導(dǎo)讀

兒童和成人對目標導(dǎo)向行為的監(jiān)控能力不同，這可以通過幾種任務(wù)和技術(shù)來測量。此外，最近的研究表明，錯誤監(jiān)測的個體差異在調(diào)節(jié)焦慮情緒的傾向方面具有重要作用，而且這種調(diào)節(jié)作用會隨著年齡的增長而變化。本研究使用多模態(tài)方法探究了與行為監(jiān)測相關(guān)神經(jīng)反應(yīng)的年齡差異。該方法將fMRI和ERPs的源定位相結(jié)合，對12歲、15歲和成人參與者進行了研究。與行為表現(xiàn)和錯誤監(jiān)測有關(guān)的兩個成分(N2和ERN)的神經(jīng)發(fā)生源位于fMRI團簇的特定區(qū)域。雖然N2成分的相關(guān)因素在不同年齡組中相似，但ERN成分的產(chǎn)生源則存在年齡相關(guān)差異。12歲組的主要發(fā)生源位于背側(cè)前扣帶回(dACC)；對于15歲和成人組而言，則在該區(qū)域的后部比較明顯?；趂MRI的ROI分析證實了這種活動模式。這些結(jié)果表明，潛在神經(jīng)機制的變化與行為監(jiān)測的發(fā)展性變化相關(guān)。

前言

行為監(jiān)測能力可以通過檢測需要對行為進行額外控制的事件、動作或環(huán)境來影響人類行為。這些技能的個體差異與刺激編碼、反應(yīng)選擇和執(zhí)行、反應(yīng)評估等認知過程有關(guān)。這些技能及其相關(guān)腦功能的發(fā)展時間過程較長，且個體差異可能與某些形式的精神病理發(fā)作有關(guān)。然而，目前很少有多模態(tài)成像研究神經(jīng)發(fā)生源在行為表現(xiàn)和錯誤監(jiān)測方面的年齡差異。通過測量神經(jīng)發(fā)生源來增強對行為的發(fā)展研究是很重要的，這些神經(jīng)源可能是與精神病理相關(guān)的潛在過程的敏感標志物。在生命最初幾年中神經(jīng)成熟所留下的痕跡貫穿整個青少年期。實際上，青少年期出現(xiàn)的復(fù)雜認知能力可以反映這些早期的痕跡。這為新技能的發(fā)展創(chuàng)造了機會，同時也可能帶來精神癥狀的易感性。因此，青少年期可以被定義為敏感期，尤其是高級認知過程的敏感期。對這種高級認知的基礎(chǔ)科學(xué)研究將行為的神經(jīng)發(fā)生源定位于特定的腦區(qū)。先前的研究表明，大腦變化支持健康青少年成熟的適應(yīng)性行為，但是這種變化也可能引發(fā)非典型行為并導(dǎo)致精神障礙的發(fā)展。對錯誤神經(jīng)反應(yīng)的研究可以闡明健康和非典型發(fā)育過程的特征。這是因為先前的研究將錯誤相關(guān)過程的神經(jīng)相關(guān)性與健康發(fā)育、焦慮癥狀風(fēng)險以及暴露于環(huán)境壓力源聯(lián)系起來。這些證據(jù)強調(diào)了在從童年到成年過渡期間加強對錯誤監(jiān)測理解的重要性。

