神经电影学：用电影同步大脑

    电影就是要抓住观众的思想。导演们都希望自己的电影可以让观众能够沉浸其中，吸引观众的注意，诱发观众达到想要的思想状态和情绪体验。制片过程中可以用很多手段来诱导观众的思维，比如用蒙太奇或联戏剪辑的手段。但用电影来操控观众思维的愿望却一直没有办法来直接验证。而目前渐渐兴起的神经电影学 (neurocinematics)，使得用神经活动来评价电影成为可能。

    Hasson 在2004年在Science上发表的文章验证了用功能磁共振 (fmri)评价电影的可能性。他们的思路很简单却很巧妙，如果电影可以引起观众神经活动的起伏响应，哪么不同观众在看相同电影时的神经响应应该是相似的。因此，他们让被试躺在MRI机器中观看电影片段，而后采用了他们采用了试间相关 (ISC)的方法计算不同观众相同大脑区域神经活动的同步性。在没有在看电影时，不同观众的大脑活动显然都是无关的。但如果这些观众在看同一部电影，由电影诱发的神经活动就会显示出相似的模式。相应大脑区域的ISC值就会很高。如下图所示，大脑的视觉加工皮层，听觉加工皮层以及颞叶和顶叶等区域都会显示出很高的同步性。但负责高级认知加工的额叶皮层却很少同步。

    上图所示的激活区域是合理的。在看电影时，视觉与听觉加工都会随着电影的进程而紧密响应，因此会同步。而一些负责特异性加工的专门区域，也会产生同步。比如颞叶和枕叶中负责面孔加工的梭状回面孔区 (FFA)会在电影中出现面孔时激活，而负责场景加工的海马旁回 (PPA)会在电影中出现场景时激活，而当电影中的角色使用工具时 (比如用手点烟或者开枪)，顶叶皮层将会同步激活。但是，每个人看电影都会有自己的理解，因此负责高级认知加工的的额叶皮层几乎没有同步活动。

    不同观众神经活动的同步性可以被称为群体卷入性 (collective engagement)。考察不通电影引起的同步活动的区域的大小，可以在一定程度上反映电影对观众控制程度的大小。比如上图4部电影拍南端的比较结果，现希区柯克的《断魂枪声》片段引起了65%大脑区域的同步激活，莱翁的《黄金三镖客》片段引起了45%大脑区域的同步激活，而拉里・戴维的《抑制热情》片段只引起了18%的大脑区域的同步激活，最后是一段在纽约华盛顿广场公园拍摄的自然场景视频，只引起了5%的大脑区域的同步激活。

    同步性的高低在一定程度上反应艺术控制的成功性，可以用来评价不同剪辑的效果好坏。如果进一步在精细的时间维度上考察每个镜头引起的同步性的好坏，甚至可以对电影剪辑起到很大的指导作用。当然，同步性低的电影也未必不是好片，不同的导演会有不同的表达方式。不过像神经电影学这样客观而“科学”的方法，一定会起到越来越重要的作用。据说好莱坞已经在用神经电影学的方法制造电影了。

    PS: 在北京实验室时，LH 老师 Hasson 的评价很高。他是犹太人，博士毕业于以色列著名的Weizmann Institute of Science，目前在 Princeton 做助理教授。今年8月在北京举行的第7届国际认知科学大会上 (ICCS 2010)将举行神经电影学之夜，感兴趣的可以去围观。

Hasson, U. (2004). Intersubject Synchronization of Cortical Activity During Natural Vision Science, 303 (5664), 1634-1640 DOI: 10.1126/science.1089506

Hasson, U., Landesman, O., Knappmeyer, B., Vallines, I., Rubin, N., & Heeger, D. (2008). Neurocinematics: The Neuroscience of Film Projections, 2 (1), 1-26 DOI: 10.3167/proj.2008.020102

复习考试可以改变大脑结构

    高考刚过，现在又是广大大中小学生期末考试的时候了。考试是一件很痛苦的事，特别是在中国，人们总是把脑力劳动变成体力劳动。所谓体力劳动，就是重复的、机械的记忆大量无意义的内容。而我最近无意发现一篇论文，高强度的准备考试，竟然会改变学生的大脑结构。

