關注我們,思影科技專註於腦影像數據處理,涵蓋(fMRI,結構像,DTI,ASL,EEG/ERP,FNIRS,眼動)等,希望專業的內容可以給關注者帶來幫助,歡迎留言討論,也歡迎參加思影科技的其他課程。(文末點擊瀏覽)

一直以來,自閉症都被認為是一種社交性的大腦紊亂。近來,關於視覺知覺差異的研究對這一觀點提出了挑戰,然而幾乎沒有證據可以表明自閉症患者大腦的視覺加工存在改變。我們之前觀察到自閉症患者的一種基本視覺現象,即雙眼競爭行為的報告率較低。在競爭的過程中,呈現給被試兩張圖片,每一隻眼睛呈現一張,兩幅圖交替呈現以在感覺上爭奪被試的意識。這種競爭在一定程度上依賴於視覺皮層興奮和抑制的平衡,而視覺皮層在自閉症患者中可能發生改變。然而,這種潛在的興奮/抑制(E/I)平衡標記在自閉症中缺乏直接的神經證據。本文中,研究者們報告了自閉症患者雙眼競爭神經動力學的一個顯著變化。被試觀看真實和模擬能夠引起雙眼競爭的刺激,同時使用EEG測量枕葉皮質上穩態視覺誘發電位(SSVEPs)。首先,研究者們得到了(與他們之前研究中)相同的行為結果,與對照組相比,自閉症患者的雙眼競爭更慢,感覺抑制更少。其次,研究者們提供了直接的神經證據,證明自閉症患者比對照組的競爭速度慢,且能反映個體的行為切換率(在雙眼競爭中刺激誘發的感覺交換)。最後,研究者們僅使用神經數據就能夠預測自閉症癥狀的嚴重程度(ADOS),並正確地分類個體的診斷狀態(自閉症與對照組;87%的準確率)。這些發現反映了自閉症神經生物學中的非典型視覺加工。未來,這種模式可能會成為自閉症發展和跨物種研究的非語言標記。該研究發表在Current Biology雜誌。

方法

被試

研究招募了23名成年自閉症患者和24名對照組(詳細資訊請見補充材料,表S1,如需補充材料請添加:siyingyxf微信)。所有被試的視力正常或矯正為正常,沒有注意缺陷多動障礙或癲癇史。根據第四版精神障礙診斷與統計手冊(DSM-IV),經專業臨床醫生判斷,所有自閉症患者均符合國際自閉症診斷標準。九個被試自閉症患者接受精神病藥物治療。被試均在實驗前簽署知情同意書。

心理測試

使用KBIT-2(表S1)對患有自閉症和沒有自閉症的被試進行了年齡、性別和非語言智商的匹配。所有被試完成了自閉症譜系(AQ)自我報告問卷,對自閉症患者和對照組人群的自閉症特徵進行了量化。此外,對所有自閉症被試實施了一小時的診斷(自閉症診斷觀察表(ADOS-2))。

表S1 心理測量數據(年齡、性別、量表得分等)

刺激及呈現

被試通過立體鏡(使用下巴托),觀看距離為30.25 cm的ViewSonic E70fBCRT顯示器(寬度:15.6英寸;解析度:1280 x1024;垂直刷新率:160Hz)。在每一個試次中,都會呈現兩種高對比度的棋盤圖刺激(圖1A,圖S1;每個棋盤(寬度5.68°))。每個棋盤以黑色十字為中心,在黃色螢幕水平中心的位置呈現,分別呈現在螢幕的左半邊和右半邊。立體鏡將顯示器的左右兩側的刺激反射到被試的左右眼睛中,這樣每隻眼睛只能看到兩個棋盤中的一個。在實驗開始之前,對每個被試進行視覺融合測試,即從螢幕邊緣向中心緩慢移動兩個圓圈,直到被試報告只看到一個圓圈。所有的測試都在一個黑暗的,屏蔽的房間里進行。

為了獨立追蹤每隻眼睛在真實和刺激下的雙目競爭中對應的神經反應,對呈現給每隻眼睛的兩幅影像的頻率進行標記具體為:在每個試次中,這兩種棋盤模式中的對比度以不同的頻率(5.7或8.5Hz)進行切換。在所有試次間,與每一個刺激/眼睛相關的特徵頻率(5.7或8.5Hz)在棋盤格(紅色或綠色)和眼睛(左或右)之間保持平衡。