本研究的主要目標是使用事件相關(guān)電位(ERPs)和功能磁共振成像(fMRI)來繪制年齡與錯誤監(jiān)測神經(jīng)發(fā)生源之間的關(guān)系。其次，考慮與ERN潛在關(guān)系的特異性，并擴展其他研究工作。大多數(shù)研究使用單一的成像方式來考察錯誤監(jiān)測的神經(jīng)相關(guān)性。這些研究通常將額葉局部錯誤相關(guān)負波(ERN)ERP成分和背側(cè)前扣帶回(dACC)的fMRI激活作為錯誤標志物。然而，其他腦區(qū)，例如后扣帶回(PCC)，在錯誤監(jiān)測期間是活躍的，并且也顯示了與錯誤相關(guān)的fMRI激活。一些主要來自成人研究的發(fā)現(xiàn)表明，扣帶皮層最有可能是ERN活動的發(fā)生源。這些發(fā)現(xiàn)表明，扣帶皮層的多個區(qū)域參與了錯誤監(jiān)測，特別是dACC和PCC。造成錯誤相關(guān)區(qū)域定位差異的原因有很多，其中技術(shù)、年齡和個體差異起著重要作用。大腦結(jié)構(gòu)特征似乎也與ERN振幅有關(guān)。其中，左后扣帶回的白質(zhì)特性、髓鞘化以及ACC亞區(qū)的灰質(zhì)體積，與成人的ERN反應(yīng)顯著相關(guān)。另一方面，扣帶皮層的皮層厚度與表面積之間的關(guān)系與年輕被試的ERN活動并無顯著關(guān)聯(lián)。有充分的證據(jù)表明，從青春期到成年早期，灰質(zhì)(例如，皮質(zhì)修剪、厚度減少)、白質(zhì)(例如，髓鞘化增加，尤其是在前額葉區(qū)域)和基于擴散的連接(例如，上縱束)都發(fā)生了變化。結(jié)合具有互補優(yōu)勢的多模態(tài)數(shù)據(jù)，可以闡明與支持錯誤監(jiān)測腦區(qū)(包括dACC和PCC)相關(guān)的特定機制。

基于fMRI技術(shù)的神經(jīng)成像研究發(fā)現(xiàn)，在執(zhí)行需要較高沖突解決水平的任務(wù)時，大腦額葉區(qū)域會出現(xiàn)強烈的激活。這些區(qū)域包括dACC和其他扣帶蓋區(qū)、背外側(cè)前額葉皮層(DLPFC)以及其他前額葉區(qū)域。dACC在需要行為監(jiān)控和錯誤檢測的各種任務(wù)中更加活躍。有研究采用事件相關(guān)電位測量考察了行為監(jiān)控和錯誤檢測的機制。N2和ERN是與控制和錯誤監(jiān)測任務(wù)相關(guān)的ERP成分。N2被認為是沖突檢測的神經(jīng)標志物(即，相對于一致的flanker，不一致的flanker顯示出更大的波幅)。它通常在Fz和Cz以及其他額中央EEG通道(例如FCz、PCz)中測量，并包括與不同認知機制相關(guān)的幾個子成分。在N2組中，一些認知過程與N2b成分有關(guān)，包括反應(yīng)抑制、刺激沖突、情緒控制和刺激辨別，而N2c與刺激辨別和反應(yīng)啟動過程更密切相關(guān)。

ERN與行為監(jiān)控、錯誤檢測和校正相關(guān)。將錯誤試次ERN與正確反應(yīng)后的ERP負波(即正確反應(yīng)負波，CRN)之間的數(shù)值差異定義為ΔERN，這是錯誤加工的一種可靠神經(jīng)生理指標。ERN活動還與個體的焦慮和氣質(zhì)因素(例如行為抑制)有關(guān)，因此探究錯誤監(jiān)測的神經(jīng)發(fā)生源對于了解形成社交焦慮的風(fēng)險很重要。

當前的多模態(tài)研究從兩個方面擴展了本研究之前的工作。首先，本研究將先前一種成像模式的數(shù)據(jù)進行了擴展，以檢查從青春期早期到成年早期的錯誤監(jiān)測和行為監(jiān)控的時空動態(tài)差異。更重要的是，本研究增加了一個更大的樣本，包括研究個體的縱向數(shù)據(jù)，同時進行多模態(tài)分析，比較了從青春期到成年期的大腦功能。這一時期是許多神經(jīng)發(fā)育和精神障礙發(fā)作的易感期。目前的數(shù)據(jù)表明，與風(fēng)險相關(guān)發(fā)育過程的神經(jīng)測量相比，行為測量的敏感性較低。識別與錯誤監(jiān)測相關(guān)神經(jīng)回路的年齡差異將加深我們對典型認知神經(jīng)發(fā)育的認識，并為非典型發(fā)育模式的研究提供相應(yīng)信息。特別是，ERN被認為是整個發(fā)育過程中焦慮風(fēng)險增加的預(yù)測因子。因此，對大腦功能反應(yīng)的研究能夠改進行為監(jiān)測模型，并為未來旨在表征精神病理學(xué)和錯誤監(jiān)測系統(tǒng)之間關(guān)系的研究提供信息。