    这是一组德国科学家在2006年做的研究。研究设计很简单，就是拉来准备德国医学考试的学生分别在考前3个月、考试后1-2天以及考试后3个月进行大脑磁共振扫描。研究者扫描的并不是反映脑功能的BOLD图像，而只是反映大脑结构的T1像。对于MRI图像，研究者可以把每个被试的图像分割成灰质、白质和脑脊液，然后用形态学分析方法计算大脑中每个位置的灰质密度。这样研究者就可以比较这组被试在不同考试阶段的脑结构的变化。

    下图左显示了被试在考试后灰质体积显著大于考试前的区域，主要分布在后部和外侧顶叶皮层。如右图所示，这些区域的灰质体积在3个月的复习后会显著增加，而在另外三个月没有复习的阶段灰质体积保持不变。这一结果有一点出乎意料，因为研究者的假设是高强度学习会改变与记忆有关的海马。不过也有证据表明后部顶叶皮层也与陈述性记忆有关。

    三个月的复习就会改变大脑结构，这还是挺让人惊讶的。不知道这种结构的改变是否有极限。我想要研究这个问题，中国的高中生应该是最好的样本了。高中生的整个高中阶段就是为一个一个的期末考试以及最后的高考准备。那么高中生的大脑结构会在每次考试后达到顶点然后下降波动，还是会像登台阶一样一直上升，还是在某一时刻就达到了平台？不管做出什么样的结果，都还是蛮有趣的。

    最后还有一个想法，就是应该研究一下读了PhD (博士)后大脑结构的变化。我猜测肯定能做出结果，这样就可以为永久性脑损伤 (Permanent Head Damage)假说提供证据支持了 :)

Draganski, B., Gaser, C., Kempermann, G., Kuhn, H.G., Georg, H., Winkler, J., Büchel, C., & May, A (2006). Temporal and Spatial Dynamics of Brain Structure Changes during Extensive Learning Journal of Neuroscience, 26 (23), 6314-6317 DOI: 10.1523/JNEUROSCI.4628-05.2006

同步大脑

    我们理解别人的行动与情绪，依赖于所谓镜像神经元 (wiki)。镜像神经元最早在猴子的电生理研究中被发现，即这一组神经元既在猴子完成某一动作时发放，也在观察别人完成同一动作时发放。当前的理论认为镜像神经元会对他人执行的动作产生共振，从而帮助理解对方的行为。由于技术限制，共振理论一直只是推测，不过最近PNAS上的一篇文章巧妙的记录了执行动作与理解动作的两个大脑，并找到了支持共振理论的证据。

    研究者让12对情侣在MRI机器中完成猜词游戏。就是一方通过手部动作描述一个动作或物体，比如骑车、电话，另一方猜出是什么词。因为MRI机器的局限，两个人不能同时扫描。所以一个人先到机器里做7个词语的动作，被录像。随后另一个人进入机器中看录像猜词语，然后再做7个动作给对方猜。如此反复。虽然执行动作和猜动作不是同时进行，但可以根据录像的时间将两个人的神经信号放在一起进行分析，以检验是否大脑中存在同步。

    研究者使用Granger causality来研究执行动作和和猜动作者大脑活动的相互关系。与预期相同，结果发现执行动作的大脑中的镜像神经元区域的神经活动可以引起猜词者大脑中镜像神经元区域的共振，而相反则没有。这一结果第一次在两个大脑之间发现了共振的关系。

    不过这边文章选择情侣作为被试，似乎混淆了很多因素，比如两人对某一共同事件的回忆或者卷入了情感信息。这限制了研究的可推广性。如果选择两个完全不相关的人完成同样的任务，可能会使结果的解释更纯粹一些。不管怎样，这篇文章告诉我们，所谓心灵相通，就是大脑的同步。:)

Schippers, M., Roebroeck, A., Renken, R., Nanetti, L., & Keysers, C. (2010). Mapping the information flow from one brain to another during gestural communication Proceedings of the National Academy of Sciences DOI: 10.1073/pnas.1001791107