圖1 實驗範式:雙眼競爭的神經測量

(A) 被試通過鏡面立體鏡觀看兩幅標記頻率的影像,立體鏡將螢幕左右兩側分別反射到被試的左眼和右眼,使每隻眼睛都能看到一幅圖

(B) 30秒競爭試次的數據樣例。

圖S1 SSVEP

練習,(雙眼)競爭和模擬(雙眼)競爭試次

測試階段包括三個階段:練習測試(兩個15秒的測試)、競爭測試(三個30秒的測試)和模擬競爭控制測試(三個30秒的測試)。每項實驗之間都有15秒的休息時間,這一休息時間由螢幕背景的調暗來表示,在此期間,鼓勵被試眨眼。在每個試次開始時,螢幕上都會出現黑色圓圈和十字注視點,被試按「向上鍵」開始刺激。在整個真實競爭和模擬競爭的實驗中,要求被試不斷地通過按下按鈕指出他們知覺到的紅色影像、綠色影像,還是兩種影像的混合。在實驗之前,給予被試全面的任務指導和練習。

在競爭條件下,兩隻眼睛前呈現不同顏色的棋盤,一隻呈現紅色的,另一隻呈現綠色的。在模擬條件下,兩隻眼睛前呈現顏色相同的兩個棋盤(紅色或綠色)。基於實驗室之前認知的持續時間圖片呈現時間平均值為1.9s。這些競爭模擬試次用以衡量刺激轉換上的「ground truth」(特徵頻率本身引起的)神經反映,以確保任何競爭過程中觀察到神經反應的差異不是由每個頻帶上的基準線差異引起的。

EEG 數據獲取和預處理

採用Biosemi ActiveTwo(如果您對此產品感興趣,思影科技為其大陸地區合作夥伴,歡迎諮詢微訊號:siyingyxf)系統從頭皮後部的36個電極採集EEG連續數據,取樣率為512 Hz,低通濾波器0.16 Hz,高通濾波器100 Hz。EEG數據預處理使用MATLAB FieldTrip和Chronux工具箱以及MATLAB程式碼。對原始數據進行59-61Hz的凹陷濾波,並進行2Hz的高通濾波。使用全腦平均進行重參考。在標準的10-20 Oz電極上分析SSVEP數據。

如果您對本文涉及到的眼動及腦電數據處理內容感興趣,請直接點擊下文,感謝轉發與支援:

第六屆眼動數據處理班(南京)

第五屆腦電數據處理入門班

第十七屆腦電數據處理班

第六屆腦電訊號數據處理提高班

量化與統計分析

SSVEP數據分析: SNR(信噪比)計算

為了計算每個標記頻帶(5.7或8.5 Hz)的信噪比(SNRs),對每個30s試次的數據進行快速傅里葉變換(FFT),提取每個被試在每個標記頻帶中的SSVEP響應試次間的平均振幅。在進行FFT之前,預處理的EEG數據對標記頻率([5.78.5])的±2Hz的範圍([3.7 10.5])進行帶通濾波。然後計算每個標記頻帶的信噪比,即該頻帶的功率除以周圍雜訊頻帶(±0.5 Hz)的平均功率。只對在兩種標記頻率上的信噪比都超過閾值(2)的試次進行進一步分析。

SSVEP 數據分析: 提取隨時間變化的響應振幅

SSVEP數據以三種方式進行分析。首先,為了提取每個頻段的響應振幅,30s試次中每個時間點的數據在所需頻率周圍的±0.5 Hz進行帶通濾波,並使用遞歸最小二乘(RLS)濾波器進行分析。每項試次的第一秒被剔除,以排除刺激開始相對應的視覺瞬變的影響。此步驟的目的是,隨著時間的推移跟蹤每個頻段的響應幅度,從而在30s試次中的每個時間點為每個頻段(左眼和右眼)生成一個幅值。

SSVEP數據分析: 反應振幅時間進程和模擬雜訊的反相計算

其次,使用反應振幅的連續測量(RLS跟蹤)來測試左眼和右眼的頻帶是否像競爭中預期的那樣是反相位(相位相反)的。對於每一個競爭試次,通過計算競爭和模擬實驗中兩條RLS軌跡的平均PLV(鎖相值)(其中0度PLV表示完全同相,180度PLV表示完全反相,計算出左右眼頻帶之間的反相關係。使用Rayleigh』s檢驗確定各組PLV分布是否顯著不均勻(集中在180度左右)。

SSVEP數據分析: 神經競爭指數計算

第三,為了量化每個個體競爭變化的特徵頻率,使用反應振幅的連續測量來計算每個被試的神經競爭指數(NRI)。從8.5 Hz的振幅的時間進程中減去5.7 Hz的振幅的時間進程並去平均。隨後,利用multitaper法估計各不同時間過程的功率譜(時間頻寬乘積TW = 2,tapers數K = 3),並在試次中取平均值。為了確定每個試次的不同時間過程的特徵頻率(被試的NRI),計算了這個試次平均功率的歸一化累積分布函數的半最大值。NRIs超過平均數2個標準差的被試被排除(對照組:N = 1;自閉症:N = 1)。