當參與者執(zhí)行flanker任務(wù)時，依次記錄電生理反應(yīng)和血流動力學(xué)活動。使用參與者結(jié)構(gòu)MRI的個性化頭部模型獲得的分布式源定位，允許我們能夠解釋頭皮ERP反應(yīng)神經(jīng)源重建中的個體解剖差異。使用不同的神經(jīng)成像方式將有助于了解參與復(fù)雜認知過程(例如行為和錯誤監(jiān)測)的腦區(qū)功能簇的激活，并闡明特定功能反應(yīng)展開的時間。此外，通過評估EEG源和fMRI腦激活團簇之間的關(guān)系，將能夠確定來自互補技術(shù)反應(yīng)源的共性。本研究預(yù)測N2和ERN活動分別受到?jīng)_突和錯誤加工的調(diào)節(jié)。fMRI的激活將擴展到多個皮層區(qū)域，只有一小部分區(qū)域與頭皮活動的發(fā)生源(即ERN)重疊。這種多模態(tài)成像方法檢查了錯誤監(jiān)測過程中神經(jīng)活動的地形分布和持續(xù)時間隨年齡變化的程度。

方法

參與者

本研究共納入157名被試，年齡范圍為9.58~43.59歲，其中129名被試提供了可用的EEG和fMRI數(shù)據(jù)。根據(jù)被試的健康狀況、IQ＞70，以及一份MRI-safety篩查表進行初步篩選。參與者被分為三個年齡組進行分析：12歲、15歲和成人。所有組均使用適合年齡的平均MRI模板。每名被試都接受了EEG和fMRI檢查。EEG檢查的年齡范圍為9.86~13.93歲(N=57，M=12.69，SD=0.799，21名女性)、13.83~17.47歲(N=69，M=15.76，SD=0.775，31名女性)和17.19~43.59歲(N=31，M=26.29，SD=7.335，11名女性)。各組接受fMRI檢查的年齡分別為9.58~14.78(M=12.76，SD=0.953)、14.08~17.17(M=16.27，SD=0.941)和17.17~43.42(M=26.28，SD=7.313)。共129名被試完成了fMRI和EEG檢查：12歲組(n=52，M=12.66，SD=0.805，21名女性，亞裔2名，黑人15名，西班牙語裔4名，白人31名)；15歲組(n=51，M=15.71，SD=0.832，21名女性，亞裔5名，黑人9名，西班牙語裔6名，白人31名)；成人組(n=26，M=7.33，SD=7.332，11名女性，亞裔8名，黑人4名，白人14名)。

實驗任務(wù)、儀器和刺激

參與者分別在EEG和fMRI中完成一項改良版的flanker任務(wù)。Flanker任務(wù)要求參與者從一組箭頭中判斷中央箭頭的方向，中央箭頭與側(cè)翼箭頭的指向可能相同(一致試次)或相反(不一致試次)。這些刺激在深灰色背景下用白色顯示。在進行正式實驗任務(wù)之前，參與者先完成了16個練習(xí)試次并進行反饋。EEG實驗由10個block組成，每個block有32個試次(N=320)。fMRI實驗包括4個6分鐘的run。每個run包含108個試次(N=432)。共有139名參與者完成了所有4個run，2名參與者完成3個run。在fMRI中，試次包括300-600ms的十字注視點，200ms的flanker刺激，然后是1700ms的空屏。EEG信號處理后的平均良好試次數(shù)為312(SD=75.26)，fMRI的良好試次數(shù)為421(SD=26.8)。共有129名參與者同時擁有EEG和fMRI可用數(shù)據(jù)，并被納入最終分析。