Benford定律

    今天李淼老师在他的博客上介绍了Benford定律。所谓Benford定律就是指从以1开头的数字到以9开头的数字，数字出现的频率以指数的衰减的规律。我一开始没太注意，但阿饭很激动。我本来不太相信，正好写论文写的无聊，就用Google验证了一下。我分别搜索了11, 21, 31, ..., 91这九个数字，以Google返回的结果数作为指标。下面是结果：

    下面是归一化的结果，11的出现频率占了整个结果的33.2%, 而91只占了2.7%。我没有做函数拟合，但看起来还是符合指数衰减的。这个结果实际上已经可以回答阿饭的问题了，因为Google搜索结果可以作为词频的估计 (详见这里)，而词频可以影响人的加工速度已经是很确定的结论了。

    当然，作为一个严谨的blogger，我还做了对照。下面是用Google搜索11, 12, 13, ..., 19 这九个数字的结果。这次并没有出现指数衰减，9个数字的频率差不多。这是为什么，其实我也没太搞清楚...

刮风导致股市下跌

    股市会受到天气的影响？听起来荒诞，但其实挺靠谱的。这里首先要搞明白两个关系。第一是股市不仅受客观经济规律的影响，而且还会受到心理作用的影响。人们投资并不会完全理性的将自己的利益最大化，而常常会受到非理性因素的影响，其中情绪是很重要的一方面。第二是人们的情绪会显著受到天气的影响，晴天会高兴，雨天会抑郁，刮风会烦躁。将这两点关联起来，就可以推测天气也许会影响股市的走势。


    Improbable Research介绍了台湾学者的一个研究，证实了刮风会影响股市的收益。作者研究了欧洲18个国家1994年到2004年的股市走势与天气的影响。作者发现了风速与股市回报的显著负相关，即风越大则股市表现越差。而晴天对股市却没有什么影响，这说明风对人们心情的影响比阳光要大。不管怎样，这个研究告诉广大股民们，不要看股评了，看天气预报也许更靠谱。

Shu, H., & Hung, M. (2009). Effect of wind on stock market returns: evidence from European markets Applied Financial Economics, 19 (11), 893-904 DOI: 10.1080/09603100802243766

DCM笔记

之前提到Ten simple rules for dynamic causal modeling这篇文章，最近因为要处理数据所以仔细看了一下。文章提到了很具体的操作建议，而且对一些常见疑问进行了回答。下面是我的笔记。

1 DCM的因果关系不只来源于观测信号的先后关系，还和模型的设置有关系 (主要是外部输入信号)。
2 使用DCM模型主要是为了做两类推测。推测模型空间vs.推测具体的模型参数。
3 DCM没有给出模型与数据的拟合性指标。即使整体拟合程度不好，仍然可以比较哪一个模型更好一些。
4 即使目的是估计一两个具体的模型参数，第一步仍然要做模型选择bayesian model selection。
5 DCM模型最适合估计连通性受实验操纵的改变 (modulatory effect)。
6 连接强度的改变可能源于膜兴奋性改变 (membrane exitability)或突触可塑性的改变。
7 所有的模型都是错的，但是有些是有用的“Essentially, all models are wrong, but some are useful.”-Box
8 要系统的定义模型空间。
9 模型选择的组分析。FFX假设每个被试的最佳模型是相同的；RFT每个被试的模型可能是不同的。
10 不同数据的模型不能用BMS比较。因此对于fMRI来说，区域数量不同的模型是不能比较的，因为观测数据就是区域的时间序列。但对于EEG/MEG，可以通过对比找到最合适的源。
11 对具体参数进行组分析需要注意多重比较校正。
12 优化fMRI实验的策略同样适用于DCM。但DCM最适用于参数设计，最好可以区分driving effect和modulatory effect。
13 扫描不同层信号的采集时间不同，但1s范围内的时间差别是可以忍受的。因此，TA最好限制在2s以内，并且用中间层作为分析的参照。基于上面的原因，最好采用升序或降序采集，而不是interleaved采集。
14 DTI纤维束可以作为DCM模型中连接的先验知识。解剖连接的发育会限制effective connectivity，但并不是完全决定effective connectivity。
15 计算模型的参数也可以用来建模DCM，比如prediction error。