SSVEP數據分析: 互調頻率

前人研究表明,兩隻眼睛發出的訊號之間的相互作用可以產生非線性互調頻率下的能量(m*f1 ± n*f2),也就是被試在競爭中的混合知覺。然而,本研究中的第一個相互調頻段的SSVEP振幅並不能預測混合態的持續時間(對照組:p = 0.689;自閉症:p = 0.213)和知覺抑制的比例(對照組:p = 0.138;自閉症:p = 0.181),有無自閉症個體間差異無統計學意義(均p = 0.550)。因此,研究者沒有對互調頻率進行進一步分析。

支援向量機器分析: 診斷分類

為了確定神經數據是否可以用來對被試的診斷狀態分類(自閉症與對照組),研究者訓練並測試了一個二元支援向量機分類器。每個被試的兩個特徵作為分類器的輸入:(1)個體的NRI (2)Oz電極上記錄的訊號在FFT中標記頻率振幅的不同。在所有分析中,分類器的訓練和測試使用留一交叉驗證的線性核。報告的準確性是交叉驗證的平均值。

如果您對機器學習感興趣,請點擊這裡:

第八屆腦影像機器學習班(南京)

第九屆腦影像機器學習班(重慶)

行為數據分析

被試在每個試次中通過按鍵(每4ms取樣一次)連續報告他們正在進行的知覺狀態。隨後計算了一系列知覺事件,每當一個按鍵結束,另一個按鍵開始時,知覺轉換就被識別出來了。實驗包括兩種類型的轉換:「切換」(例如,紅色到混合色到綠色)和「反轉」(例如,紅色到混合色到紅色)。

在每個實驗中,計算知覺轉換的頻率,以及知覺抑制的比例。計算每個試次觀察完全主導知覺的比例作為知覺抑制比例:(主導知覺持續時間)/(主導知覺持續時間+混合知覺持續時間)。在競爭模擬試次中,通過比較刺激出現在螢幕上的時間和被試相應按鍵的時間來計算反應延遲。排除預期反應(按鍵發生在試次開始前)和試次平均反應時間大於2個SDs的試次。

要求被試在每個試次開始時按向上鍵,直到他們第一次看到主導知覺(紅色或綠色)。分析中剔除「競爭開始」相對應的首次按鍵、持續時間< 400 ms和沒有按下任何鍵的試次。排除競爭知覺持續時間在組平均值2個標準差之外的被試(對照組:N = 2;自閉症:N = 1)。

結果

採用EEG測量37名成年被試(18名自閉症患者和19歲及智商匹配的對照組;表S1)在枕葉皮質上的穩態視覺誘發電位(SSVEPs),觀察真實和模擬條件下的標記頻率的雙眼競爭(圖1A)。在競爭中,對左右眼在影像波動知覺神經元群活動水平的上升和下降進行編碼。首先,通過EEG來識別這種與人類大腦競爭相關的反相神經活動。為了獨立跟蹤競爭期間每隻眼睛對應的神經活動的起落,將呈現給每隻眼睛的兩幅影像的特徵頻率進行標記為(5.67或8.5 Hz),並測量隨著時間的推移,這兩幅影像對應的兩個頻段的活動(圖1A和圖S1)。正如預測的那樣,在競爭試次(圖1B、2A和2B)和對照競爭模擬試次(圖3A和圖3B)中,左眼和右眼的訊號都呈反相波動:一隻眼睛的訊號增加,另一隻眼睛的訊號減少。

圖2 自閉症大腦較慢的雙眼競爭

為了量化左眼和右眼訊號的反相位關係,計算左眼和右眼頻段功率之間的平均鎖相值(PLVs),其中0度PLV表示完全同相訊號,180度PLV表示完全反相訊號(圖2A)。左眼和右眼訊號在競爭試次期間呈顯著反相關係 (0度差:p<0.001;180度差:p >0.170;組間差異:p = 0.50)。競爭PLVs也顯著「尖峰狀」,或非均勻分布在180度左右(p < 0.001)。競爭試次中的PLV與模擬試次中觀察到的PLV相似,在螢幕上以時間交替方式顯示兩個標記頻率的影像,從而測量刺激鎖定的反相反應(對照組,頂部:200.48±19.99STE;自閉症,底部:199.84±13.84 STE;與競爭性PLV的區別:兩者均p>0.153;圖3A)。相比之下,兩組的競爭PLVs和矢量幅值均顯著大於雜訊模擬所得值(均p<0.002),表示在競爭試次中觀察到的顯著的反相現象並非偶然。這些結果表明,在雙眼競爭實驗中,左右眼訊號在枕皮質上有著強有力的競爭的交替。