腦電信號采集和預(yù)處理

使用128導(dǎo)HydroCel?Geodesic Sensor Net(HGSN)系統(tǒng)和EGI軟件(Electrical Geodesic，Inc.)采集EEG數(shù)據(jù)；使用EEGLAB工具箱、ERPLAB和自定義MATLAB腳本(The MathWorks)進行EEG分析。采樣率為250Hz，電極阻抗保持在50kΩ以下。所有EEG數(shù)據(jù)都采用MADE管道(v1.0)進行預(yù)處理。MADE管道在MATLAB(The MathWorks)中實現(xiàn)，使用該管道的所有默認選項，并使用了工具箱EEGLAB及其插件“firfilt”、FASTER、ADJUST和Adjusted-ADJUST。離線分析時，將數(shù)據(jù)重參考為平均參考，并使用漢明窗數(shù)字FIR濾波器進行濾波。數(shù)據(jù)在0.3Hz下進行高通濾波，半振幅(?6dB)截止頻率為0.15Hz。數(shù)據(jù)在50Hz下進行低通濾波，半振幅截止頻率為55Hz。FASTER用于識別全局不良通道。此外，當電壓超過±125μV時，則在每個epoch上進行標記，并且非眼電通道超過該閾值10%的epoch將被標記為壞通道；否則，通過球面樣條插值對壞通道進行插值處理。采用ICA與自動識別ICA成分的Adjusted-ADJUST算法進行眼動偽跡檢測和去除。數(shù)據(jù)根據(jù)刺激鎖時(相對于刺激開始的-100到500ms)和反應(yīng)鎖時(相對于反應(yīng)開始的-100到500ms)進行分段。EEG時段被分為一致試次、不一致試次、不一致正確試次和不一致錯誤試次。使用鎖定開始時間之前的50ms對刺激和反應(yīng)鎖時的ERPs進行基線校正。這個窗口允許我們執(zhí)行基線校正，而不包括前一個ERP成分的峰值。

使用Polhemus Fastrak對14個解剖和電極基準點的三維坐標進行數(shù)字化處理。通過將EEG的數(shù)字化頭皮基準點和數(shù)字化電極基準位置與結(jié)構(gòu)MRI上的相應(yīng)位置共配準來計算T1加權(quán)MRI上的電極位置。利用頭皮基準點、電極基準點和適齡平均模板上的電極位置來估計HGSN 128的位置。

磁共振成像采集

使用3T MR750 GE掃描儀和32通道頭部線圈采集T1加權(quán)和T2加權(quán)結(jié)構(gòu)MRI圖像。T1加權(quán)掃描采用磁化制備的快速采集梯度回波序列(MPRAGE；矢狀面采集；TI/TE=425/min；翻轉(zhuǎn)角=7°；FOV=25.6；矩陣256×256；層厚=1mm；帶寬=25Hz)。T2加權(quán)掃描采用快速弛豫快速自旋回波序列(FRFSE-XL；矢狀面采集；TR/TE=15000/80ms；FOV=25.6；矩陣256×256；層厚=1mm；帶寬=31.25Hz)。將DICOMM文件編譯成NIFTI-GZ文件。使用FSL-flirt將T1加權(quán)MRI體積配準到適齡的平均模板上。

使用3T GE掃描儀和32通道頭部線圈在被試執(zhí)行flanker任務(wù)期間采集功能性MRI圖像。每組功能成像包括170個全腦(42張分辨率為2.5×2.5mm的3mm軸向切片)T2加權(quán)回波平面圖像(TR=2000ms，TE=25，翻轉(zhuǎn)角=60°，F(xiàn)OV=24，矩陣96×96)。利用FSL的MCFLIRT進行運動校正，得到運動校正后的BOLD平均體積，并使用FSL-flirt與T2加權(quán)MRI體積進行配準。