&rftStephan, K., Penny, W., Moran, R., den Ouden, H., Daunizeau, J., & Friston, K. (2010). Ten simple rules for dynamic causal modeling NeuroImage, 49 (4), 3099-3109 DOI: 10.1016/j.neuroimage.2009.11.015

静中之动

绘画是二维平面的艺术，如何在二维平面中表现出超出二维的信息 (如立体感)，是绘画创作中的一个挑战性的问题 (纯外行，有错请拍砖)。除了空间感，另一个重要的维度就是时间。因此如何在绘画中表现动态感，也是一个很有意思的问题。我对绘画艺术不在行，但是还是看到过一些让我印象深刻的作品，比如法国画家杜尚的《下楼梯的裸女》 (右图)。这幅画用错乱的线条，将每一帧下楼梯的动作定格在画面上，从而展现出整个下楼梯的动态过程。不过说实话，我一直觉得创作这样作品的艺术家可能有某类精神疾病，比如李献计的差时症？

在东方绘画中有一种截然不同的表达方法，比如日本画家葛饰北斋 (Katsushika Hokusai)的一组北斋漫画 (Hokusai Manga)。北斋漫画是包含3000多幅木版画的漫画集，内容覆盖很多方面。其中一些人物图像以一种不稳定的姿势表现，如下图左侧的人物。画者通过这种极其不稳定的、挑战地心引力姿势来创造强烈的运动感觉。

人脑看到这样的图片会有什么反应呢？最近，日本京都大学的研究者研究了人们在观看北斋漫画时的大脑活动。被试躺在磁共振机器 (MRI)里观看不同类型的漫画图片，同时进行fMRI扫描。漫画分三种类型：第一类是处于不稳定姿势的人物图片，第二类是静止的人物图片，最后一类是静止的物体。通过对比在观看这三类图片大脑活动的差异，研究者发现，被试在观看带有运动信息的图片时会显著激活与运动加工相关的MT区。

这个结果其实并不奇怪，因为早就有研究发现蕴含运动信息的照片会激活MT区。不过对于人为创作的绘画作品来说，如何表现运动信息，表现的程度如何，也许可以通过脑成像的方法来验证。也许这门学科可以称之为艺术认知神经科学吧:)

Osaka, N., Matsuyoshi, D., Ikeda, T., & Osaka, M. (2010). Implied motion because of instability in Hokusai Manga activates the human motion-sensitive extrastriate visual cortex: an fMRI study of the impact of visual art NeuroReport, 21 (4), 264-267 DOI: 10.1097/WNR.0b013e328335b371

人脑中的网格细胞

网格细胞 (grid cell)的发现，为我们理解大脑中如何表征空间位置提供了很直接的证据。2005年，一组挪威科学家在Nature上最先报道了大鼠脑中网格细胞的存在。研究者让大鼠在1平米左右的空间内自由活动，同时记录大鼠内嗅皮层 (entorhinal cortex)内神经元的发放模式。其中有一类很有意思，当大鼠走到环境中特定位置时神经元会激活，而且引起神经元发放的位置在空间中呈规则的形状排列。如下图所示，黑色或红色的线代表老鼠运动的轨迹，红色线表示网格细胞激活的位置。在整个空间中，网格细胞发放的点成规则的等边三角形排列，使整个空间成六边形蜂窝状。这个发现第一次揭示了老鼠大脑中对外部环境空间的表征方式。

图片来自 这里

那么人类脑中是否存在网格细胞呢？对于人来说研究网格细胞有两个困难。第一，无法对人进行单细胞记录，要记录活体人类的大脑神经活动，目前最好的办法只能是fMRI。但以fMRI的分辨率只能记录成千上万神经元的集合。第二，MRI扫描需要被试躺在机器里保持静止，被试根本无法在空间自由走动。