圖3 對抗模擬控制試次的相似視覺響應

研究者發明了一種量度方法來量化這些神經訊號在競爭交替中的個體差異。簡言之,這個神經競爭指數(NRI)決定了每個被試在競爭過程中左右眼訊號功率交替的特徵頻率。為了驗證NRI指標,將個體的NRI與行為報告的轉化率以及模擬試次中已知的影像變化進行比較。NRI強烈預測了兩組被試的知覺轉換率(對照組:Pearson's R=0.76,P<0.001;自閉症:Pearson's R=0.54,P=0.020;組間差異P=0.27;圖4A),並與競爭模擬試驗期間的對照影像變化率相匹配(對照組:0.43±0.01 HzSTE;自閉症:0.42±0.01 HzSTE;ground truth:0.5Hz)。在對照試次期間,NRIs比對照影像的真實變化率稍慢 (對照: t(18) =-6.97, p < 0.01; 自閉症: t(17) =-10.72, p < 0.01).然而,這一減少在兩組中是相等的(模擬NIRs中的組差異:f(1,35)=0.56;hp2=0.016;p=0.461)。

圖4 神經競爭變化預測行為轉化率、自閉症特徵和自閉症診斷

接下來,研究者比較了自閉症患者和非自閉症患者的神經競爭改變率(使用NRIs測量)。與對照組相比,自閉症患者的神經雙眼競爭變化顯著減慢(對照組:0.40±0.01 Hz;自閉症:0.35±0.01 Hz組間差異:F(1,35) =8.399;hp2 = 0.194;p = 0.006;圖2B和2C)。自閉症患者大腦中這種較低的競爭率直接反映在各組的行為報告轉換率上,重複了他們先前在自閉症患者中較低競爭率的行為結果。這些結果提供了自閉症患者雙眼競爭慢的直接神經指數,無需被試報告。

圖S2 抑制比例(與圖2相關)

自閉症患者雙眼競爭動力學較慢的神經標誌物預測了自閉症癥狀學的臨床指標。大腦中競爭動力較慢的個體表現出更高的自閉症癥狀(ADOS社交分量表;Rho=-0.48,p=0.045;ADOS Total;Rho=-0.44,p=0.064;圖4B),儘管自閉症特徵自評量表(AQ)沒有預測兩組的競爭動力(兩者均p>0.34)。兩組的智商與神經(均p>0.176)或行為轉換率(均p>0.127)之間均無關係,表明這些影響與一般智力(兩組匹配)的個體差異無關(表S1)。這些結果表明,自閉症的這種相對較低水平的知覺標記與臨床測量的自閉症特徵相關,這些特徵定義在更複雜的行為水平上。

關鍵的是,這些結果不能用SSVEP訊號品質的群體差異或一般(非競爭性)誘發視覺反應的持續時間來解釋。

首先,在整個實驗過程中,兩組的訊號值都很高,並且在兩個頻率下都明顯大於雜訊。

第二,在競爭模擬對照試驗中,在螢幕上以時間交替方式顯示雙目視覺影像的情況下,自閉症患者和非自閉症患者之間的神經交替率(NRI)是相似的。最後,由於NRIs比較的是兩個視覺誘發頻段(8.5Hz和5.67Hz)的功率,而不是與按鍵反應相關的頻段(對照組:0.35Hz和自閉症組:0.21Hz),競爭性NRIs中的群體差異不能反映與運動反應相關的神經訊號的群體差異。這些結果表明,在自閉症患者大腦中觀察到的雙眼競爭速度較慢,不能用競爭訊號品質、對非競爭性刺激的誘發視覺反應持續時間或兩組之間的運動反應的差異來解釋。

最後,使用留一交叉驗證程式,以個體的試驗平均NRIs和頻率標記振幅為特徵,能夠以86.5%的準確率對個體的診斷狀態(自閉症與對照組)進行分類(±0.06 STE;靈敏度=0.83;特異度=0.89;p<0.001;圖4C)。因此,自閉症視覺皮層的這種基本改變不僅與社會認知中的高階自閉症癥狀相關,而且還與診斷狀態(自閉症與對照組)的預測有關。值得注意的是,這一準確度水平可以與使用社會行為中的標誌性自閉症特徵的分類分析結果相媲美,例如自閉症幼兒的眼-口凝視偏好(分類準確度=86%)。

總結

總之,這些發現與自閉症的神經生物學密切相關。未來的研究應致力於了解自閉症動物模型中雙眼競爭的這些變化的基礎神經迴路,以及其在自閉症兒童中發展的起始點。

原文:

Spiegel, A., Mentch, J., Haskins, A. J., &Robertson, C. E. (2019). Slower Binocular Rivalry in the Autistic Brain.Current Biology. doi:10.1016/j.cub.2019.07.026