ERP和源分析

對腦電數(shù)據(jù)進行事件相關(guān)電位(ERP)分析，采用皮層源分析方法識別ERP的皮層發(fā)生源。本研究報告了N2和ERN ERPs的分析和結(jié)果。表1列出了每個ERP成分的詳細信息，包括用于定義每個ERP的時間窗、極性和感興趣的通道。ΔERN表示從不一致錯誤試次的ERN中減去不一致正確試次的反應(yīng)相關(guān)活動。

采用皮層源分析來確定ERP各成分的皮層發(fā)生源。該分析需要以下幾個處理步驟：(1)采用T1加權(quán)和T2加權(quán)將頭部分割成具有不同電導(dǎo)率值的成分介質(zhì)，包括頭皮0.35?S/m、顱骨0.0132 S/m、CSF 1.79 S/m、WM 0.2 S/m、GM 0.33 S/m、硬腦膜0.33 S/m、肌肉0.35 S/m、眼睛0.5 S/m和鼻腔0.0048 S/m。值得注意的是，除眼睛和鼻腔是手動分割外，所有介質(zhì)均使用FSL工具進行分割。(2)使用Fieldtrip和Iso2Mesh程序計算電流如何通過頭部的容積傳導(dǎo)模型，并將其表示為具有每個四面體電導(dǎo)率的四面體網(wǎng)格。(3)用四面體網(wǎng)格創(chuàng)建一個由GM和眼睛介質(zhì)組成的源模型。(4)通過將EEG的數(shù)字化基準點和電極位置與頭皮MRI上的相應(yīng)位置共配準來識別T1加權(quán)MRI上電極的位置。(5)使用Fieldtrip計算引導(dǎo)場矩陣，該矩陣包括與源模型中體素位置相關(guān)的128個電極導(dǎo)聯(lián)矩陣，用于從導(dǎo)聯(lián)通過頭部模型介質(zhì)電導(dǎo)率到源模型體素位置的電流生成。(6)對于每個被試，計算精確低分辨率電磁層析成像(eLORETA)方法創(chuàng)建的逆空間濾波器，該濾波器可以與選定的ERP數(shù)據(jù)相乘以重建皮層中的電流密度(即電流密度重建(CDR)值)。該步驟的特點是強調(diào)當前生成的真實模型，使用每個參與者的個性化頭部和源模型、有限元法(FEM)方法進行正向解，采用分布式源模型方法以生成整個皮層的CDR分布。

當前源重建的結(jié)果是針對每個實驗條件(一致、不一致、不一致正確、不一致錯誤)以ERPLab格式對源模型中每個體素的CDR進行逐個樣本估計。這些數(shù)據(jù)可以通過計算ROI上每個樣本和條件的均值來進一步合并。利用相關(guān)ERP成分的峰值潛伏期，使用二次多項式濾波器將CDR與峰值ERP成分進行卷積，并將結(jié)果值作為變量進行分析。對于ERN源，分別計算不一致正確和不一致錯誤試次在ΔERN成分潛伏期下的源，用錯誤減去正確的不一致源(ΔCDR)表示。對于N2源，分別計算正確一致和正確不一致試次在N2成分潛伏期下的源，并用兩種試次類型的源之和表示。通常在N2階段，高沖突條件下的反應(yīng)要從低沖突條件下減去。然而，在本研究的數(shù)據(jù)中，這種ERP差異很小(~0.4μV)，所以由此產(chǎn)生的源差異也很小(＜0.4μA/mm3)。因此，本研究選擇將一致和不一致的N2相加，以說明N2的位置。每個樣本的ΔCDR值也可以從ERPLab格式轉(zhuǎn)換為3D MRI體積。二次因變量可以分配到3D MRI體積中的每個體素。采用適齡的T1加權(quán)模板配準，將個體的3D文件合并為單個3D體積。