图片来自 这里

不过最近英国伦敦大学学院 (UCL)的一组科学家巧妙的用fMRI发现了支持人类存在网格细胞的证据。首先研究者采用虚拟现实技术，给被试呈现如上图一样的场景。被试可以操作键盘在场景中走来走去，同时完成一些任务。因为fMRI只能记录神经元群的活动，因此研究者先研究了大鼠脑中网格细胞神经元群的活动特性。因为不同网格细胞对环境中的不同位置起反应，从而可以对整个环境的不同位置进行编码，因此记录一群细胞是无法区分单个细胞所编码的网格位置。但是，对于同一只老鼠的不同网格细胞，网格朝向角度是相同的。进一步研究者还发现，网格细胞群的活动还受运动方向的调制。如果运动方向与网格朝向一致，则神经活动更高。最后，网格细胞的发放还受到运动速度的调制。运动速度越快，网格细胞群的网格性就越强。根据这三个属性，就可以用fMRI验证网格细胞的是否存在。

对于每个被试来说，网格细胞的朝向是不一样的。因此研究者首先用用结构像定义内嗅皮层，然后找到对某一运动方向相应最强的方向。实际上，内嗅皮层区域的激活在以60度为间隔的六个方向上激活最强，而且激活强度还受到运动速度的调制。随后再用新的一批数据，在全脑中寻找激活水平受到运动方向调制的区域，结果在全脑范围内只找到了内嗅皮层的区域。并且网格细胞的方向一致性与被试完成空间任务的成绩成正相关。这些结果都提示了人脑内嗅皮层中有与老鼠内嗅皮层中类似的网格细胞存在，并提示了人可能利用网格细胞的空间表征完成空间搜索任务。

图片来自文章

神经元有一个基本的规律叫适应 (adaptation)，指的是如果一种类型的刺激重复出现，则加工这种刺激的神经元的响应会越来越弱。比如一种细胞对某一朝向的运动响应，则如果连续在这个方向运动，这个神经元的响应也就越弱。对于网格细胞，可以预测，如果第一次朝着一个方向走，接下来朝着左右60度或120度的方向走，同样会产生适应效应。根据这一假设，在全脑中发现内侧前额叶皮层、内侧顶叶皮层和双侧颞叶皮层都会显示出类似的适应模式。说明在人脑中有一个神经网络共同完成空间表征与空间导航功能。

总之，这是一篇非常漂亮的研究。虽然用fMRI无法直接记录单个神经元活动，也无法直接测量环境中各个位置的响应。但是作者根据网格细胞的特性巧妙的推出了几个可以观测并验证的fMRI信号属性。这个研究提供了第一个人脑中存在网格细胞的证据。

Doeller, C., Barry, C., & Burgess, N. (2010). Evidence for grid cells in a human memory network Nature DOI: 10.1038/nature08704

用fMRI与植物人交流

植物人状态是受到严重脑外伤昏迷后，虽然苏醒但仍然没有意识的状态 (Vegetative State, VS)。比植物人状态稍轻微一点的状态是最小意识状态 (minimally conscious state, MCS)。在最小意识状态，病人偶尔会显示出对外界刺激的反应，但这种反应并不一致。在临床上对病人意识状态的诊断通常只能通过病人的行为反应进行判断，比如病人是否会对外界刺激进行反应。这就可能出现一个很可悲的状况，如果一个病人存在意识，但是丧失了运动能力，他同样无法对医生的刺激进行反应。这时我们仍然得把病人归类为植物人状态或最小意识状态。很多病人的家属会固执的认为病人还存在意识，可以理解自己的话，因此会坐在床边一直与病人说话。在琼瑶阿姨的电视剧中，这时镜头一转，就会发现病人眼角一行眼泪流下~

眼泪是不靠谱的，不过有fMRI，我们可能读到藏在植物人脑中的意识。早在2006年，Owen等就在Science上就报告了一个惊人的发现。研究者对一名因车祸而成为植物人的病人进行fMRI扫描。同时，研究者让病人进行两种想象任务：一种与运动相关，想象自己打网球的动作；另一种与空间相关，想象自己在家中行走。结果病人在运动想象任务中激活了辅助运动皮层 (SMA)，而在空间想象任务中激活了海马旁回 (PPA)。这种激活模式与正常被试进行相同想象任务的激活模式是一致的。从而提供了很强的证据，表明这名女病人可以理解研究者的话，并与研究者合作完成了想象任务。虽然可能因为运动功能的丧失导致病人无法与研究者交流，但病人的某些大脑活动是正常的。