Neurosynth ROIsROI是根據(jù)Neurosynth元分析網(wǎng)站(https://neurosynth.org/)定義的。Neurosynth網(wǎng)站以“error”作為搜索詞來構(gòu)建具有錯誤＞正確對比度的MRI體積。使用FSL工具檢測到的三個最大團簇分別位于dACC、左島葉和右島葉。本研究也放寬了搜索，將T值設(shè)置為5，最小范圍值設(shè)置為70，并發(fā)現(xiàn)了另外三個團簇：PCC、左上頂葉和右頂葉。圖1顯示了從Neurosynth元分析的聚類分析中發(fā)現(xiàn)的ROIs(20-24歲模板)。將每個平均模板配準到MNI標準空間(12、15和20-24歲)，將6個Neurosynth ROIs轉(zhuǎn)換為平均模板空間。將來自平均模板空間的Neurosynth ROIs轉(zhuǎn)換到每個T1空間。

fMRI分析和基于fMRI約束的ROIs

使用Gao等人(2019)描述的類似方法分析fMRI中的BOLD反應(yīng)。采用FSL(FMRIB軟件庫，v5.0，www.fmrib.ox.ac.uk.fsl)和SPM12(http://www.fil.ion.ucl.ac.uk/spm)進行fMRI預(yù)處理。該過程包括使用FSL的MCFLIRT進行頭動檢測，使用FSL的fslmaths進行空間平滑，使用SPM12進行一般線性模型(GLM)分析，對HRF執(zhí)行時間導(dǎo)數(shù)，回歸量包括每個試次的起始點(0ms持續(xù)時間)，分類為一致正確，不一致正確和不一致錯誤。本研究沒有納入一致錯誤試次，因為許多被試的一致錯誤試次太少了，而且本研究沒有一致錯誤試次的對比假設(shè)。對每名被試的四次runs的BOLD?fMRI活動分別進行預(yù)處理。將每個參與者和run的不一致錯誤大于不一致正確的對比度值連接到單個4D MRI體積中，并在PALM中作為單因素分析進行評估。將BOLD fMRI體積與FSL flirt的T2加權(quán)MRI體積進行配準，以便在與CDR結(jié)果相同的空間內(nèi)比較fMRI結(jié)果。

結(jié)果

刺激鎖定和反應(yīng)鎖定的ERP本研究分析了N2刺激鎖定ERP與三個年齡段(12歲，15歲和成人)的一致和不一致條件的關(guān)系。采用年齡×試次類型×電極混合模型，分析了額中線通道(AFz、Fz、FCz、Cz和CPz)的N2峰值。結(jié)果發(fā)現(xiàn)，試次類型的主效應(yīng)顯著(p=.0090)，一致(M=-1.73)與不一致(M=-2.10)試次之間的差異較小，但年齡差異不顯著。電極的主效應(yīng)顯著，但試次類型、年齡和電極之間無顯著交互作用。圖2顯示了FCz電極在三個年齡段的一致正確、不一致正確和不一致錯誤試次的ERP。在錯誤試次中，ERN發(fā)生在N2峰值之后，似乎延遲了P3的出現(xiàn)。錯誤試次的Pe發(fā)生在正確試次的P3峰值之后。

對不一致正確和不一致錯誤試次的反應(yīng)鎖定ERP進行分析。采用年齡×電極混合模型，利用不一致正確和不一致錯誤試次的差值，分析額中線電極(AFz、Fz、FCz、Cz、CPz)ERN峰值與年齡的關(guān)系。研究結(jié)果發(fā)現(xiàn)，年齡(p=.03564)和電極(p＜.0001)的主效應(yīng)顯著，年齡與電極的交互作用顯著(p＜.0001)。電極主效應(yīng)反映了電極間的整體ERN水平。電極與年齡的交互作用反映了電極上不同的年齡效應(yīng)。大多數(shù)前部電極(AFz、Fz、FCz)的年齡效應(yīng)不顯著，但Cz(12歲＜15歲= 20歲)和CPz(12歲＜15歲＜20歲)的年齡效應(yīng)顯著。圖3a顯示了三個年齡段的不一致正確和不一致錯誤試次的反應(yīng)鎖定ERPs，可以看到FCz和CPz電極點上的正確和錯誤試次存在顯著差異。圖3b顯示了AFz到Pz中線通道的ERP差異(ΔERN)，圖4顯示了三個年齡組ΔERN峰值的頭皮地形圖。