(病人在完成运动想象和空间想象任务时的激活模式与正常人很相似，图片来自Owen et al., 2006)

在这个病人之后的3年里，这个研究小组又扫描了54名植物人病人或最小意识状态病人。研究者都让病人完成这两类运动想象和空间想象任务。在这54名病人中，有5名病人显示出了可靠的辅助运动皮层或海马旁回的激活。

接下来，研究者又有了一个天才的想法。如果病人可以成功的主动操控大脑内两个区域的兴奋水平，那么也许可以通过监控这两个区域的激活水平来与病人交流。研究者选取了一名大脑活动响应最可靠的病人，让病人回答一系列问题。问题与病人生活有关，病人只要回答是/否就可以，比如“你父亲的名字是Alexander么？”同时，研究者告诉被试，如果答案是“是”，就进行动作想象；如果答案是“否”，就进行空间想象。根据辅助运动皮层和海马旁会的激活水平，研究者可以判断病人做了什么回答。6个问题中的5个，研究者可以通过大脑活动水平识别。而第六个问题，因为辅助运动皮层和海马旁回缺少激活而无法识别。


(病人在回答问题时的激活模式，图片来自Monti et al. 2010)

总之，fMRI的结果显示了，我们可以通过fMRI技术与植物人病人进行一定的交流。在这个研究中，研究者只是问了一些已知答案的问题，来验证这种方法的有效性。在将来，也可以直接问一些与病情有关的问题，如病人能否感觉到疼痛。这样也许真的可以帮助病人更好的康复，甚至恢复清醒。

这篇文章发表在传说中的《新英格兰医学杂志》 (New England Journal of Medicine)上。

Monti, M., Vanhaudenhuyse, A., Coleman, M., Boly, M., Pickard, J., Tshibanda, L., Owen, A., & Laureys, S. (2010). Willful Modulation of Brain Activity in Disorders of Consciousness New England Journal of Medicine DOI: 10.1056/NEJMoa0905370

Owen, A. (2006). Detecting Awareness in the Vegetative State Science, 313 (5792), 1402-1402 DOI: 10.1126/science.1130197

fMRI显示视皮层第4层的特异激活

fMRI虽说是目前研究人类脑功能的空间分辨率最高的技术，但通常分辨率只是3mm×3mm×5mm，即几毫米的尺度。因此通常只能定位某一个脑区，而很难定位皮层上的某一层、或某一功能柱。最近发现一些小组试图用fMRI观察视皮层的特定一层的激活，感觉还是蛮有趣的。



上图是MRI图像得到的人类视皮层结构像。其中灰色的是灰质 (GM)，即皮层，白色为白质 (WM)，黑色为脑脊液 (CSF)。皮层分为六层，每层有不同种类的细胞，分别负责传入、传出或者水平联系。研究者让被试观察闪烁的棋盘格，同时计算沿皮层表面切线方向上的信号激活情况。结果如下图：



从左到右，分别是白质、灰质和脑脊液。可以看到，看到闪烁的棋盘格后，白质没有激活，灰质显示出了激活，而脑脊液中的激活最大。但脑脊液的激活是由于血管效应的影响，如果去除血管的影响，则脑脊液的激活就会降低。最有意思的结果是，在皮层的激活中，第4层产生了最高的激活。

从图中可以看到，整个皮层的厚度为2.25mm，而本研究中fMRI扫描的分辨率为0.75mm×0.75mm×0.75mm。看起来结果还不错。但想想整个第4层就是1个像素的宽度，这种分辨率在实际中应用可能还是很困难的。

文章中一个让我惊讶的结果是，由于血管效应的影响，使得脑脊液中的激活最大，甚至远远大于皮层第4层的激活。在通常fMRI的分辨率下，这些区域可能都混合在一个像素中，那得到的效应究竟是什么，鬼才知道...

Koopmans, P., Barth, M., & Norris, D. (2010). Layer-specific BOLD activation in human V1 Human Brain Mapping DOI: 10.1002/hbm.20936