從圖中可以看到，ΔERN的空間分布存在年齡差異(圖4底部)。12歲兒童的前額葉反應(yīng)最大，并在FCz處達到峰值。15歲組的ΔERN最大值延伸至CPz電極，而成人組的ΔERN最大值延伸至Pz電極。Cz(12＜15=成人)和CPz(12＜15＜成人)電極存在顯著的年齡效應(yīng)，其余電極的年齡效應(yīng)不顯著。

電流源分析對ΔERN反應(yīng)鎖定ERP進行電流密度重建(CDR)，分析其與Neurosynth感興趣區(qū)和年齡的關(guān)系，重點分析錯誤監(jiān)測ERP。對所有量化的ERP成分進行了源分析，其結(jié)果如圖5所示。與各成分的潛伏期相對應(yīng)，主要活動由后皮層向前皮層區(qū)域轉(zhuǎn)移。在所有三個年齡段中，刺激鎖定的N2源位于dACC中。相比之下，反應(yīng)鎖定ΔERN潛伏期的源活動ΔCDR在12歲時從dACC區(qū)域轉(zhuǎn)移到15歲時的中扣帶區(qū)，以及成人的PCC和上頂葉。在源空間內(nèi)，這種與年齡相關(guān)的ΔCDR前后變化反映了ΔERN地形圖隨年齡增長發(fā)生的變化。

fMRI BOLD分析圖6顯示了PALM置換效應(yīng)與0顯著不同的T值，以及該FWEP的Gauss-gamma中位數(shù)。所有三個年齡段的dACC中都有較大的激活，PCC附近有較小的顯著活動區(qū)域。圖6還顯示了靠近dACC中心的冠狀切片。15歲組和成人組的左右腦島的BOLD活動顯著，12歲組右側(cè)腦島的BOLD活動顯著。

fMRI條件下的ERN源活動本研究分析了ΔCDR與fMRI激活之間的關(guān)系。圖7顯示了三個年齡組ΔCDR的3D渲染以及PALM分析中相應(yīng)的fMRIT值。N2源在各年齡段的dACC區(qū)均有明顯的優(yōu)勢活動，相應(yīng)的fMRI BOLD反應(yīng)也在該區(qū)域比較明顯。在12歲年齡組中，ΔCDR活動與fMRI BOLD反應(yīng)發(fā)生在相同的位置。然而，隨著年齡的增長，ΔCDR的位置逐漸后移。三個年齡組的ERN源均由前向后移位，且移位程度與N2源位置的穩(wěn)定性相關(guān)。

結(jié)論

總體而言，本研究結(jié)果支持ERN振幅及其神經(jīng)發(fā)生源的年齡相關(guān)差異，隨著年齡的增長，ERN振幅覆蓋了更多的后部區(qū)域。這種差異在fMRI約束源分析中得到了證實。值得注意的是，年齡和ROI之間的相互作用并不顯著。本研究中使用的多模態(tài)方法使我們能夠確定不同采集技術(shù)的反應(yīng)源的共性。本研究確定了fMRI激活中與EEG反應(yīng)的神經(jīng)發(fā)生源相關(guān)的特定區(qū)域。對于成年人來說，這些源發(fā)生在更靠后的腦區(qū)，而對于年輕參與者來說，則發(fā)生在更靠前的腦區(qū)。

原文：Multimodal study of the neural sources of error monitoring in adolescents and adults.

DOI: 10.1111/psyp.14336

小伙伴們關(guān)注茗創(chuàng)科技，將第一時間收到精彩內(nèi)容推送哦～